[发明专利]航空公司的收益管理方法、系统、介质和电子设备

说明书

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。

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。