صنعت هوانوردی در سال‌های اخیر دستخوش تحولاتی بنیادین در نحوه فروش و بسته‌بندی خدمات خود شده است. از یک سو، شرکت‌های هواپیمایی به سمت ایجاد «خانواده‌های نرخ» با خدمات متفاوت حرکت کرده‌اند و از سوی دیگر، درآمدهای جانبی ناشی از فروش خدمات اضافی مانند انتخاب صندلی، بار اضافی و اینترنت در طول پرواز، به سرعت در حال رشد است. با این حال، روش‌های سنتی قیمت‌گذاری، اغلب به صورت یکسان برای همه مسافران اعمال می‌شود و توانایی پاسخ‌گویی به نیازهای متنوع مشتریان را ندارد. این پایان‌نامه به دنبال ارائه راهکاری علمی و عملیاتی برای غلبه بر این چالش و ایجاد پیشنهادات پویا و شخصی‌سازی‌شده برای هر مسافر است.

پیشرفت در فناوری توزیع محتوای جدید صنعت هوانوردی، بستر فنی لازم برای ارائه پیشنهادات پویا را فراهم کرده است. اما پیشرفت در علم مدیریت درآمد، همچنان با سرعت کمتری در حال حرکت است. اکثر مدل‌های موجود، قادر به بهینه‌سازی هم‌زمان قیمت و ترکیب بسته‌های خدماتی نیستند و در مواجهه با پیچیدگی انتخاب مشتری بین چندین پیشنهاد، کارایی خود را از دست می‌دهند. این پژوهش با بهره‌گیری از یک مدل نوین ریاضی به نام «مدل انتخاب زنجیره مارکوف»، گامی بلند در جهت پر کردن این خلأ برداشته است.

مدل انتخاب زنجیره مارکوف، فرآیند خرید مشتری را به عنوان یک حرکت تصادفی در میان گزینه‌های موجود شبیه‌سازی می‌کند. در این مدل، هر پیشنهاد (مانند یک پرواز معمولی، یک بسته شامل خدمات اضافی، یا ترکیبی از هر دو) به عنوان یک حالت در یک زنجیره مارکوف در نظر گرفته می‌شود. مشتری با احتمال مشخصی وارد هر حالت می‌شود و بر اساس قیمت و مطلوبیت شخصی، تصمیم به خرید می‌گیرد یا به سراغ گزینه دیگری می‌رود. این رویکرد، برخلاف مدل‌های سنتی، توانایی مدل‌سازی رفتار پیچیده مشتریان را در مواجهه با مجموعه‌ای از پیشنهادات رقیب دارد.

یافته‌های اصلی این پژوهش نشان می‌دهد که مدل مذکور، راهکاری کارآمد و مقیاس‌پذیر برای حل دو مسئله اساسی در ایجاد پیشنهادات پویا ارائه می‌دهد: «بهینه‌سازی قیمت مجموعه پیشنهادات» و «انتخاب بهترین مجموعه پیشنهادات». در بخش قیمت‌گذاری، مدل قادر است به‌طور هم‌زمان قیمت تمام پیشنهادات را به‌گونه‌ای تنظیم کند که درآمد کلی مجموعه بیشینه شود. یکی از دستاوردهای جالب این روش، توانایی آن در قیمت‌گذاری هوشمندانه بسته‌های خدماتی است؛ به‌گونه‌ای که مشتریان به سمت خرید بسته‌های پرسودتر هدایت شوند و در عین حال، قیمت‌ها برای آنها جذاب باقی بماند.

این تحقیق همچنین برای اولین بار، روشی برای تخمین پارامترهای این مدل از روی داده‌های واقعی خرید مسافران ارائه می‌دهد. به این ترتیب، شرکت‌های هواپیمایی می‌توانند با آزمایش قیمت‌های مختلف در یک دوره زمانی کوتاه، مدل را برای مسافران خود شخصی‌سازی کنند. شبیه‌سازی‌های انجام شده در این پژوهش نشان می‌دهد که به کارگیری این روش می‌تواند درآمد جانبی شرکت را تا بیش از ۹ درصد و درآمد کلی را تا بیش از ۱ درصد افزایش دهد. این افزایش درآمد، نتیجه مستقیم تشویق مسافران به خرید بسته‌های خدماتی جامع‌تر و پرهیز از ارائه پیشنهادات غیرمرتبط است.

در بخش دیگری از این پژوهش، قابلیت «انتخاب مجموعه پیشنهادات» نیز مورد بررسی قرار گرفته است. فرض کنید یک شرکت هواپیمایی به دلیل محدودیت‌های نمایشگر، فقط می‌تواند تعداد محدودی پیشنهاد را به مسافر نشان دهد. مدل ارائه شده، با استفاده از یک روش نوین به نام «کاهش مقیاس»، قادر است رفتار مشتریان را در مواجهه با هر زیرمجموعه‌ای از پیشنهادات، تنها با استفاده از یک مدل کلی پیش‌بینی کند. این امر، امکان انتخاب هوشمندانه‌ترین و سودآورترین مجموعه پیشنهادات برای هر مسافر را فراهم می‌آورد و گامی اساسی به سوی تحقق کامل ایجاد پیشنهادات پویا محسوب می‌شود.

با وجود تمامی مزایا، چالش‌هایی نیز در مسیر پیاده‌سازی عملی این مدل وجود دارد. از جمله این چالش‌ها، پیچیدگی تخمین پارامترها برای مجموعه‌های بزرگ پیشنهادی و نیاز به داده‌های آموزشی کافی است. همچنین، مدل‌های توسعه‌یافته برای قیمت‌گذاری هم‌زمان پرواز و خدمات جانبی، نیازمند اعتبارسنجی بیشتر در محیط‌های رقابتی واقعی هستند. با این حال، این پژوهش نشان می‌دهد که مدل انتخاب زنجیره مارکوف، به عنوان یک ابزار قدرتمند و انعطاف‌پذیر، پتانسیل بالایی برای متحول کردن شیوه قیمت‌گذاری و فروش در صنعت هوانوردی و حتی سایر صنایع خدماتی دارد.

یکی از نکات کلیدی که در این پژوهش به آن پرداخته شده، تفاوت میان بهینه‌سازی صرفاً برای درآمد جانبی و بهینه‌سازی برای درآمد کلی است. گاهی اوقات، افزایش قیمت خدمات جانبی ممکن است باعث شود مسافر از خرید پرواز منصرف شود. به همین دلیل، پژوهشگران دو رویکرد تکمیلی ارائه داده‌اند: رویکرد اول که «MCCM-F» نام دارد، قیمت خدمات جانبی را بر اساس قیمت پرواز تنظیم می‌کند و در صورت بالا بودن قیمت بلیط، تخفیف‌هایی برای خدمات جانبی در نظر می‌گیرد تا مسافر بتواند کل بسته را خریداری کند. رویکرد دوم که «MCCM-J» نامیده می‌شود، قیمت پرواز و خدمات جانبی را به‌طور هم‌زمان بهینه می‌کند و نتایج نشان می‌دهد که این روش می‌تواند درآمد کلی را تا بیش از ۱۳ درصد افزایش دهد.

آزمایش‌های انجام شده در این پژوهش، حاکی از آن است که استفاده از مدل انتخاب زنجیره مارکوف نه تنها از نظر تئوری قابل دفاع است، بلکه در عمل نیز نتایج بسیار مطلوبی به همراه دارد. در شبیه‌سازی‌های رایانه‌ای که با استفاده از داده‌های واقعی و سناریوهای مختلف انجام شده، این مدل توانسته است عملکرد بهتری نسبت به روش‌های سنتی قیمت‌گذاری داشته باشد. به عنوان مثال، در شرایطی که مسافران تمایل بالایی به خرید خدمات جانبی دارند، استفاده از این مدل می‌تواند درآمد حاصل از فروش این خدمات را تا دو برابر افزایش دهد. این موفقیت، عمدتاً به دلیل توانایی مدل در شناسایی و هدف‌گیری مسافرانی است که بیشترین ارزش را برای شرکت دارند.

در نهایت، این پایان‌نامه با ارائه یک چارچوب علمی منسجم و قابل اجرا، نشان می‌دهد که عصر جدیدی از فروش شخصی‌سازی‌شده در صنعت هواپیمایی آغاز شده است. با بهره‌گیری از مدل‌های پیشرفته انتخاب مشتری، شرکت‌ها می‌توانند از فرصت‌های درآمدی پنهان در بسته‌بندی خدمات و شخصی‌سازی پیشنهادات بهره‌مند شوند. نتایج این پژوهش، نقشه راهی عملی برای مدیران و متخصصان صنعت فراهم می‌کند تا بتوانند با اطمینان بیشتری به سوی آینده‌ای حرکت کنند که در آن، هر مسافر پیشنهادی منحصربه‌فرد، متناسب با نیازها و بودجه خود دریافت می‌کند. این رویکرد نوین، نه تنها به افزایش درآمد شرکت‌ها کمک می‌کند، بلکه تجربه سفر را برای مسافران نیز شفاف‌تر، منصفانه‌تر و رضایت‌بخش‌تر می‌سازد.

صنعت هوانوردی در سال‌های اخیر دستخوش تحولاتی بنیادین در نحوه فروش و بسته‌بندی خدمات خود شده است. از یک سو، شرکت‌های هواپیمایی به سمت ایجاد «خانواده‌های نرخ» با خدمات متفاوت حرکت کرده‌اند و از سوی دیگر، درآمدهای جانبی ناشی از فروش خدمات اضافی مانند انتخاب صندلی، بار اضافی و اینترنت در طول پرواز، به سرعت در حال رشد است. با این حال، روش‌های سنتی قیمت‌گذاری، اغلب به صورت یکسان برای همه مسافران اعمال می‌شود و توانایی پاسخ‌گویی به نیازهای متنوع مشتریان را ندارد. این پایان‌نامه به دنبال ارائه راهکاری علمی و عملیاتی برای غلبه بر این چالش و ایجاد پیشنهادات پویا و شخصی‌سازی‌شده برای هر مسافر است.

پیشرفت در فناوری توزیع محتوای جدید صنعت هوانوردی، بستر فنی لازم برای ارائه پیشنهادات پویا را فراهم کرده است. اما پیشرفت در علم مدیریت درآمد، همچنان با سرعت کمتری در حال حرکت است. اکثر مدل‌های موجود، قادر به بهینه‌سازی هم‌زمان قیمت و ترکیب بسته‌های خدماتی نیستند و در مواجهه با پیچیدگی انتخاب مشتری بین چندین پیشنهاد، کارایی خود را از دست می‌دهند. این پژوهش با بهره‌گیری از یک مدل نوین ریاضی به نام «مدل انتخاب زنجیره مارکوف»، گامی بلند در جهت پر کردن این خلأ برداشته است.

مدل انتخاب زنجیره مارکوف، فرآیند خرید مشتری را به عنوان یک حرکت تصادفی در میان گزینه‌های موجود شبیه‌سازی می‌کند. در این مدل، هر پیشنهاد (مانند یک پرواز معمولی، یک بسته شامل خدمات اضافی، یا ترکیبی از هر دو) به عنوان یک حالت در یک زنجیره مارکوف در نظر گرفته می‌شود. مشتری با احتمال مشخصی وارد هر حالت می‌شود و بر اساس قیمت و مطلوبیت شخصی، تصمیم به خرید می‌گیرد یا به سراغ گزینه دیگری می‌رود. این رویکرد، برخلاف مدل‌های سنتی، توانایی مدل‌سازی رفتار پیچیده مشتریان را در مواجهه با مجموعه‌ای از پیشنهادات رقیب دارد.

یافته‌های اصلی این پژوهش نشان می‌دهد که مدل مذکور، راهکاری کارآمد و مقیاس‌پذیر برای حل دو مسئله اساسی در ایجاد پیشنهادات پویا ارائه می‌دهد: «بهینه‌سازی قیمت مجموعه پیشنهادات» و «انتخاب بهترین مجموعه پیشنهادات». در بخش قیمت‌گذاری، مدل قادر است به‌طور هم‌زمان قیمت تمام پیشنهادات را به‌گونه‌ای تنظیم کند که درآمد کلی مجموعه بیشینه شود. یکی از دستاوردهای جالب این روش، توانایی آن در قیمت‌گذاری هوشمندانه بسته‌های خدماتی است؛ به‌گونه‌ای که مشتریان به سمت خرید بسته‌های پرسودتر هدایت شوند و در عین حال، قیمت‌ها برای آنها جذاب باقی بماند.

این تحقیق همچنین برای اولین بار، روشی برای تخمین پارامترهای این مدل از روی داده‌های واقعی خرید مسافران ارائه می‌دهد. به این ترتیب، شرکت‌های هواپیمایی می‌توانند با آزمایش قیمت‌های مختلف در یک دوره زمانی کوتاه، مدل را برای مسافران خود شخصی‌سازی کنند. شبیه‌سازی‌های انجام شده در این پژوهش نشان می‌دهد که به کارگیری این روش می‌تواند درآمد جانبی شرکت را تا بیش از ۹ درصد و درآمد کلی را تا بیش از ۱ درصد افزایش دهد. این افزایش درآمد، نتیجه مستقیم تشویق مسافران به خرید بسته‌های خدماتی جامع‌تر و پرهیز از ارائه پیشنهادات غیرمرتبط است.

در بخش دیگری از این پژوهش، قابلیت «انتخاب مجموعه پیشنهادات» نیز مورد بررسی قرار گرفته است. فرض کنید یک شرکت هواپیمایی به دلیل محدودیت‌های نمایشگر، فقط می‌تواند تعداد محدودی پیشنهاد را به مسافر نشان دهد. مدل ارائه شده، با استفاده از یک روش نوین به نام «کاهش مقیاس»، قادر است رفتار مشتریان را در مواجهه با هر زیرمجموعه‌ای از پیشنهادات، تنها با استفاده از یک مدل کلی پیش‌بینی کند. این امر، امکان انتخاب هوشمندانه‌ترین و سودآورترین مجموعه پیشنهادات برای هر مسافر را فراهم می‌آورد و گامی اساسی به سوی تحقق کامل ایجاد پیشنهادات پویا محسوب می‌شود.

با وجود تمامی مزایا، چالش‌هایی نیز در مسیر پیاده‌سازی عملی این مدل وجود دارد. از جمله این چالش‌ها، پیچیدگی تخمین پارامترها برای مجموعه‌های بزرگ پیشنهادی و نیاز به داده‌های آموزشی کافی است. همچنین، مدل‌های توسعه‌یافته برای قیمت‌گذاری هم‌زمان پرواز و خدمات جانبی، نیازمند اعتبارسنجی بیشتر در محیط‌های رقابتی واقعی هستند. با این حال، این پژوهش نشان می‌دهد که مدل انتخاب زنجیره مارکوف، به عنوان یک ابزار قدرتمند و انعطاف‌پذیر، پتانسیل بالایی برای متحول کردن شیوه قیمت‌گذاری و فروش در صنعت هوانوردی و حتی سایر صنایع خدماتی دارد.

یکی از نکات کلیدی که در این پژوهش به آن پرداخته شده، تفاوت میان بهینه‌سازی صرفاً برای درآمد جانبی و بهینه‌سازی برای درآمد کلی است. گاهی اوقات، افزایش قیمت خدمات جانبی ممکن است باعث شود مسافر از خرید پرواز منصرف شود. به همین دلیل، پژوهشگران دو رویکرد تکمیلی ارائه داده‌اند: رویکرد اول که «MCCM-F» نام دارد، قیمت خدمات جانبی را بر اساس قیمت پرواز تنظیم می‌کند و در صورت بالا بودن قیمت بلیط، تخفیف‌هایی برای خدمات جانبی در نظر می‌گیرد تا مسافر بتواند کل بسته را خریداری کند. رویکرد دوم که «MCCM-J» نامیده می‌شود، قیمت پرواز و خدمات جانبی را به‌طور هم‌زمان بهینه می‌کند و نتایج نشان می‌دهد که این روش می‌تواند درآمد کلی را تا بیش از ۱۳ درصد افزایش دهد.

آزمایش‌های انجام شده در این پژوهش، حاکی از آن است که استفاده از مدل انتخاب زنجیره مارکوف نه تنها از نظر تئوری قابل دفاع است، بلکه در عمل نیز نتایج بسیار مطلوبی به همراه دارد. در شبیه‌سازی‌های رایانه‌ای که با استفاده از داده‌های واقعی و سناریوهای مختلف انجام شده، این مدل توانسته است عملکرد بهتری نسبت به روش‌های سنتی قیمت‌گذاری داشته باشد. به عنوان مثال، در شرایطی که مسافران تمایل بالایی به خرید خدمات جانبی دارند، استفاده از این مدل می‌تواند درآمد حاصل از فروش این خدمات را تا دو برابر افزایش دهد. این موفقیت، عمدتاً به دلیل توانایی مدل در شناسایی و هدف‌گیری مسافرانی است که بیشترین ارزش را برای شرکت دارند.

در نهایت، این پایان‌نامه با ارائه یک چارچوب علمی منسجم و قابل اجرا، نشان می‌دهد که عصر جدیدی از فروش شخصی‌سازی‌شده در صنعت هواپیمایی آغاز شده است. با بهره‌گیری از مدل‌های پیشرفته انتخاب مشتری، شرکت‌ها می‌توانند از فرصت‌های درآمدی پنهان در بسته‌بندی خدمات و شخصی‌سازی پیشنهادات بهره‌مند شوند. نتایج این پژوهش، نقشه راهی عملی برای مدیران و متخصصان صنعت فراهم می‌کند تا بتوانند با اطمینان بیشتری به سوی آینده‌ای حرکت کنند که در آن، هر مسافر پیشنهادی منحصربه‌فرد، متناسب با نیازها و بودجه خود دریافت می‌کند. این رویکرد نوین، نه تنها به افزایش درآمد شرکت‌ها کمک می‌کند، بلکه تجربه سفر را برای مسافران نیز شفاف‌تر، منصفانه‌تر و رضایت‌بخش‌تر می‌سازد.

🛫 وقتی مدل‌های ریاضی، بلیط هواپیما را شخصی‌سازی می‌کنند

تصور کنید دارید برای سفر بعدی تان بلیط می‌خرید. هواپیمایی که انتخاب می‌کنید، نه فقط قیمت پرواز، بلکه دقیقاً همان خدمات اضافی‌ای را به شما پیشنهاد می‌دهد که به آن نیاز دارید: یک صندلی با جای پا بیشتر، اینترنت پرسرعت، و حتی امکان کنسل کردن بلیط بدون جریمه. و همه این‌ها با قیمتی که دقیقاً برای بودجه شما طراحی شده است. شاید فکر کنید این توصیف یک فروشگاه اینترنتی پیشرفته است، اما این آینده‌ای است که صنعت هوانوردی با کمک یک مدل ریاضی به نام «مدل انتخاب زنجیره مارکوف» به دنبال آن است.

🤔 مشکل کجاست؟

امروزه، وقتی بلیط هواپیما می‌خرید، همه مسافران تقریباً همان پیشنهادات را با همان قیمت‌ها می‌بینند. شرکت‌های هواپیمایی خدمات اضافی مثل بار یا انتخاب صندلی را به شکل ثابت قیمت‌گذاری می‌کنند، بدون توجه به این که شما چقدر برای هر کدام ارزش قائل هستید. این یعنی از دست رفتن فرصت‌های بزرگ درآمدی و همچنین تجربه‌ای نه چندان رضایت‌بخش برای مسافر. اما چرا این اتفاق می‌افتد؟ چون روش‌های سنتی مدیریت درآمد، توانایی مدل‌سازی رفتار پیچیده مشتریان را ندارند.

🔑 راه‌حل غیرمنتظره: یک زنجیره مارکوف در خدمت سفر

اینجاست که «مدل انتخاب زنجیره مارکوف» وارد می‌شود. این مدل، فرآیند خرید شما را مثل یک حرکت تصادفی در میان گزینه‌های مختلف تصور می‌کند. شما ممکن است اول پیشنهاد «پرواز اقتصادی» را ببینید، بعد به «پرواز با بار اضافی» بروید، و نهایتاً به «بسته کامل سفر» برسید. در هر مرحله، مدل پیش‌بینی می‌کند که با توجه به قیمت و نیازتان، چقدر احتمال دارد خرید کنید. به عبارت ساده‌تر، مدل می‌تواند پیش‌بینی کند که شما در مواجهه با یک مجموعه پیشنهاد، چه تصمیمی خواهید گرفت.

«مدل انتخاب زنجیره مارکوف، به شرکت‌های هواپیمایی اجازه می‌دهد تا قیمت هر پیشنهاد را به‌گونه‌ای تنظیم کنند که درآمد کل بیشینه شود، در حالی که مسافران همچنان احساس می‌کنند بهترین گزینه را انتخاب کرده‌اند.»

📊 داده‌ها چه می‌گویند؟

آزمایش‌های انجام شده در این پژوهش نشان می‌دهد که استفاده از این مدل، درآمد خدمات جانبی را تا ۹٪ و درآمد کل را تا بیش از ۱٪ افزایش می‌دهد. اما جالب‌تر این است که مدل به طور خودکار تشخیص می‌دهد که چه زمانی باید یک بسته خدماتی را با تخفیف ارائه دهد تا مسافر بتواند کل بسته را خریداری کند، و چه زمانی بهتر است خدمات را به صورت مجزا بفروشد. این یعنی مدل نه فقط قیمت، بلکه «هنر بسته‌بندی» را نیز بلد است.

🧠 چرا این موضوع مهم است؟

این پژوهش فقط یک مقاله علمی دیگر نیست. بلکه نشان‌دهنده تغییر نگرش در صنعت هوانوردی است: از فروش صندلی خالی به فروش تجربه سفر. وقتی شرکت هواپیمایی بتواند پیشنهادی را طراحی کند که دقیقاً با نیازهای شما همخوانی دارد، شما نه تنها راضی‌تر هستید، بلکه شرکت نیز درآمد بیشتری کسب می‌کند. این یک برد-برد است. به علاوه، این مدل قابلیت شخصی‌سازی برای بخش‌های مختلف مسافران (تجاری، تفریحی، خانوادگی) را نیز دارد و می‌تواند برای هر گروه، مجموعه پیشنهادات متفاوتی تولید کند.

⚠️ چالش‌های پیش رو

البته این مسیر بدون مانع نیست. تخمین پارامترهای این مدل برای مجموعه‌های بزرگ پیشنهادی، به داده‌های زیادی نیاز دارد و گاهی پیچیده می‌شود. همچنین، پیاده‌سازی این روش در کنار سیستم‌های سنتی مدیریت درآمد، نیازمند تغییرات زیرساختی است. با این حال، پژوهشگران معتقدند که با توسعه روش‌های تخمین کارآمدتر، این مدل می‌تواند به یک استاندارد صنعتی تبدیل شود.

✨ آینده‌ای که از همین حالا شروع شده

شاید باورتان نشود، اما برخی از شرکت‌های هواپیمایی پیشرو، قدم‌هایی در این مسیر برداشته‌اند. فناوری توزیع محتوای جدید (NDC) بستری را فراهم کرده که امکان ارائه پیشنهادات پویا را در کانال‌های مختلف فروش می‌دهد. این پژوهش، نقشه راهی علمی برای پر کردن شکاف بین فناوری و علم مدیریت درآمد ارائه می‌دهد. در آینده‌ای نه چندان دور، شاید وقتی بلیط می‌خرید، دیگر تعجب نکنید که چرا پیشنهاد شما با پیشنهاد همسفرتان متفاوت است. چون هر کدام از شما، دقیقاً همان چیزی را دیده‌اید که برایتان بهترین بوده است.