CN111144946A - 航空公司的收益管理方法、系统、介质和电子设备 - Google Patents
航空公司的收益管理方法、系统、介质和电子设备 Download PDFInfo
- Publication number
- CN111144946A CN111144946A CN201911376439.3A CN201911376439A CN111144946A CN 111144946 A CN111144946 A CN 111144946A CN 201911376439 A CN201911376439 A CN 201911376439A CN 111144946 A CN111144946 A CN 111144946A
- Authority
- CN
- China
- Prior art keywords
- flight
- airline
- revenue management
- sample set
- data processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000010006 flight Effects 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000003321 amplification Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航空公司的收益管理方法、系统、介质和电子设备,该方法包括:收集用户在OTA平台上的机票查询数据和订单数据以构造一样本集;对所述样本集进行数据处理以构造衍生特征;采用XGBoost模型对数据处理完成后的样本集进行训练;以测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;根据调价航班的当前售卖情况和所述购买概率计算得到调价航班的建议价格。本方案能有效避免航线员因市场信息滞后,错误的人工经验等造成市场错误判断、定价过高或过低的问题。能够保证建议价格具有合理性以及起到平衡市场的作用,也避免了航司之间出现恶性价格竞争。
Description
技术领域
本发明涉及大数据技术,尤其涉及航空公司的收益管理方法、系统、介质和电子设备。
背景技术
随着国内机票价格不断走低和人们出行的方式多样化,国内航班可选性的丰富程度给航空公司带来一系列的问题。比如如何根据实时市场票价信息进行合理定价,如何在一个不充分竞争的市场中博弈,以及如何在适度降价从而吸引价格敏感型用户和避免票价过低带来行业恶性竞争之间取得均衡等等。各航空公司都希望通过制定合理的定价策略,在市场博弈中来实现己方收益最大化。
现有的航空公司的定价策略是通过航线员等人工经验来判断市场走向,进而调整航班定价。该种方式存在市场信息滞后、人工经验错误等情形,导致航空公司的定价会过高或过低,从而影响航空公司的收益。
发明内容
本发明要解决的技术问题是为了克服现有技术中的航空公司的人工定价会过高或过低的缺陷,提供一种航空公司的收益管理方法、系统、介质和电子设备。
本发明是通过下述技术方案来解决上述技术问题:
一种航空公司的收益管理方法,其特点在于,包括:
S1、收集用户在OTA(在线旅游)平台上的机票查询数据和订单数据以构造一样本集;
S2、对所述样本集进行数据处理以构造衍生特征;
S3、采用XGBoost(专注于梯度提升算法的机器学习函数库)模型对数据处理完成后的样本集进行训练;
S4、以一测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;
S5、根据需要调价的航班的当前售卖情况和所述购买概率计算得到所述航班的建议价格。
较佳地,所述样本集包括航班的起飞日所在的星期、航段、提前订票天数、购买的航班的起飞时刻、竞飞航班的起飞时刻、购买的航班的票价、竞飞航班的票价中的一项或多项。
较佳地,所述衍生特征包括航班之间的票价差、时刻差、航线的热度排名、航空公司的排名中的一项或多项。
较佳地,步骤S3中的数据处理采用贝叶斯平滑或二维交叉变量的方法。
一种航空公司的收益管理系统,其特点在于,包括:
样本集构造模块,用于对收集的用户在OTA平台上的机票查询数据和订单数据构造样本集;
数据处理模块,用于对所述样本集进行数据处理以构造衍生特征;
训练模块,用于以XGBoost模型对数据处理完成后的样本集进行训练;
预测模块,用于以一测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;
计算模块,用于根据需要调价的航班的当前售卖情况和所述购买概率计算得到所述航班的建议价格。
较佳地,所述样本集包括航班的起飞日所在的星期、航段、提前订票天数、购买的航班的起飞时刻、竞飞航班的起飞时刻、购买的航班的票价、竞飞航班的票价中的一项或多项。
较佳地,所述衍生特征包括航班之间的票价差、时刻差、航线的热度排名、航空公司的排名中的一项或多项。
较佳地,所述数据处理模块采用贝叶斯平滑或二维交叉变量对所述样本集进行数据处理。
一种计算机可读存储介质,其上存储有计算机程序,其特点在于,所述计算机程序被处理器执行时实现如上所述的航空公司的收益管理方法的步骤。
一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其特点在于,所述处理器执行所述计算机程序时实现如上所述的航空公司的收益管理方法的步骤。
本发明的积极进步效果在于:本方法计算得到的定价合理,能够提高航空公司的收益,利用大数据和机器学习的技术,可以预测出某一个航班的购买概率,再结合市场销售进度信息,动态地计算出该航班的期望收益最大所对应的价格。
本方案可以有效的避免航线员因为市场信息滞后,错误的人工经验等造成市场错误判断,定价过高或过低的问题。能够保证该航班在当前竞争市场环境中有一定的优势,用户会有购买意向。能够保证建议价格具有合理性以及起到平衡市场的作用,还能避免航司之间出现恶性价格竞争的现象。
附图说明
图1为本实施例1的航空公司的收益管理方法的流程图。
图2为本实施例1的航空公司的收益管理方法中建议价格的计算逻辑图。
图3为本实施例2的航空公司的收益管理系统的模块结构图。
图4为本实施例4的电子设备的硬件结构图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种航空公司的收益管理方法,如图1所示,包括:
S1、收集用户在OTA平台上的机票查询数据和订单数据以构造一样本集;
所述样本集包括航班的起飞日所在的星期、航段、提前订票天数、购买的航班的起飞时刻、竞飞航班的起飞时刻、购买的航班的票价、竞飞航班的票价中的一项或多项。
影响用户选择航班的因素复杂多变,主要围绕票价和起飞时刻,一些潜在的因素也会影响用户的选择,比如:提前订票天数,机票折扣,航空公司的品牌质量,航班起飞的日期所在的星期,天气以及竞比航班的起飞时刻和票价等诸多影响。本实施例将该些因素融合起来,并在样本集的基础上选择覆盖的航线,以及需要调整票价的航班。
S2、对所述样本集进行数据处理以构造衍生特征;
所述衍生特征包括航班之间的票价差、时刻差、航线的热度排名、航空公司的排名中的一项或多项。
票价差是根据用户选择下单的航班票价减去其他观察的航班票价得到的,可以反映出价格差对用户购买的影响。同理,时刻差可以反映出用户的出行时间习惯对购买选择航班的影响。航空公司的品牌排名可以反映出用户是否有航司偏好。
将同航段下其他航司的航班和调价航班一对一组合,构成竞争关系,通过两个航班的票价差,起飞时刻差,和一些共同特征如,提前订票天数,起飞日期的星期,航线热度,起飞机场热度等来预测用户购买调价航班的概率。
S3、采用XGBoost模型对数据处理完成后的样本集进行训练;
数据处理采用贝叶斯平滑或二维交叉变量的方法。
S4、以一测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;
为了节约整个流程的计算时间,将训练好的模型保存起来并部署到线上,在线上只进行测试样本的预测步骤。测试样本具体来源于OTA平台上的实时机票查询数据,即通过获取OTA平台上的实时查询数据来构造样本;其与训练集的区别在于训练集是历史样本结合了查询数据和订单数据,而测试样本仅为OTA平台上的实时查询数据。在构造测试样本时,进行样本扩展,即对同一个航班,同一个起飞时间和订票时间,将购买航班的原始票价,按梯度加减以增加样本,用训练好的模型对增加的样本进行预测,获取不同价格的购买概率。
S5、根据需要调价的航班的当前售卖情况和所述购买概率计算得到所述航班的建议价格。
为了实现收益最大化,计算期望收益这个指标的最大值所对应的建议价格,即,期望收益=概率*价格。通过结合同比航班的客座增幅与同比航线客座增幅之差,同比航班座公里收益增幅和同比航线座公里收益增幅之差,制定了一套非对称式价格加减幅度的规则,用于限制过度减价和加价的极端情况以及平衡市场。具体地,该建议价格的计算逻辑如图2所示。
和航空公司数据对接,本方法通过相应的数据接口会定时发送建议价格给航空公司,发送频率可为一小时一次,航空公司从上午10点至晚上7点会定时触发获取数据。
评估标准指标定义为调价航班同比去年座公里收益(座公里收益计算方式为航班收入/(座位数*飞行公里数)增长的幅度和航线同比去年座公里收益增长幅度之差,即如果调价航班同比去年座收增长了约6%,对应其所处的航线座收同比去年增长了约2%,调价航班收益增长明显高于行业,说明系统对调价航班有收益提升效果。从一年多上线以来,测试了250条航班,覆盖了91条航线,调价航班平均收益提升百分比为3%左右。
实施例2
一种航空公司的收益管理系统,如图3所示,包括:
样本集构造模块1,用于对收集的用户在OTA平台上的机票查询数据和订单数据构造样本集;
所述样本集包括航班的起飞日所在的星期、航段、提前订票天数、购买的航班的起飞时刻、竞飞航班的起飞时刻、购买的航班的票价、竞飞航班的票价中的一项或多项。
数据处理模块2,用于对所述样本集进行数据处理以构造衍生特征;
所述衍生特征包括航班之间的票价差、时刻差、航线的热度排名、航空公司的排名中的一项或多项。所述数据处理模块采用贝叶斯平滑或二维交叉变量对所述样本集进行数据处理。
训练模块3,用于以XGBoost模型对数据处理完成后的样本集进行训练;
预测模块4,用于以一测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;
计算模块5,用于根据需要调价的航班的当前售卖情况和所述购买概率计算得到所述航班的建议价格。
本实施例能够获得与实施例1相同的技术效果。
实施例3
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1提供的航空公司的收益管理方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1中的航空公司的收益管理方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例4
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1提供的航空公司的收益管理的方法。
图4示出了本实施例的硬件结构示意图,如图4所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1所提供的航空公司的收益管理方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种航空公司的收益管理方法,其特征在于,包括:
S1、收集用户在OTA平台上的机票查询数据和订单数据以构造一样本集;
S2、对所述样本集进行数据处理以构造衍生特征;
S3、采用XGBoost模型对数据处理完成后的样本集进行训练;
S4、以一测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;
S5、根据需要调价的航班的当前售卖情况和所述购买概率计算得到所述航班的建议价格。
2.如权利要求1所述的航空公司的收益管理方法,其特征在于,所述样本集包括航班的起飞日所在的星期、航段、提前订票天数、购买的航班的起飞时刻、竞飞航班的起飞时刻、购买的航班的票价、竞飞航班的票价中的一项或多项。
3.如权利要求1所述的航空公司的收益管理方法,其特征在于,所述衍生特征包括航班之间的票价差、时刻差、航线的热度排名、航空公司的排名中的一项或多项。
4.如权利要求1-3中任意一项所述的航空公司的收益管理方法,其特征在于,步骤S3中的数据处理采用贝叶斯平滑或二维交叉变量的方法。
5.一种航空公司的收益管理系统,其特征在于,包括:
样本集构造模块,用于对收集的用户在OTA平台上的机票查询数据和订单数据构造样本集;
数据处理模块,用于对所述样本集进行数据处理以构造衍生特征;
训练模块,用于以XGBoost模型对数据处理完成后的样本集进行训练;
预测模块,用于以一测试样本对训练完成的XGBoost模型进行预测,以获得所述测试样本的购买概率;
计算模块,用于根据需要调价的航班的当前售卖情况和所述购买概率计算得到所述航班的建议价格。
6.如权利要求5所述的航空公司的收益管理系统,其特征在于,所述样本集包括航班的起飞日所在的星期、航段、提前订票天数、购买的航班的起飞时刻、竞飞航班的起飞时刻、购买的航班的票价、竞飞航班的票价中的一项或多项。
7.如权利要求5所述的航空公司的收益管理方法,其特征在于,所述衍生特征包括航班之间的票价差、时刻差、航线的热度排名、航空公司的排名中的一项或多项。
8.如权利要求5-7中任意一项所述的航空公司的收益管理方法,其特征在于,所述数据处理模块采用贝叶斯平滑或二维交叉变量对所述样本集进行数据处理。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-4中任意一项所述的航空公司的收益管理方法的步骤。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-4中任意一项所述的航空公司的收益管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376439.3A CN111144946A (zh) | 2019-12-27 | 2019-12-27 | 航空公司的收益管理方法、系统、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376439.3A CN111144946A (zh) | 2019-12-27 | 2019-12-27 | 航空公司的收益管理方法、系统、介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144946A true CN111144946A (zh) | 2020-05-12 |
Family
ID=70520932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911376439.3A Pending CN111144946A (zh) | 2019-12-27 | 2019-12-27 | 航空公司的收益管理方法、系统、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144946A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907158A (zh) * | 2021-05-10 | 2021-06-04 | 北京人人云图信息技术有限公司 | 一种基于博弈学习的航班乘客流量生成方法及系统 |
CN112990510A (zh) * | 2021-03-17 | 2021-06-18 | 携程旅游网络技术(上海)有限公司 | 机票预订处理方法、系统、设备及介质 |
CN113379443A (zh) * | 2021-05-10 | 2021-09-10 | 北京人人云图信息技术有限公司 | 一种航班流量仿真方法及系统 |
CN113393088A (zh) * | 2021-05-19 | 2021-09-14 | 悠桦林信息科技(上海)有限公司 | 航空运输控舱方法、装置、设备、介质及收益管理系统 |
CN116050515A (zh) * | 2022-12-30 | 2023-05-02 | 中国电子科技集团公司信息科学研究院 | 一种基于XGBoost的平行推演多分支态势预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RO128072A0 (ro) * | 2012-07-19 | 2012-12-28 | Mega Profit Alpha Srl | Metodă pentru calcularea preţului optim şi sistem informativ integrat pentru generarea preţului optim gestiunea afacerii şi a clienţilor |
JP2015225619A (ja) * | 2014-05-30 | 2015-12-14 | 株式会社野村総合研究所 | 空席販売システム |
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
CN107240005A (zh) * | 2017-06-13 | 2017-10-10 | 携程旅游网络技术(上海)有限公司 | 机票附加产品的推荐系统及方法 |
CN107330744A (zh) * | 2017-07-21 | 2017-11-07 | 携程旅游网络技术(上海)有限公司 | 机票衍生产品的推荐方法及系统 |
CN107909433A (zh) * | 2017-11-14 | 2018-04-13 | 重庆邮电大学 | 一种基于大数据移动电子商务的商品推荐方法 |
CN109816127A (zh) * | 2019-01-11 | 2019-05-28 | 广州市骑鹅游信息技术咨询服务有限公司 | 一种智能票务推荐方法及系统 |
CN110245976A (zh) * | 2019-05-20 | 2019-09-17 | 北京交通大学 | 一种基于大数据的高速铁路动态票价定制系统及方法 |
-
2019
- 2019-12-27 CN CN201911376439.3A patent/CN111144946A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RO128072A0 (ro) * | 2012-07-19 | 2012-12-28 | Mega Profit Alpha Srl | Metodă pentru calcularea preţului optim şi sistem informativ integrat pentru generarea preţului optim gestiunea afacerii şi a clienţilor |
JP2015225619A (ja) * | 2014-05-30 | 2015-12-14 | 株式会社野村総合研究所 | 空席販売システム |
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
CN107240005A (zh) * | 2017-06-13 | 2017-10-10 | 携程旅游网络技术(上海)有限公司 | 机票附加产品的推荐系统及方法 |
CN107330744A (zh) * | 2017-07-21 | 2017-11-07 | 携程旅游网络技术(上海)有限公司 | 机票衍生产品的推荐方法及系统 |
CN107909433A (zh) * | 2017-11-14 | 2018-04-13 | 重庆邮电大学 | 一种基于大数据移动电子商务的商品推荐方法 |
CN109816127A (zh) * | 2019-01-11 | 2019-05-28 | 广州市骑鹅游信息技术咨询服务有限公司 | 一种智能票务推荐方法及系统 |
CN110245976A (zh) * | 2019-05-20 | 2019-09-17 | 北京交通大学 | 一种基于大数据的高速铁路动态票价定制系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990510A (zh) * | 2021-03-17 | 2021-06-18 | 携程旅游网络技术(上海)有限公司 | 机票预订处理方法、系统、设备及介质 |
CN112990510B (zh) * | 2021-03-17 | 2024-05-31 | 携程旅游网络技术(上海)有限公司 | 机票预订处理方法、系统、设备及介质 |
CN112907158A (zh) * | 2021-05-10 | 2021-06-04 | 北京人人云图信息技术有限公司 | 一种基于博弈学习的航班乘客流量生成方法及系统 |
CN112907158B (zh) * | 2021-05-10 | 2021-07-23 | 北京人人云图信息技术有限公司 | 一种基于博弈学习的航班乘客流量生成方法及系统 |
CN113379443A (zh) * | 2021-05-10 | 2021-09-10 | 北京人人云图信息技术有限公司 | 一种航班流量仿真方法及系统 |
CN113379443B (zh) * | 2021-05-10 | 2023-10-17 | 北京人人云图信息技术有限公司 | 一种航班流量仿真方法及系统 |
CN113393088A (zh) * | 2021-05-19 | 2021-09-14 | 悠桦林信息科技(上海)有限公司 | 航空运输控舱方法、装置、设备、介质及收益管理系统 |
CN116050515A (zh) * | 2022-12-30 | 2023-05-02 | 中国电子科技集团公司信息科学研究院 | 一种基于XGBoost的平行推演多分支态势预测方法 |
CN116050515B (zh) * | 2022-12-30 | 2023-11-07 | 中国电子科技集团公司信息科学研究院 | 一种基于XGBoost的平行推演多分支态势预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144946A (zh) | 航空公司的收益管理方法、系统、介质和电子设备 | |
Larke et al. | Build touchpoints and they will come: transitioning to omnichannel retailing | |
US20190213621A1 (en) | Deal quality for event tickets | |
CN103914468B (zh) | 一种投放信息搜索的方法和装置 | |
CN111127155A (zh) | 商品推荐方法、装置、服务器和存储介质 | |
KR102225729B1 (ko) | 복수 온라인 쇼핑몰 상품 등록을 위한 상품정보 가공 장치 및 방법 | |
EP1850284A1 (en) | A computer system for automatically matching the requirements from a customer with the capabilites of a supplier | |
US20190080363A1 (en) | Methods and systems for intelligent adaptive bidding in an automated online exchange network | |
CA2519693A1 (en) | Performing predictive pricing based on historical data | |
CN102272758A (zh) | 因果驱动和市场响应弹性或提升因素的自动规范、估计和发现 | |
CN106415639A (zh) | 广告价格打折 | |
CA2734177A1 (en) | Automated decision support for pricing entertainment tickets | |
CN102934139A (zh) | 以用户为中心的实时广告竞价 | |
US20190295122A1 (en) | Method and apparatus for facilitating management of advertisement campaigns | |
CN109636490A (zh) | 广告转化率的实时预测方法、广告评价方法与系统 | |
US20150012366A1 (en) | Matching visitors as leads to lead buyers | |
CN110852772A (zh) | 动态定价方法、系统、设备和存储介质 | |
US20130346218A1 (en) | Bidding on Impression Opportunities Using Confidence Indicators | |
US11574285B2 (en) | Intelligent prediction of bundles of spare parts | |
WO2019052870A1 (en) | METHOD AND SYSTEM OF INTELLIGENT ADAPTIVE AUCTIONS IN AN AUTOMATED ONLINE EXCHANGE NETWORK | |
US10318966B2 (en) | Computer-implemented techniques for determining and provisioning real-time individualized product and service offering | |
US20220067791A1 (en) | Method and apparatus for forecast shaped pacing in electronic advertising | |
CN102117464B (zh) | 包括关系数据库或在线分析处理系统的装置、系统及相关方法 | |
Khedlekar et al. | Dynamic pricing model with logarithmic demand | |
US11257108B2 (en) | Systems and methods for dynamic product offerings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |