一种用于定向推送的动态定价方法和系统与流程

本发明涉及航线收益分析领域，尤其涉及一种用于定向推送的动态定价方法和系统。

背景技术：

随着人们的生活水平逐渐提高，越来越多的人选择飞机作为出行交通方式。通常在出行之前，旅客会选择提前预订机票，不同的航空公司也会针对不同的时段给出相应的机票价格方案，以供旅客选择出行的时间。对于航空公司来说，制定有效的机票价格管理方案，有利于提高航班客座率以及航班的整体收益。

目前航空公司采用的机票价格管理方案是基于座位控制，通过控制不同舱位的座位数来达到控制机票收益的目的。对于某一确定的航线航空公司指定全价舱的价格，根据距离起飞时间的远近，从而设置不同折扣的票价，结合不同的旅客，在售票时售出不同价格的机票。

但现有航空公司的机票价格管理方案仅仅是基于航线端的考虑进行定价，属于被动的定价过程，没有对接到客户需求，对于不稳定客户群体的成交率就大大减小，导致航线整体收益降低。

技术实现要素：

本发明所要解决的技术问题是针对现有技术的不足，提供一种用于定向推送的动态定价方法和系统。

本发明解决上述技术问题的技术方案如下：

一种用于定向推送的动态定价方法，包括：

s1，航班座位监控装置获得待优化利润的航线的多个航班的剩余座位信息；

s2，航空运营后台计算装置根据所述航线的客户查询记录，获取目标客户；

s3，通过历史成交客户的信息训练后的客户动态定价模型，根据输入的所述剩余座位信息和所述目标客户的信息，输出剩余座位的动态定价结果；

s4，航空运营前端装置将所述动态定价结果分别推送给所述目标客户。

本发明的有益效果是：本方案通过历史成交客户的信息训练后的客户动态定价模型，根据输入的所述剩余座位信息和所述目标客户，输出所述目标客户的动态定价结果，再将所述动态定价结果分别推送给所述目标客户，动态定价模型根据航班的剩余座位需求，实时预测航班整体运营情况，针对不同的旅客进行动态报价，提高旅客的成交量，实现精确收益管理。

符合ndc标准中的差异化精确营销的概念，针对不同客户进行定向报价，提高座位达成率，对潜在不稳定客户群体进行定向精准营销，提高客户服务质量，同时增加剩余座位的利用率提高航班利润。

进一步地，还包括，将所述剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；

所述s3具体包括：通过历史成交客户的信息训练后的客户动态定价模型，根据输入的所述剩余座位信息和所述目标客户，并结合座位的舱位等级和优惠比例，输出所述目标客户的动态定价结果。

采用上述进一步方案的有益效果是：本方案将所述剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；使得不同舱位，拥有不同优惠比例，区分高价舱和低价仓的价格，如同样条件的两个客户，分别选择高价舱和低价仓，但是优惠比例依然不同，即保证了座位的成交量，同时也不损害高价舱的利润，提高了航班的整体收益。

本发明解决上述技术问题的另一种技术方案如下：

一种用于定向推送的动态定价系统，包括：航班座位监控装置、航空运营后台计算装置、客户动态定价模型和航空运营前端装置；

所述航班座位监控装置用于获得待优化利润的航线的多个航班的剩余座位信息；

所述航空运营后台计算装置用于根据所述航线的客户查询记录，获取目标客户；

所述客户动态定价模型用于根据输入的所述剩余座位信息和所述目标客户的信息，输出剩余座位的动态定价结果；

所述航空运营前端装置用于航空运营前端装置将所述动态定价结果分别推送给所述目标客户。

本方案的有益效果是：本方案通过历史成交客户的信息训练后的客户动态定价模型，根据输入的所述剩余座位信息和所述目标客户，输出所述目标客户的动态定价结果，再将所述动态定价结果分别推送给所述目标客户，动态定价模型根据航班的剩余座位需求，实时预测航班整体运营情况，针对不同的旅客进行动态报价，提高旅客的成交量，实现精确收益管理。

符合ndc标准中的差异化精确营销的概念，针对不同客户进行定向报价，提高座位达成率，对潜在不稳定客户群体进行定向精准营销，提高客户服务质量，同时增加剩余座位的利用率提高航班利润。

进一步地，还包括，舱位分级模块，用于将所述剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；

所述客户动态定价模型具体用于通过历史成交客户的信息训练后的客户动态定价模型，根据输入的所述剩余座位信息和所述目标客户，并结合座位的舱位等级和优惠比例，输出所述目标客户的动态定价结果。

采用上述进一步方案的有益效果是：本方案将所述剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；使得不同舱位，拥有不同优惠比例，区分高价舱和低价仓的价格，如同样条件的两个客户，分别选择高价舱和低价仓，但是优惠比例依然不同，即保证了座位的成交量，同时也不损害高价舱的利润，提高了航班的整体收益。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明的实施例提供的一种用于定向推送的动态定价方法的流程示意图；

图2为本发明的其他实施例提供的一种用于定向推送的动态定价系统的网络框架图；

图3为本发明的实施例提供的一种用于定向推送的动态定价系统的结构框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，为本发明实施例提供的一种用于定向推送的动态定价方法，该方法包括：

s1，航班座位监控装置11获得待优化利润的航线的多个航班的剩余座位信息；

获取航班剩余座位信息的具体实施方式可为：其中，航班座位监控装置11作为平台后端的服务器装置，用于实时轮询、扫描前端售票设备，例如线上网页端、线下无人售票机器或售票窗口设备等，实时确认退票、售出票和剩余作为票，与客户动态定价模型连接，将获取的所述航线的多个航班剩余座位信息发送给客户动态定价模型。

如图2所示，航班座位监控装置将轮询、扫描前端售票设备获得的该航线的多个航班剩余座位信息发送给客户动态定价模型；航空运营后台计算装置将计算获取的目标客户的信息发送给客户动态定价模型，根据剩余座位信息和目标客户在训练后客户动态定价模型进行计算获得剩余座位信息的定价，并将定价结果发送航空运营前端装置，通过航空运营前端装置将定价结果推送给客户。

在某实施例中，航班座位监控装置11搜集待优化利润的航线的剩余座位，将剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例，根据不同舱位进行不同优惠比例的座位报价。例如，动态定价模型，在同一个用户查询不同舱位的价格时，模型输出的报价相对于对应的原价舱的优惠折扣是不一样的，优惠程度根据舱位等级确认；如现有一级舱位、二级舱位和三级舱位，对应的舱位全价座位价格为：5000、4000和2000，对应的优惠比例为95折、85折和7折；甲客户(客户端条件一致)选择这三个舱的价位分别5000*95％、4000*85％和2000*70％，所以即使是一个客户，对应不同等级的舱位，优惠比例也是不一样的，从而保证高价仓的利润，以及整体舱位的达成率。

s2，航空运营后台计算装置12根据航线的客户查询记录，获取目标客户；

获取目标客户的实施方式可为：其中，航空运营后台计算装置12，用于收集旅客针对上述航线的客户查询记录，例如，客户在航空运营平台的web端或app端查询该航线的记录，或通过查询特价机票等促销信息时定位到该航线的查询记录，查询记录中主要收集客户的个人信息和查询内容，并且可根据收集的客户个人信息，查询获取客户个人信息对应的历史行程信息，例如，历史出行选择的航班、购买机票的票价信息以及出行时间等历史订单信息。航空运营后台计算装置12与客户动态定价模型连接，将获取的客户查询记录信息发送给客户动态定价模型。

在某实施例中，s2具体包括：所述航空运营后台计算装置12根据所述航线的客户查询记录获取每个客户对应的查询内容和历史行程信息；

通过粒子群算法，以及获取的查询内容和历史行程信息计算每个客户的虚拟达成率，将虚拟达成率高于预先设定的所述航线的虚拟达成率阈值对应的客户，作为目标客户，其中虚拟达成率用以指示客户购买所述航线的航班座位的概率。

在航空运营后台计算装置12中设定航线的虚拟达成率阈值的参数，其中虚拟达成率表示根据上述收集的客户的个人信息、历史行程信息以及查询内容计算该客户购买上述航线的航班座位的概率，其中虚拟达成率阈值可根据对该航线需求的目标客户数据结合剩余座位来确定。

计算虚拟达成率的具体实施方式可为：航空运营后台计算装置12根据航线的客户查询记录和查询记录中对应的每个客户的历史行程信息和查询内容，通过粒子群算法，计算每个客户的虚拟达成率，并将高于虚拟达成率阈值的虚拟达成率对应的客户，作为目标客户。

通过粒子个体的简单行为，即每个客户的历史交易行为和查询内容，关联群体内的信息交互，群体即在该航线有过历史交易的客户及查询该航线信息的客户，调整pso的参数来平衡算法的全局探测和局部开采能力，如shi和eberhart对pso算法的速度项引入了惯性权重，并依据迭代进程及粒子飞行情况对惯性权重进行线性(或非线性)的动态调整，以平衡搜索的全局性和收敛速度，实际调整可根据数据挖掘深度进行选择，通过粒子群算法，将个体行为与群体行为进行联系，获得查询该航线的用户中最有可能达成交易的客户，其中粒子群算法属于现有技术，具体计算过程此处不再赘述。

本方案通过先设定虚拟达成率阈值的参数，再根据航线的客户查询记录和每个客户的历史行程信息，通过粒子群算法，获得每个客户的虚拟达成率，高于虚拟达成率阈值的客户，作为目标客户，在众多登录客户中，随意选择客户进行推送，达成率势必非常低，而且对大量客户进行推送优惠报价，会损害利润，其次会增加系统处理数据压力，通过粒子群算法计算获得精准的优质目标客户，有效提高达成率，保证总利润。

s3，通过历史成交客户的信息训练后的客户动态定价模型13，根据输入的剩余座位信息和目标客户的信息，输出剩余座位的动态定价结果；

在某一实施例中，根据距离起飞的时间、航线的历史销售价格、航线的同期销售价格、航线上所有航班的预订率和客户信息来建立客户动态定价模型13。

需要说明的是，在航空公司确定某航线a，该航线有多个航班，其中航班a，已确定起飞时间ta，根据旅客购票日期和购买舱位等级的不同，进行细分，产生多级舱位和多级票价体系，再根据收益管理数据库中的信息进行优化，确定每个航班每个等级可接受的订座数和对应的同期销售价格；

在航空公司的收益管理系统中，通过收益管理数据库中的历史订座数和对应的历史销售价格，运用航线订座预测模型结合历史数据，推测市场需求，确定航线上所有航班的预定率；其中航线订座预测模型计算预定率，根据历史销售信息以及结合加权后的季度订座波动率计算获得。

从订座系统及时获取销售中的航班订座情况，比对其历史销售数据和计划销售目标，结合预测子系统的预测信息，由航空公司营销管理人员决定票票价折扣，航空公司可以灵活分配舱位，对需求少、预定慢的舱位进行降价处理或舱位转移，实现航班预定率的优化；

客户动态定价模型的基础变量：根据距离起飞的时间确定每个等级可接受的订座数和对应的的同期销售价格；根据历史订座数和对应的历史销售价格确定该航线上所有航班的预订率；调整舱位后的座位信息。

客户动态定价模型输出的重要影响变量：目标客户、系统票价对应达成率。

在某实施例中，动态定价模型，航线a，其中，该航线的一个航班a，起飞时间为ta，航班a每个等级可接受的订座数为50个，对应的原价销售价格5000元，根据航空公司管理人员分配后，航班的三个等级的订座数调整为20个，50个和80个，确定该航班的最优预定率75％，也就是待利润优化的剩余座位是该航班的25％的座位，三个等级的座位中分别为5个、12和20个，结合目标客户、客户的预定时间与ta的时间差t以及原价经折后的价格的达成率，确定目标客户对应航班在不同等级座位的最优价格。

其中，在训练后的模型输出最优价格，在某实施例中，例如在某一实施例中，客户a的历史行程信息中，包括多个不同航线的信息，其中航线1，是我们目标航线，即，还有剩余座位，且是属于利润待优化的航线，在航线1的行程中，客户a乘坐过50次，乘坐价位有三个等级分别为一级：4000、二级：6000和三级：10000，其中一级乘坐次数10次，二级乘坐40次，三级乘坐10次，可见一级价位乘坐概率为：10/50*100％、二级价位乘坐概率为：40/50*100％和三级价位乘坐概率为：10/50*100％，可见针对航线1，二级价位达成率最高，训练后的模型会根据二级价位作为航线1的最优价格以及结合预定时间对应的折扣作为参考来给客户定价，这个最优价格参考表示，如果现有剩余的目标作为中没有二级价位的座位，会以最接近二级价位的座位价格为模型最终输出的定价结果。

本方案根据距离起飞的时间、航线的历史销售价格、航线的同期销售价格、航线上所有航班的预订率和客户信息来建立模型，使得客户动态定价能够结合多种影响因素，提高定向定价的精准度，提高航班座位达成率。

其中，客户信息包括：客户的个人信息、历史行程信息和历史购买座位信息。

通过客户的个人信息、历史行程信息和历史购买座位信息，使得动态定价模型充分挖掘到客户的实际需求，并根据客户的真实需求进行报价，使得报价结果更加符合精准营销的理念，有助于提高航班收益。

在某一实施例中，基于客户的历史行程信息和行程对应的票价信息，对客户动态定价模型13进行训练，输出达成率不小于预设达成率的航班对应的票价信息，则为完成训练获得训练后的客户动态定价模型13，其中，航班表示历史行程对应航线的航班信息；如果达成率小于预设达成率，则继续训练。其中预设达成率，可根据航班的利润标准来确定，不同定价根据历史信息可获得出不同的达成率，而不同的价格会有不同的利润值，实际可根据不同季度的不同利润标准，确定合适的预设达成率。

需要说明的是，其中达成率，是指客户的历史行程与对应票价的关系，同一航线行程，哪种价格客户购买概率最高，每一个航线算出来都有可以多个确切的实际概率值，训练后的模型根据选择其中概率值最大的且满足预设达成率的条件来定出最合理的价格。例如在某一实施例中，客户a的历史行程信息中，包括多个不同航线的信息，其中航线1，是我们目标航线，即，还有剩余座位，且是属于利润待优化的航线，在航线1的行程中，客户a乘坐过50次，乘坐价位有三个等级分别为一级：4000、二级：6000和三级：10000，其中一级乘坐次数10次，二级乘坐40次，三级乘坐10次，可见一级价位乘坐概率为：10/50*100％、二级价位乘坐概率为：40/50*100％和三级价位乘坐概率为：10/50*100％，可见针对航线1，二级价位达成率最高，训练后的模型会根据二级价位作为航线1的最优价格参考来给客户定价，这个最优价格参考表示，如果现有剩余的目标作为中没有二级价位的座位，会以最接近二级价位的座位价格为模型最终输出的定价结果。

本方案基于客户的历史行程信息和行程对应的票价信息，对客户动态定价模型13进行训练，输出达成率不小于预设达成率的航班对应的票价信息，通过用户历史成交数据，对模型进行训练，使得训练出的模型能够根据航班信息和用户信息，输出该航班购买率最高的价格，使得通过训练后的该模型对客户的报价最合理，达成率最高。

优选地，将剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；

s3具体包括：通过历史成交客户的信息训练后的客户动态定价模型13，根据输入的剩余座位信息和目标客户，并结合座位的舱位等级和优惠比例，输出目标客户的动态定价结果。

本方案将剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；使得不同舱位，拥有不同优惠比例，区分高价舱和低价仓的价格，使得同样条件的两个客户，分别选择高价舱和低价仓，但是优惠比例依然不同，即保证了座位的成交量，同时也不损害高价舱的利润，提高了航班的整体收益。

s4，航空运营前端装置14将动态定价结果分别推送给目标客户。其中推送方式，可以是客户在平台查询时以弹跳窗的方式发出，或直接显示在客户查询结果中，或以短信的方式将定价结果发出；推送方式可以根据客户的查询记录来确认，例如客户是直接查询某航线的信息时，输入确切的航线信息就可以将定价结果直接显示在查询结果中；如果客户是在其他旅游信息或者促销折扣信息中定位到该航线，就可以以弹跳窗或者短信的方式，发送给客户。

本方案通过历史成交客户的信息训练后的客户动态定价模型13，根据输入的剩余座位信息和目标客户，输出目标客户的动态定价结果，再将动态定价结果分别推送给目标客户，动态定价模型根据航班的剩余座位需求，实时预测航班整体运营情况，针对不同的旅客进行动态报价，提高旅客的成交量，实现精确收益管理。

符合ndc(newdistributioncapability)标准中的差异化精确营销的概念，针对不同客户进行定向报价，提高座位达成率，对潜在不稳定客户群体进行定向精准营销，提高客户服务质量，同时增加剩余座位的利用率提高航班利润。

在某一实施例中，如图3所示，一种用于定向推送的动态定价系统，该系统包括：航班座位监控装置11、航空运营后台计算装置12、客户动态定价模型13和航空运营前端装置14；

航班座位监控装置11用于获得待优化利润的航线的多个航班的剩余座位信息；

航空运营后台计算装置12用于根据航线的客户查询记录，获取目标客户；

客户动态定价模型13用于根据输入的剩余座位信息和目标客户，输出剩余座位的动态定价结果；

航空运营前端装置14用于航空运营前端装置14将动态定价结果分别推送给目标客户。

本方案通过历史成交客户的信息训练后的客户动态定价模型13，根据输入的剩余座位信息和目标客户的信息，输出目标客户的动态定价结果，再将动态定价结果分别推送给目标客户，动态定价模型根据航班的剩余座位需求，实时预测航班整体运营情况，针对不同的旅客进行动态报价，提高旅客的成交量，实现精确收益管理。

符合ndc标准中的差异化精确营销的概念，针对不同客户进行定向报价，提高座位达成率，对潜在不稳定客户群体进行定向精准营销，提高客户服务质量，同时增加剩余座位的利用率提高航班利润。

优选地，在上述任意实施例中，航空运营后台计算装置12具体用于获取预先设定的所述航线的虚拟达成率阈值；

航空运营后台计算装置12根据航线的客户查询记录和每个客户的历史行程信息，通过粒子群算法，获得每个客户的虚拟达成率，将虚拟达成率高于虚拟达成率阈值的客户，作为目标客户。

本方案通过先设定虚拟达成率阈值的参数，再根据航线的客户查询记录和每个客户的历史行程信息，通过粒子群算法，获得每个客户的虚拟达成率，高于虚拟达成率阈值的客户，作为目标客户，在众多登录客户中，随意选择客户进行推送，达成率势必非常低，而且对大量客户进行推送优惠报价，会损害利润，其次会增加系统处理数据压力，通过粒子群算法计算获得精准的优质目标客户，有效提高达成率，保证总利润。

优选地，在上述任意实施例中，还包括：模型训练模块，用于基于客户的历史行程信息和行程对应的票价信息，对客户动态定价模型13进行训练，输出达成率不小于预设达成率的航班对应的票价信息，则为完成训练获得训练后的客户动态定价模型13，其中，航班表示历史行程对应航线的航班信息；如果达成率小于预设达成率，则继续训练。

本方案基于客户的历史行程信息和行程对应的票价信息，对客户动态定价模型13进行训练，输出达成率不小于预设达成率的航班对应的票价信息，通过用户历史成交数据，对模型进行训练，使得训练出的模型能够根据航班信息和用户信息，输出该航班购买率最高的价格，使得通过训练后的该模型对客户的报价最合理，达成率最高。

优选地，在上述任意实施例中，还包括：模型搭建模块，用于根据距离起飞的时间、航线的历史销售价格、航线的同期销售价格、航线上所有航班的预订率和客户信息来建立客户动态定价模型13。

本方案根据距离起飞的时间、航线的历史销售价格、航线的同期销售价格、航线上所有航班的预订率和客户信息来建立模型，使得客户动态定价能够结合多种影响因素，提高定向定价的精准度，提高航班座位达成率。

优选地，在上述任意实施例中，客户信息包括：客户的个人信息、历史行程信息和历史购买座位信息。

本方案通过客户信息包括：客户的个人信息、历史行程信息和历史购买座位信息，使得动态定价模型充分挖掘到客户的实际需求，并根据客户的真实需求进行报价，使得报价结果更加符合精准营销的理念，有助于提高航班收益。

优选地，在上述任意实施例中，还包括，舱位分级模块，用于将剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；

客户动态定价模型具体用于通过历史成交客户的信息训练后的客户动态定价模型13，根据输入的剩余座位信息和目标客户，并结合座位的舱位等级和优惠比例，输出目标客户的动态定价结果。

本方案将剩余座位信息分成不同舱位，根据不同舱位设置不同等级，根据等级确认对应优惠比例；使得不同舱位，拥有不同优惠比例，区分高价舱和低价仓的价格，例如同样条件的两个客户，分别选择高价舱和低价仓，但是优惠比例依然不同，即保证了座位的成交量，同时也不损害高价舱的利润，提高了航班的整体收益。

可以理解，在一些实施例中，可以包含如上述各实施例中的部分或全部可选实施方式。

需要说明的是，上述各实施例是与在先方法实施例对应的产品实施例，对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。

读者应理解，在本说明书的描述中，参考术语″一个实施例″、″一些实施例″、″示例″、″具体示例″、或″一些示例″等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。

上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。