Price discrimination through hidden city options? A data-driven study on the extent and evolution of skiplaggability in the global aviation system
Notice bibliographique
Résumé
The application of revenue management in airlines, mainly driven by profitability seeking and an increased competition, has led to the evolution of so-called booking ploys, where passengers exploit technical loopholes to reduce their ticket fares significantly. One of these booking ploys is hidden city ticketing, also called skiplagging: A passenger who wants to travel from A to B books a multi-segment itinerary A–B–C while deliberately taking the first segment A–B only. The legal status of such ploys is uncertain, but airlines argue that such strategies reduce the profit and accordingly try to prevent such cases through their conditions of carriage. Given the significant potential fare savings, the popularity of skiplagging services is ubiquitous. Existing studies on this subject have mostly focused on theoretical models reproducing the effect of skiplagging and also discussed various legal and moral aspects. In this study, we investigate the existence of skiplagging opportunities in the global aviation system. Given worldwide airfare data for the years 2010 to 2021, we perform a data-driven analysis to identify spatial regions and temporal periods of skiplaggability. Such a quantification is, to the best of our knowledge, unique in the scientific literature. We find that skiplaggability is largely driven by hub airports and the extent to which they host dominating airlines. Particularly, we identify disadvantages for passengers living in hub cities with dominant hub airlines, apart from their paying hub premiums. Moreover, we have identified a significant shift of skiplaggability from the US (in the early 2010s) towards Asia (2015+). We believe that the outcome of our study helps policy makers to perform more informed decision making regarding hidden city options, by better understanding the recent scope and extent of this phenomenon.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».