Bireysel verilere dayalı kapasite üzeri rezervasyon modelleri

Abstract

Gelir yönetiminin bir parçası olan kapasite üzeri rezervasyon politikası, günümüzde kullanılmayan kapasitenin depolanamadığı birçok sektörde uygulanmaktadır. Bu uygulamanın amacı; atıl kapasiteyi azaltırken kazanç miktarını en büyüklemektir. Özellikle havayolu endüstrisi, otel ve restoran işletmeciliği gibi rekabetin yüksek olduğu hizmet sektörlerinde, kapasite üzeri rezervasyon limitinin firmaya sağladığı kazanç miktarı önem arz etmektedir. Literatürde kapasite üzeri rezervasyon limitinin optimum değerini belirlemeye yönelik farklı yaklaşımlar mevcuttur. Klasik yaklaşımda, rezervasyon yapan müşterilerin rezervasyonlarına gelme olasılıkları aynı kabul edilmektedir. Bu çalışmada klasik yaklaşımdan farklı olarak rezervasyon yapan her müşterinin rezervasyonunu gerçekleştirme olasılığının kişiye bağlı olarak belirlenmesi önerilmiştir. Önerilen yaklaşım için ihtiyaç duyulan kişisel olasılıklar, tahmin algoritmaları kullanılarak geçmiş rezervasyon bilgilerinden elde edilmiştir. Her müşterinin farklı geliş olasılıklarının olması, farklı sayılardaki rezervasyonların gerçekleşmesi olasılıklarının klasik yöntemle hesaplanmasını zorlaştırmıştır. Bu nedenle farklı sayılarda rezervasyonların gerçekleşme olasılıklarının hesaplanmasında Monte Carlo simülasyonu kullanılmıştır. Çalışma sonucunda, önerilen dinamik modeller ile klasik yaklaşıma oranla çok daha yüksek kazançlar elde edilebileceği görülmüştür. Yapılan performans ölçümü ile tahmin algoritmalarının doğruluk ve modele uygunluk oranları, duyarlılık analizi ile de önerilen modellerin parametre değerlerindeki değişime nasıl tepki verdiği incelenmiştir.

Overbooking policy, which is part of revenue management, is applied in many sectors today where unused capacity cannot be stored. The purpose of this application is to maximize the amount of earnings while reducing spoilage costs. Especially in the service sectors where the competition is high, such as the airline industry, hotel and restaurant management, it is important that the overbooking limit brings the company closer to the maximum gain. There are different approaches in the literature to determine the optimal value of the overbooking limit. In the classical approach, the show probability of each customer is assumed to be the same. In this study, unlike the classical approach, the show probability of each reservation is estimated on a personal basis. Personal probabilities needed for the suggested approach are obtained from historical booking information using forecasting algorithms. The fact that each customer has different show probability makes it difficult to calculate the probabilities of different number of bookings in the classical way. For this reason, Monte Carlo simulation is used to calculate the optimal booking limit when show probability of each customer is taken differently on a personal basis. The optimal reservation limit and expected revenue are calculated with the total show probabilities obtained as a result of the simulation. As a result of the study, it is seen that with the proposed dynamic models higher gains can be achieved compared to the classical approach. Accuracy and conformity rates of the forecasting algorithms are analyzed for performance measurement and the changes in the results of the proposed models with respect to the changes in parameter values are researched through a detailed sensitivity analysis.