Discrete choice models applied to revenue management systems for air transport
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Los sistemas de Revenue Management (RM) se utilizan para maximizar el ingreso de las empresas mediante la combinación de modelos predictivos y de optimización. En la industria aérea, la utilización de sistemas de RM crea un ingreso adicional que puede constituir cerca del 5% de los ingresos totales. Producto de las ganancias generadas mediante la aplicación de sistemas de RM, su uso se ha vuelto un estándar en la industria. No obstante, debido al desarrollo de nuevas tecnologías de información, el incremento en la competencia y el cambio en las condiciones del mercado, la validez de los métodos utilizados en los sistemas de RM está en evolución y la búsqueda y estudios de nuevos sistemas de RM es constante. Una alternativa reciente y adecuada para modelar la demanda son los modelos de elección discreta. La integración de los modelos de elección discreta en los sistemas de RM se conoce como Choice-Based Revenue Management (CBRM). No obstante, el uso de modelos de elección discreta en sistemas de CBRM presenta condiciones especiales que deben ser estudiadas en detalle.
Este estudio busca extender el conocimiento del uso de modelos de predicción basados en modelos de elección discreta para sistemas de RM. Nos enfocamos en sistemas de RM de control de la cantidad y control del precio aplicados en la industria del transporte aéreo. Estudiamos la integración de dos patrones de comportamiento en los modelos predictivos de sistemas de CBRM. En particular, estudiamos la estimación de modelos de la familia de los Generalized Extreme Value (GEV) con información censurada (i.e., faltante o incompleta). Estos modelos son capaces de dar cuenta de dos condiciones relevantes en la aplicación de sistemas de RM, patrones de substitución (i.e., estructuras de correlación entre las preferencias) complejos y heterogeneidad en la preferencia. Adicionalmente, estudiamos el efecto de la endogeneidad en el uso de sistemas de CBRM. En particular, nos enfocamos en el efecto de la endogeneidad por omisión de variables y por estimación simultánea. La endogeneidad es relevante en la aplicación de sistemas de RM debido a que distorsiona los parámetros de los modelos utilizados, afectando su desempeño. Para
el estudio de ambos elementos consideramos cuatro pasos. Primero, compilamos los modelos de elección discreta observados en la literatura. Segundo, desarrollamos una herramienta de simulación de sistemas de RM aplicable en un mercado de transporte aéreo. Tercero, utilizamos el simulador para estudiar la estimación de modelos de la familia de los GEV con información censurada y bajo el efecto de la endogeneidad. Cuarto, generamos un conjunto de recomendaciones para el uso adecuado de los sistemas de CBRM que utilizan modelos del tipo GEV y para los que
son afectados por endogeneidad.
Los principales resultados sugieren que existen múltiples oportunidades para mejorar el uso de los modelos de elección discreta en aplicaciones de CBRM relacionadas al transporte aéreo. Encontramos que adoptar un enfoque de simulación permite estudiar la implementación de sistemas de RM de forma extensiva y a bajo costo. Presentamos un ejemplo del uso de la herramienta de simulación para seleccionar estrategias de RM apropiadas, que aprovechan los patrones de comportamiento de los consumidores para generar mayores beneficios. En relación con la estimación de los modelos de la familia de los GEV, encontramos que su uso debe equilibrar la complejidad de los procedimientos de estimación con la reducción en el sesgo de los modelos. Encontramos que los esfuerzos por incorporar factores de comportamiento complejos a los modelos de predicción mejoran el desempeño. No obstante, encontramos que en ciertos escenarios la ventaja de incorporar estos comportamientos mediante modelos superiores se anula. En particular, observamos ciertos escenarios en los que dar cuenta de las estructuras de correlación no presentaba ventajas. Adicionalmente, encontramos que la endogeneidad tiene impactos considerables en el uso de los modelos de elección discreta en sistemas de CBRM. La omisión de variables produce endogeneidad. Por su parte, los errores en la representación de las estructuras de correlación y la heterogeneidad en el comportamiento afectan el desempeño predictivo de los modelos. Los escenarios de estimación simultánea observados en la aplicación de los sistemas de RM amplifican el efecto de la omisión. En consecuencia, en el uso de sistemas de CBRM, debido al efecto de la endogeneidad, es importante diseñar y modelar correctamente la parte sistemática de la función utilidad de los modelos.
Description
Tesis (Doctor in Engineering Sciences)--Pontificia Universidad Católica de Chile, 2023