吳海峰
Yield management是一個(gè)專門用來管理可支配資源(或者說不可儲(chǔ)存的商品)的系統(tǒng),如火車,飛機(jī)座位及酒店房間,租車等,使達(dá)到最有效資源利用。它1980年在美國航空業(yè)首先出現(xiàn),它可以根據(jù)不同的市場定位,預(yù)測潛在需求,由于機(jī)票等是網(wǎng)上不間斷地銷售的,也可監(jiān)控已售票(上座率)并隨時(shí)定出最能達(dá)到最大營銷額的價(jià)格,這個(gè)價(jià)格則是在最佳時(shí)刻的最合適的價(jià)格,它有一套定價(jià)系統(tǒng)來完善定票系統(tǒng)。美國國航估計(jì)在1989年~1991年間由于該系統(tǒng),公司增加了15億美元的營銷額。20世紀(jì)90年代后,該系統(tǒng)開始運(yùn)用于鐵路運(yùn)輸業(yè),如法國鐵路SNCF及瑞士鐵路CFF公司,在此之后E-commerce的發(fā)展更是將該電子銷售系統(tǒng)迅速發(fā)揚(yáng)推廣開來。
必須要知道的是,座位票總是有限的,通過這種方法,可以非常有效地控制客流,最大化利用資源。對于客戶來說,價(jià)格的提高換來的是時(shí)間上的彈性,所以Yield只能從數(shù)量上控制而不能從質(zhì)量或者體積上控制。
基本的Yield程序是:數(shù)據(jù)分析與建模、建立相關(guān)的信息系統(tǒng)、把該信息系統(tǒng)與網(wǎng)上銷售相連接、實(shí)時(shí)監(jiān)測。歷史數(shù)據(jù)→根據(jù)歷史數(shù)據(jù)以及目前市場的分析→預(yù)測潛在需求(每一天的,每一地點(diǎn)的等,不同艙位的)→用Yield定價(jià)→實(shí)時(shí)監(jiān)控銷售情況,提高上座率。歷史數(shù)據(jù)有一些特點(diǎn):比如說周五晚上6點(diǎn)的車低價(jià)票量會(huì)少一些,而周三早上5點(diǎn)半的車低價(jià)票量則會(huì)多一些。通常對上座需求的預(yù)測是基于不同價(jià)格的歷史銷售數(shù)據(jù)之上的。
目前有多家航空公司和鐵路公司已經(jīng)采用這種系統(tǒng),比如說,提前10天訂的價(jià)格是100元,提前15天訂的價(jià)格就是90元,同時(shí)又要考慮到剩余的量,如果還剩下10張票的話,即使提前10天,也可以賣150元。
舉例地說,將票價(jià)分為若干種,如ABCDEF種,某車共220張票,A類票50張每張100元,B類票40張每張110元,以此類推。提前100 d A類票可以80元賣等方法。如果還有一個(gè)月但車卻不滿,則增加A類票的數(shù)量等等商業(yè)方法達(dá)到最大利潤。同時(shí),實(shí)時(shí)監(jiān)控下,如果發(fā)現(xiàn)銷售量比預(yù)期好,則增加B類票減少A類票,并提高“最后的車票”的價(jià)格。反之,如果銷售狀況不佳,則應(yīng)該增加A類票,不設(shè)置或者少設(shè)置“最后的車票”,或者將該類車票價(jià)格降低來使得火車盡早滿座。
作為運(yùn)輸商,最基本的責(zé)任就是滿足廣大乘客的需求。為了提高銷售額,可首先將目標(biāo)客戶分為若干種:對于發(fā)車時(shí)間要求高、關(guān)心服務(wù)質(zhì)量而不講究價(jià)格的客戶M,非常關(guān)心價(jià)格的客戶L,學(xué)生、兒童、青年、老年等人O以及固定配額S??蓪⒁涣熊嚨牡谝弧⒍扰撆漕~為M類票20%;L類票50%;O類10%;S類20%,M+L+O+S=100%(見表 1)。
表1 不同乘客間的配額一 %
一等AM份額大是為了爭取盡可能大的銷售額,二等BL份額大是提高上座率,因?yàn)槎扰摮丝椭饕申P(guān)心價(jià)格的人組成,同時(shí)保留一定份額的AS可以保持銷售的相對穩(wěn)定。對于時(shí)間不同,可將列車分為若干等級,比如我們可以將周五晚5點(diǎn)出發(fā)的車定為1級,將周二早5點(diǎn)發(fā)出的車定為4級。
表2 不同乘客間的配額二
如表2所示,由于周五晚的車次需求量較高,為提高銷售額,可相對提高價(jià)格,并且減少AL,AO等配額。相反,對于需求量不大的車次,要降低價(jià)格,并提高AL,AO等配額。
鐵路票的季節(jié)性是很明顯的,季節(jié),節(jié)假日等使得各時(shí)期和各目的地的需求有所浮動(dòng)。經(jīng)營策略上,比如可以在旺季以最大銷售額為目標(biāo),淡季則以最大銷售量為目標(biāo)。這樣一來,就可以最優(yōu)化可用資源,減少春運(yùn)滿座,平時(shí)空車的局面。
售票網(wǎng)站由于Yield的應(yīng)用,在巨大的銷售網(wǎng)絡(luò)(網(wǎng)站,代理處,旅行社等)可以實(shí)時(shí)顯示出真實(shí)的剩余票量。這樣一來,對于鐵路公司,面對的不再只是銷售網(wǎng)絡(luò)代理商,而是直接面對著千千萬萬的網(wǎng)民客戶等,讓網(wǎng)民參加“拍賣”而拍得車票。對于客戶來說,經(jīng)濟(jì)型客戶(比如民工)可以通過提前訂票等有獲得便宜的票的可能性,公務(wù)型客戶(如出差)可以以較高價(jià)買而不至于買不到票。我們可稱此為“雙贏”,實(shí)現(xiàn)“把合適的產(chǎn)品,在合適的時(shí)候以合適的價(jià)格賣給合適的客戶”。在中國航空業(yè)早已啟用該戰(zhàn)略的今天,即使鐵路業(yè)憑自身壟斷地位,又如何能保持其市場占有率,特別是為了增加鐵路票的透明度時(shí),此舉更有非常之戰(zhàn)略政治意義。Yield的限制是,能獲得最大的營業(yè)額,但并不能保證在短期賣出最多的票,但長期來看,由于鐵路地位的特殊性,票量也會(huì)更為平穩(wěn)。
鐵路與航空各有各的優(yōu)勢,火車站總是在市中心,而機(jī)場則還需要其他交通方式才能到達(dá)市區(qū),對大部分人來說,寧可坐3 h的火車,也不愿意用2.5 h去機(jī)場加安檢,再坐0.5 h的飛機(jī)。距離較近的如上海—杭州,鐵路是占絕對優(yōu)勢的,但在距離較遠(yuǎn)(如4 h及以上)的線路上,鐵路則會(huì)遇到航空業(yè)非常大的競爭。數(shù)據(jù)顯示(INSEE數(shù)據(jù)),2 h行程內(nèi),火車占有86%市場,3 h則占有65%市場,4 h則占有45%。一般地說,隨著所需時(shí)間越來越長,鐵路所占的市場份額也越來越少。
按如圖1所示模型:C=P+h?T。
其中,C為價(jià)值;P為實(shí)際價(jià)格;T為行程所需時(shí)間;h為客戶的時(shí)間價(jià)值。
如圖2所示,由h0~h1間的人群,就是由于鐵路提速而贏得的乘客人群。
我們假設(shè)買到鐵路票和飛機(jī)票的可能性一樣,那么行程所需時(shí)間/價(jià)格,就成了乘客最優(yōu)先考慮的因素。如果說價(jià)格一樣的話,所有的人都會(huì)選價(jià)格最低的一種。這里坐飛機(jī)所需時(shí)間還需要考慮安檢以及機(jī)場到目的地所需時(shí)間。
舉個(gè)坐火車時(shí)間大于坐飛機(jī)但價(jià)格低的例子,通過這個(gè)例子,我們就可以很容易地理解為什么收入少的人愿意付坐火車的時(shí)間成本,付最少的錢,坐時(shí)間較長的交通工具。在20世紀(jì)80年代,Paris至Lyon馬賽路段高鐵的建成,將路程縮短至2 h,近乎一半,那一年,法國航空業(yè)損失了1/4的客戶。從競爭性來說,武漢—廣州的路線,也必須時(shí)刻注意各航空公司的價(jià)格變動(dòng)來制定銷售策略,以爭取最大的市場份額。
對于一個(gè)企業(yè)來說,利潤總是營業(yè)額減去成本,成本控制固然重要,然而更容易的是由改變商業(yè)政策來提高營業(yè)額。很明顯,由于需求量大,周五晚至周末晚(也包括節(jié)假日)的價(jià)格政策相同,比周一至周五的價(jià)格會(huì)高一些。Yield系統(tǒng)的應(yīng)用,可以很好地分散客流,并提高營業(yè)額,在與航空業(yè),特別是低價(jià)航空公司的競爭中取得優(yōu)勢。
[1]張子健.中國鐵路列車運(yùn)行狀態(tài)信息系統(tǒng)LAIS[Z].2001.
[2]劉春煌.鐵道部客票中心系統(tǒng)的設(shè)計(jì)與關(guān)鍵技術(shù)的實(shí)現(xiàn)[J].中國鐵道科學(xué),2001,22(2):15-22.
[3]劉友梅.中國鐵路高速探索[Z].2000.
[4]李文耀.鐵路變革論[Z].1999.
[5]班長青.鐵路列車運(yùn)行圖的編制方法[Z].1966.
[6]Joaquin R A constraint progranuning model for real-time train scheduling at junctions,2007.
[7]Le matériel moteur de la SNCF,Denis Redoutey.
[8]Le grand livre du TGV,Jean Tricoire.
[9]Dorfman M J.Medanic J Scheduling trains on a railway network using a discrete event model of railway traffic,2004(1):20-21.