MétaCan
Menu
Retour à la cohorte
Enregistrement W4318619036 · doi:10.1287/mnsc.2022.4656

Managing Airfares Under Competition: Insights from a Field Experiment

2023· article· en· W4318619036 sur OpenAlexaff
Maxime C. Cohen, Alexandre Jacquillat, Juan Camilo Serpa, Michael Benborhoum

Notice bibliographique

RevueManagement Science · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInefficiencyRevenueCompetition (biology)Path (computing)MicroeconomicsQuality (philosophy)Industrial organizationEconomicsControl (management)Field (mathematics)Revenue managementSet (abstract data type)Computer scienceBusinessOperations researchFinanceEngineeringMathematicsManagement

Résumé

récupéré en direct d'OpenAlex

Airfares evolve dynamically, giving rise to a so-called price path. This price path is controlled via two levers: (i) a fare ladder, which defines a set of airfares before the selling season, and (ii) revenue management algorithms, which control how fares evolve along the ladder during the season. We hypothesize that the current policies to control both levers—which do not account for quality differences between competing airlines—give rise to an inefficient price path and, accordingly, a loss of potential revenue. We substantiate this hypothesis via a field experiment. By partnering with an airline, we introduced quality considerations in the design of fare ladders, across 5,000 itineraries, to show that current ladder-design policies indeed lead to a suboptimal price path. We also show that this inefficiency can be mitigated by incorporating quality differences between competing airlines. This creates a smoother (and more profitable) price path. This paper was accepted by Vishal Gaur, operations management.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,778
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,248
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetSupply Chain and Inventory ManagementTravaux en français237 207