Yield Management

Walau pelaku yield management ini sudah banyak tapi yang mengembangkan algoritma masih jarang.
Best practice untuk penentuan jumlah seat ialah berdasarkan intuisi dari sang RC (Reservation Control) dari waktu ke waktu berdasarkan past historical data dan price competition.

Faktor experience sangat dominan disini. Tantangannya adalah membuat sistem yang memasukkan tacit knowlegde experiencei. CRS is allowed up to 14 subclasses in the availability display. Dimana masing2 subclasses nested terhadap lainnya. Algoritma nesting pun berkembang dari tiap2 CRS. Mekanisme nesting misalkan sudah given dari CRS dan tinggal menentukan fare dan kuota tiap subclass tersebut.

Penentuan kuota per subclasses, faktor yang berkaitan (selain history data) adalah:

1. Pax decision window characteristic (tiap rute):

schedule preferences, willingness to pay, brand, khusus untuk international ada faktor fare rules restriction. Ada penelitian yang mengungkapkan bahwa dikotomi antara business traveler dengan leisure menjadi blur karena sifatnya yang fuzzy. Beberapa rute domestik menunjukkan gejala ini.

2. Karakteristik rute yang dimiliki.

sebagai referensi bisa dicari tentang PODS model (passenger origin destination
simulator)

3. past historical data:

noshow as well as goshow rate, late cancellation, booking patern.

Semua kemudian dilakukan forecasting/demand modeling. Lalu, penentuan pricing tiap subclasses akan bergantung juga pada struktur biaya airlines tersebut. Salah satu variabel nya adalah komposisi antara fixed dan variable cost. Dari komposisi itu akan ada perimbangan antara kuota low fare dan high fare. Pendekatan dengan menggunakan expected marginal seat revenue jg ada yg pakai.

Dari sini juga landasan dilakukannya overbooking. Hanya harus dimasukkan lagi probability utk show up semua dan resiko/cost yang ditanggung dgn lost krn empty seat. Bagi airlines domestik, jika terjadi overbooking uang atas pembelian ticket akan di kembalikan atau ,enunggu nunggu next flight without any compensation, simply no cost.

Faktor history dan forecasting ini di iterasi untuk menentukan hasil akhir berupa kouta untuk mencapai optimum result. Saya membayangkan fungsi determinasi kouta yang bergerak sangat dinamik ini dilakukan oleh mesin/server. itu akan sangat menarik. Intervensi human diperkecil.

Mungkin jika topik ini untuk lebih menarik lagi, yield management untuk multi leg bisa dijajaki jg dgn lab transport nya Teknik Penerbangan ITB untuk riset bersama.

Ahmad Ullya