ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ: REVENUE...

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΝΟΜΙΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ & ΠΟΛΙΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΤΗ ΔΙΟΙΚΗΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΑ

ΚΑΤΕΥΘΥΝΣΗ: ΔΙΟΙΚΗΣΗ ΥΠΗΡΕΣΙΩΝ ΕΞΕΙΔΙΚΕΥΣΗ: ΔΙΟΙΚΗΣΗ LOGISTICS, ΑΛΥΣΙΔΑΣ ΠΡΟΜΗΘΕΙΩΝ ΚΑΙ ΑΞΙΑΣ

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

ΘΕΜΑ: REVENUE MANAGEMENT

ΚΑΘΗΓΗΤΗΣ: κ. ΠΑΠΑΔΟΠΟΥΛΟΣ ΧΡΥΣΟΛΕΩΝ

ΠΑΡΟΥΣΙΑΣΗ: ΚΑΡΑΜΠΑΣΗ ΑΣΗΜΙΝΑ ( Α.Ε.Μ.4)

ΙΟΥΝΙΟΣ 2009

ΚΑΡΑΜΠΑΣΗ ΑΣΗΜΙΝΑ 2009 Διπλωματική εργασία- REVENUE MANAGEMENT

2

Πρόλογος-Ευχαριστίες

Η διπλωματική αυτή εργασία εκπονήθηκε στα πλαίσια του Μεταπτυχιακού

Προγράμματος Σπουδών μου στη Διοίκηση και Οικονομία με κατεύθυνση τη

Διοίκηση υπηρεσιών και εξειδίκευση τη Διοίκηση Logistics-αλυσίδας προμηθειών

και αξίας του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης. Το θέμα που

διαπραγματεύεται αφορά το Revenue Management και ειδικότερα την εφαρμογή του

στις ξενοδοχειακές και αεροπορικές επιχειρήσεις. Στα πλαίσια αυτού του έργου το

ξενοδοχείο στη Σέρρες βοήθησε σημαντικά στην έρευνα μας.

Στο σημαντικό αυτό έργο και ιδιαίτερα κατά την τελευταία εξέλιξή του είχαμε την

ευκαιρία να ασχοληθούμε συνεργαζόμενοι με το ξενοδοχείο στη Σέρρες, σε θέματα

που σχετίζονται με την διοίκηση του ξενοδοχείου και την εφαρμογή του Revenue

Management σε αυτό.

Το Revenue management σχετίζεται με ένα μεγάλο αριθμό επιχειρήσεων παροχής

υπηρεσιών και δευτερευόντως επιχειρήσεις παραγωγής προϊόντων. Ωστόσο η έρευνά

μας επικεντρώθηκε όπως ειπώθηκε και παραπάνω, στην εφαρμογή του στον

ξενοδοχειακό τομέα, επειδή στη χώρα μας υπάρχουν πολλές τουριστικές και

ξενοδοχειακές επιχειρήσεις, οι οποίες θα μπορούσαν να αποκτήσουν πολλά οφέλη

από τη μέθοδο αυτή.

Για τη δημιουργία της εργασίας αυτής χρησιμοποιήθηκε εκτενή διεθνή βιβλιογραφία,

η οποία άρχισε να σχηματίζεται εδώ και τρεις δεκαετίες σχετικά με τις εφαρμογές του

revenue management κυρίως στις ξενοδοχειακές και αεροπορικές επιχειρήσεις.

Στο σημείο αυτό θα ήθελα να εκφράσω τις θερμές μου ευχαριστίες σε όλους όσους

βοήθησαν και συνέβαλλαν στην ολοκλήρωση της εργασίας αυτής και συγκεκριμένα:

Στους επιβλέποντες καθηγητές μου κ. Παπαδόπουλο Χρυσολέων Πρόεδρο

του τμήματος Οικονομικών Επιστημών και κ. Διαμαντίδη Αλέξανδρο

καθηγητή του τμήματος Οικονομικών Επιστημών για την πολύτιμη

καθοδήγηση και τις χρήσιμες συμβουλές και επισημάνσεις τους.


3

Στο ξενοδοχείο Galaxy στη Σέρρες και ιδιαίτερα στον διευθύνοντα

σύμβουλο του ξενοδοχείου κ. Πατρίκιο Κωνσταντίνο για τη εποικοδομητική

συνεργασία και όλο το απαραίτητο υλικό που μου παρείχε, το οποίο

βοήθησε σημαντικά στο πρακτικό μέρος της διπλωματικής μου εργασίας.

Την συνδρομή και στήριξη όλων, θεωρώ ανεκτίμητη και τιμητική, τόσο για την

ολοκλήρωση της Διπλωματικής εργασίας μου, όσο και για την απόκτηση γνώσεων

που αναζητά μία νέα Οικονομολόγος.

Ασημίνα Καραμπάση

Μεταπτυχιακή φοιτήτρια

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

ΘΕΣΣΑΛΟΝΙΚΗ 2009


4

Εισαγωγή

Σκοπός-αντικείμενο της Διπλωματικής Εργασίας ήταν η πλήρης περιγραφή της

μεθόδου του Revenue Management και η μελέτη της εφαρμογής της τόσο στις

ξενοδοχειακές μονάδες, όσο και στις αεροπορικές εταιρίες. Κίνητρο της εργασίας

είναι η μελέτη και η ανάλυση του Revenue Management και των διαδικασιών του, ο

τρόπος που εφαρμόζεται γενικά τόσο στις ξενοδοχειακές μονάδες αλλά και στις

αεροπορικές εταιρίες και τα θετικά αποτελέσματα που πετυχαίνει η μέθοδος αυτή. Το

κέντρο αυτής της ερευνητικής διαδικασίας είναι η εφαρμογή του σε μία ελληνική

ξενοδοχειακή επιχείρηση και το πώς μία τέτοια μονάδα γνωρίζει, χρησιμοποιεί και

επωφελείται από τη μέθοδο αυτή.

Στη σημερινή εποχή η σωστή διαχείριση των εσόδων είναι ένα πολύ σημαντικό θέμα

το οποίο σχετίζεται άμεσα με τον τομέα της φιλοξενίας. Η μεγάλη διάσταση που έχει

πάρει οφείλεται στον μεγάλο ανταγωνισμό που υπάρχει μεταξύ των ξενοδοχειακών

επιχειρήσεων και στη συνεχή προσπάθεια απόκτησης όλο και περισσότερης

πελατειακής δύναμης. Αυτό είχε σαν αποτέλεσμα να κερδίσει την προσοχή πολλών

managers ανά τον κόσμου εδώ και πολλά χρόνια και όπως είναι φυσικό θα συνεχίσει

να το κάνει και στο άμεσο μέλλον.

Χρησιμότητα της διπλωματικής εργασίας είναι η πλήρης κατανόηση της μεθόδου του

Revenue Management, η αποτελεσματική εφαρμογή του στην ξενοδοχειακή μονάδα

Galaxy στη Σέρρες σε συνδυασμό με το πρόγραμμα βελτιστοποίησης ARENA και η

παρουσίαση και η ανάλυσή των αποτελεσμάτων-συμπερασμάτων στα οποία

καταλήξαμε.

Η διπλωματική χωρίζεται σε δύο τμήματα, το θεωρητικό και το πρακτικό. Το

θεωρητικό μέρος αποτελείται από τρία κεφάλαια και η δομή του είναι η εξής:

Στο Κεφάλαιο 1 αναλύεται το Revenue Management στη γενική μορφή του, αλλά και

τα χαρακτηριστικά του. Περιγράφεται ο ορισμός του και παρουσιάζεται η ιστορία του

από τη δημιουργία του μέχρι και σήμερα. Επίσης αναφέρονται οι διάφορες

επιχειρήσεις στις οποίες μπορεί να χρησιμοποιηθεί και αποδεικνύεται ότι είναι ένα


5

χρήσιμο εργαλείο για τη αύξηση των εσόδων τους. Συγχρόνως περιγράφονται οι

συνθήκες της εφαρμογής του και οι στόχοι των εταιριών που επιθυμούν να

ικανοποιήσουν από τη χρησιμοποίησή του. Επίσης παρουσιάζονται τα

πλεονεκτήματα και τα μειονεκτήματα της μεθόδου αυτή και αναλύονται και οι

διάφοροι μύθοι που λανθασμένα έχουν δημιουργηθεί από ανθρώπους που δεν έχουν

κατανοήσει πλήρως το revenue management.

Στο Κεφάλαιο 2 περιγράφεται η εφαρμογή του Revenue Management στις

αεροπορικές εταιρίες. Πιο συγκεκριμένα δίνεται ο ορισμός του και παρουσιάζεται η

χρησιμότητά του στις αεροπορικές εταιρίες. Επίσης αναφέρονται οι δυσκολίες που

αντιμετωπίζουν οι αεροπορικές εταιρίες προκειμένου μεγιστοποιήσουν τα κέρδη τους,

και οι οποίες σχετίζονται με το Airline revenue management, καθώς και τα θέματα

και διάφορες μέθοδοί που χρησιμοποιεί. Τέλος αναλύονται και τα μοντέλα των

κρατήσεων (Booking control policies) και τα μοντέλα πτήσεων προς ένα προορισμό

αλλά και προς πολλούς προορισμούς.

Στο Κεφάλαιο 3 παρουσιάζονται και αξιολογούνται οι μέθοδοι του Revenue

Management στις ξενοδοχειακές επιχειρήσεις. Περιγράφονται οι μαθηματικοί τύποι

που χρησιμοποιούνται προκειμένου οι εταιρίες να αξιολογήσουν τα αποτελέσματα

που δημιουργεί, αλλά και την οικονομική κατάσταση στην οποία βρίσκονται από τη

χρήση του. Επίσης περιγράφονται οι συνθήκες σύμφωνα με τις οποίες μπορεί να

εφαρμοστεί. αλλά και οι δυσκολίες και τα προβλήματα που αντιμετωπίζουν οι

αεροπορικές εταιρίες από την εφαρμογή του. Στην τελευταία ενότητα παρουσιάζονται

οι τομείς του που θα μπορούσαν να βελτιωθούν στο μέλλον προκειμένου το revenue

management να γίνει καλύτερη και αποτελεσματικότερη μέθοδος για όλες τις

επιχειρήσεις.

Το δεύτερο μέρος της εργασίας αποτελείται από το τέταρτο κεφάλαιο το οποίο

χωρίζεται σε δύο μέρη. Στο πρώτο περιγράφεται η εφαρμογή του Revenue

Management στην ξενοδοχειακή μονάδα Galaxy στη Σέρρες. Γίνεται η παρουσίαση

της ξενοδοχειακής μονάδας και αναλύεται η μέθοδος του overbooking που

χρησιμοποιεί η συγκεκριμένη επιχείρηση σε περιόδους με 100% πληρότητα

προκειμένου να μεγιστοποιήσει τα κέρδη της. Τέλος στο δεύτερο μέρος αναλύεται η


6

εφαρμογή διάφορων στατιστικών στοιχείων της συγκεκριμένης ξενοδοχειακής

επιχείρησης στο πρόγραμμα βελτιστοποίησης ARENA. Μέσω του αποτελεσματικού

αυτού προγράμματος οδηγούμαστε σε συμπεράσματα για την σωστή λειτουργία της

ξενοδοχειακής επιχείρησης.

Τέλος στο πέμπτο κεφάλαιο της εργασίας παρουσιάζονται τα κυριότερα

συμπεράσματα της συνολικής έρευνας , καθώς και οι τελικές παρατηρήσεις, αλλά και

οι προτάσεις για περαιτέρω έρευνα.

Περίληψη-Abstract

The purpose of the thesis is to fully describe the analytical approach of Revenue

Management and to evaluate its implementation in both the hotel and airline

industries in Greece. This work was motivated by the study and analysis of Revenue

Management and its procedures and also the positive results generated by the

application of this method. Revenue Management is deemed the primary method that

is generally applicable to both hotel and airline industries. Our research was

predominantly centred on the application of the aforementioned method on the day-

to-day functioning of a specific Greek hotel and ultimately how that hotel becomes

aware, uses and benefits from this method.

In our days, the application of Revenue Management is generally directly related to

the hospitality sector and is of great significance to its effective functioning. The

principal benefit of the application of this method is to increase efficacy as a result of

the competition process in the hotel industry and contribute to the increase of a hotel’s

customer base. Revenue Management has proved successful amongst hotel managers

around the world for many years and will continue to be so for the years to come.

The purpose of this thesis is two-fold. First our aim was to fully and correctly apply

the Revenue Management approach in the context of our research field. Our second

aim was to ensure the effective application of the Revenue Management analytical

approach to the everyday works of the Galaxy hotel in Serres in conjunction with the


7

ARENA optimization program. The results derived from examining the above form

the first and second parts of the thesis. The third part predominantly involves

presenting and analysing the results derived from the applicable research process and

the conclusions reached thereof.


8

Θέμα ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ REVENUE MANAGEMENT

ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ

Πρόλογος-Ευχαριστίες …………………………………………… 2

Εισαγωγή …………………………………………………………. 4

Περίληψη …………………………………………………………. 6

Λίστα Σχημάτων και Πινάκων …………………………………… 10

1 Εισαγωγή στο Revenue Management

1.1 Βιβλιογραφική ανασκόπηση για το revenue management …………… 11

1.2 Τι είναι το Revenue Management …………………………………….. 20

1.2.1 Η ιστορία του Revenue Management …………………………. 24

1.2.2 Οι συνθήκες της εφαρμογής του Revenue Management ……… 26

1.2.3 Ο στόχος του Revenue Management …………………………. 33

1.2.4 Τα πλεονεκτήματα του revenue management …………………. 34

1.2.5 Οι αδυναμίες του revenue management ………………………. 35

1.2.6 Οι μύθοι του revenue management …………………………… 36

2 Airline revenue management

2.1 Εισαγωγή ……………………………………………………………… 41

2.2 Βιβλιογραφική ανασκόπηση για το airline revenue management …….. 41

2.3 Τι είναι το Airline revenue management ……………………………… 46

2.4 Δυσκολίες που παρουσιάζονται στο Airline revenue management ….. 47

2.5 Θέματα και μέθοδοι του Airline revenue management ……………….. 50

2.6 Booking control policies ………………………………………………. 54

2.6.1 Booking limits ………………………………………………….. 54

2.6.2 Bid prices ……………………………………………………… 55

2.7 Μοντέλα πτήσεων προς ένα προορισμό (single flight models) ……….. 57


9

2.7.1 Στατικό μοντέλο ……………………………………………… 57

2.7.2 Δυναμικό μοντέλο ……………………………………………. 59

2.8 Μοντέλα πτήσεων προς πολλούς προορισμούς ……………………… 60

3 Hotel revenue management

3.1 Εισαγωγή ………………………………………………………….. 61

3.2 Βιβλιογραφική ανασκόπηση για το Hotel revenue management ….. 61

3.3 Τι είναι το Hotel revenue management …………………………. .. 63

3.4 Συνθήκες εφαρμογής του Hotel revenue management ……………… 65

3.5 Δυσκολίες που παρουσιάζονται στο Hotel revenue management …….67

3.6 Το μέλλον του Hotel revenue management …………………………...73

4 Εφαρμογή του revenue management στην ξενοδοχειακή επιχείρηση Galaxy

στη Σέρρες

4.1 Εισαγωγή …………………………………………………………… 76

4.2 Εφαρμογή της μεθόδου overbooking στην ξενοδοχειακή επιχείρηση ..76

4.3 Εφαρμογή του προγράμματος ARENA στην ξενοδοχειακή επιχείρηση.80

5 Επίλογος

5.1 Περίληψη ………………………………………………………… 106

5.2 Κυριότερα συμπεράσματα ………………………………………... 108

5.3 Μελλοντική έρευνα ………………………………………………… 108

6 Βιβλιογραφία ……………………………………………………………. 111

Λίστα σχημάτων Σχήμα 1: τίτλος «Το προφίλ των κρατήσεων των πελατών» ………………… 31

Σχήμα 2 : τίτλος «Καμπύλη ατομικών κρατήσεων» …………………………. 32

Σχήμα 3 : τίτλος «Καμπύλη ομαδικών κρατήσεων» ………………………… 33

Σχήμα 4 : τίτλος «Εκθετική κατανομή-παραμονή πελατών μία ημέρα-χρόνος

προσομοίωσης δύο εβδομάδες»………………………………………..…… ….81

Σχήμα 5 : τίτλος « Εκθετική κατανομή-παραμονή πελατών μία ημέρα-χρόνος

προσομοίωσης δύο εβδομάδες»………………………………………………… 82


10

Λίστα πινάκων Πίνακας 1: τίτλος «Συμπεριφορά των κατηγοριών επιβατών στις αεροπορικές

εταιρίες» ………………………………………………………………………..….. 30

Πίνακας 2: τίτλος « Οι πιθανότητες των μη εμφανίσεων»……………………..….. 77

Πίνακας 3: τίτλος «Εφαρμογή του overbooking»……………………………….…. 78

Πίνακας 4: τίτλος «χρόνος παραμονής στο σύστημα»………………………………83

Πίνακας 5: «χρόνος παραμονής στην ουρά στη reception»………………………… 85

Πίνακας 6: «χρόνος παραμονής στην ουρά για τα δίκλινα δωμάτια»……………… 86

Πίνακας 7: «χρόνος παραμονής στην ουρά για τα τρίκλινα δωμάτια»…………….. 88

Πίνακας 8: « ποσοστό του συνολικού χρόνου που είναι κατειλημμένη η reception».90

Πίνακας 9 : « ποσοστό του συνολικού χρόνου που είναι κατειλημμένα τα δίκλινα».92

Πίνακας 10 : « ποσοστό του συνολικού χρόνου που είναι κατειλημμένα τα

τρίκλινα»…………………………………………………………………………… 93

Πίνακας 11 : «ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη»… 95

Πίνακας 12 : «ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα»….. 96

Πίνακας 13 : ««ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα».. 98

Πίνακας 14 : «αριθμός των πελατών που περιμένουν στην ουρά για τη reception»..99

Πίνακας 15 : «αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα» ...101

Πίνακας 16 : «αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα»..103


11

Κεφάλαιο 1: Εισαγωγή στο Revenue Management

Στο κεφάλαιο γίνεται η αναλυτική περιγραφή της μεθόδου του Revenue Management.

Η δομή του κεφαλαίου αυτού έχει ως εξής:

Στην ενότητα (1.1) παρουσιάζεται η σχετική βιβλιογραφική ανασκόπηση του

κεφαλαίου αυτού και στην ενότητα (1.2) δίνεται ο ορισμός του. Έπειτα αναφέρονται

οι διάφορες επιχειρήσεις που χρησιμοποιούν την μέθοδο αυτή και περιγράφεται η

ιστορία του και η χρήση του τα τελευταία χρόνια (1.2.1). Συγχρόνως περιγράφονται

οι συνθήκες σύμφωνα με τις οποίες μπορεί να εφαρμοστεί (1.2.2), οι στόχοι των

εταιριών που χρησιμοποιούν τη μέθοδο αυτή (1.2.3) και τα πλεονεκτήματα του

(1.2.4). Επίσης αναφέρουμε τα μειονεκτήματα που μερικοί συγγραφείς υποστηρίζουν

ότι δημιουργεί (1.2.5) και τους μύθους που θεωρούν ότι υπάρχουν λόγω της

εσφαλμένης αντίληψης μερικών ανθρώπων που τη χρησιμοποιούν, οι στη

πραγματικότητα είναι απλώς λανθασμένες εντυπώσεις (1.2.6).

1.1 Βιβλιογραφική ανασκόπηση για το revenue management

Στη βιβλιογραφία υπάρχει ένας μεγάλος αριθμός εργασιών που ασχολούνται με την

ανάλυση του revenue management. Πιο συγκεκριμένα η καθηγήτρια του τμήματος

Hotel Administration του πανεπιστήμιου Cornell κ. Kimes (1989 a, b και 2003) στα

άρθρα της περιγραφεί πλήρως το revenue management ή αλλιώς διαχείριση της

απόδοσης τόσο σε πρακτικό όσο και σε θεωρητικό πλαίσιο. Επίσης παρουσιάζει της

συνθήκες εφαρμογής του μερικές από τις οποίες είναι η σταθερή δυναμικότητα, η

φθαρτότητα του προϊόντος, η τμηματοποίηση της αγοράς, η διακύμανση της ζήτησης

και η πώληση του προϊόντος πριν την κατανάλωση. Με το ίδιο θέμα ασχολούνται και

οι Harris και Pinder (1995) στο άρθρο τους, οι οποίοι συμπληρώνουν και μερικές

ακόμη συνθήκες όπως το ότι το οριακό κόστος παραγωγής είναι μεγαλύτερο από το

οριακό κόστος πώλησης, το προϊόν είναι σχετικά ομοιογενές και η ύπαρξη της

δυνατότητας πρόβλεψης της ζήτησης.

Έπειτα στη εργασία αναλύεται η ιστορία του revenue management κατά την οποία οι

αεροπορικές εταιρίες είναι αυτές που ανέπτυξαν και καθιέρωσαν την τεχνική του


12

Revenue Management ύστερα από την απελευθέρωση των αερομεταφορών στις ΗΠΑ

στα τέλη της δεκαετίας του 1970 (Kimes 1989 a,b, Smith et al. 1992, Hanks, Cross

και Noland 1992 και Tallury και van Ryzin 2006), ενώ οι συγγραφείς Ingold και

Huyton (1997) συμπληρώνουν αναφέροντας ότι εντόπισαν ίχνη της τεχνικής αυτής

ακόμη και από το 1920.

Στη συνέχεια παρουσιάζεται ο σκοπός του revenue management που σύμφωνα με

τους Hamilton και Jones (1992) στις ξενοδοχειακές επιχειρήσεις που είναι η

μεγιστοποίηση των εσόδων από το κάθε δωμάτιο όταν η ζήτηση είναι μεγαλύτερη

από την προσφορά, αλλά και η μεγιστοποίηση της διαμονής όταν η προσφορά είναι

μεγαλύτερη από την ζήτηση ακόμη και σε βάρος της μέσης τιμής του δωματίου. Σε

γενικές γραμμές πολλοί ερευνητές συμφωνούν ότι ο σκοπός του Revenue

Management είναι η μεγιστοποίηση των εσόδων μέσω της χειραγώγησης της τιμής με

τρόπο που να συμφωνεί με το μοντέλο της πρόβλεψης της ζήτησης (Jauncey 1995,

McMahon-Beattie 1999, Siguaw 2001).

Στη συνέχεια της διπλωματικής ο Anil Lahoti (2007) και το educational institute

(2005) περιγράφουν τα πλεονεκτήματα τα οποία μπορούν να αποκτήσουν οι εταιρίες

που χρησιμοποιούν τη μέθοδο του revenue management, ενώ οι Dunn και Brooks

(1990) επισημαίνουν ότι η μέθοδος αυτή μακροχρόνια συνήθως δεν είναι

αποτελεσματική, επειδή η τιμολογιακή πολιτική των ξενοδοχειακών εταιριών

στηρίζεται στην ζήτηση της αγοράς και στην αγορά των ξενοδοχείων υπάρχει

μεγάλος ανταγωνισμός και αυτό έχει σαν αποτέλεσμα μακροπρόθεσμα να μικραίνουν

τα περιθώρια του κέρδους. Συγχρόνως και οι Wirtz, Kimes, Phend Theng και Paul

Patterson (2003) περιγράφουν και άλλες αδυναμίες της μεθόδου αυτή, όπως είναι οι

πιθανές συγκρούσεις ανάμεσα στους πελάτες και στις επιχειρήσεις που την

εφαρμόζουν και διερευνούν διάφορες οργανωτικές και μάρκετινγκ στρατηγικές που

μπορούν να χρησιμοποιηθούν και να λύσουν αυτές τις συγκρούσεις. Στη συνέχεια με

βάση τους συγγραφείς Lieberman και Warren (1993) αναλύονται οι δέκα μύθοι που

σχετίζονται με το yield management και παρουσιάζεται η πραγματική αλήθεια όσον

αφορά τη μέθοδο αυτή.


13

Στη συνέχεια παρουσιάζουμε μία βιβλιογραφική ανασκόπηση για τη μέθοδο του

revenue management η οποία χρησιμοποιείται και σε άλλα είδη επιχειρήσεων, μερικά

από τα οποία είναι οι αεροπορικές εταιρίες και τα ξενοδοχεία τις οποίες θα

αναλύσουμε στα επόμενα κεφάλαια. Επίσης μπορεί να εφαρμοστεί και στις εταιρίες

εμπορευματικών μεταφορών, παραγωγής- συγκέντρωσης και προώθησης προϊόντων

και πώλησης εμπορευμάτων μέσω του διαδικτύου, οι οποίες επιδιώκουν τη βέλτιστη

κατανομή των προϊόντων στους κατάλληλους πελάτες στην κατάλληλη τιμή και στον

σωστό χρόνο.

Πιο συγκεκριμένα μερικοί από τους συγγραφείς που ασχολήθηκαν με την εφαρμογή

του revenue management στις εταιρίες παραγωγής-συγκέντρωσης και προώθησης

προϊόντων ήταν οι Frederick, Harris και Pinder (1995), οι οποίοι παρουσίασαν τις

τεχνικές του Revenue Management που ήδη εφαρμόζονται στο assemble to order

manufacturing περιβάλλον και κατέληξαν ότι βοηθάει τις επιχειρήσεις να

επωφεληθούν παρέχοντας ειδικές τιμές στους πελάτες που εκτιμούν την ταχύτητα και

την αξιοπιστία της παράδοσης της παραγγελίας. Επίσης οι Barut και Sridharan (2002)

ανέπτυξαν τη dynamic capacity apportionment διαδικασία χρησιμοποιώντας την

decision theory, προκειμένου να λύσουν το πρόβλημα του καταμερισμού της

δυναμικότητας στη make-to-order βιομηχανία, στην οποία η ζήτησή πολλών

προϊόντων είναι μεγαλύτερη από την προσφορά. Τα αποτελέσματα έδειξαν ότι η

διαδικασία είναι αποτελεσματική και φέρνει αύξηση των κερδών, όταν η

δυναμικότητα είναι σταθερή και τα προϊόντα είναι αρκετά διαφοροποιημένα.

Συγχρόνως και οι Defregger και Kuhn (2005) παρουσίασαν τη μέθοδο του Revenue

Management στη make-to-order βιομηχανία. στην οποία υπάρχει περιορισμένη

δυναμικότητα, οι παραγγελίες έχουν διαφορετικά περιθώρια κέρδους και γίνονται σε

απροσδιόριστο χρονικό ορίζοντα. Καταλήγουν ότι η εταιρεία χρησιμοποιώντας τη

μέθοδο αυτή είναι ικανή να αποφασίσει ποιες από παραγγελίες θα πρέπει να δεχτεί

και ποιες θα πρέπει να απορρίψει. Επίσης και οι Spengler, Rehkopf και Volling

(2005) αναπτύσσουν μια προσέγγιση του Revenue Management προκειμένου να

βελτιωθεί η υποσχόμενη παραγγελία για τις βραχυπρόθεσμες πωλήσεις στη

βιομηχανία σιδήρου και του χάλυβα σαν ένα παράδειγμα της make-to-order

βιομηχανίας. Τέλος οι Spengler, Akyol, Volling και Wittek (2009) μελετούν τη

μέθοδο των bid-prices, για την οποία θα αναφερθούμε παρακάτω, στην make-to-order


14

βιομηχανία και προσπαθούν να καθορίσουν τον κατάλληλο τρόπο υπολογισμού

αυτών των τιμών που θα δώσει τα επιθυμητά αποτελέσματα. Προτείνουν μία νέα

μέθοδο την novel two step dynamic bid price και με τα αριθμητικά παραδείγματα

συμπεραίνουν ότι έχει καλύτερα αποτελέσματα από άλλες μεθόδους που έχουν κατά

καιρούς εφαρμοστεί.

Σχετικά με την εφαρμογή του revenue management στον τομέα της παραγωγής οι

συγγραφείς Choi, Malstrom και Classen (1984) μελέτησαν τις επιλογές των managers

που εργάζονται στην παραγωγή και τη διαχείριση των εμπορευμάτων σχετικά με την

επιλογή του κατάλληλου αλγόριθμου που θα τους βοηθήσει στις σωστές για την

εταιρία τους αποφάσεις. Συγχρόνως οι Kimms και Müller-Bungart (2006) κατά τη

διάρκεια της μελέτης τους κατέληξαν ότι για να έχει βέλτιστα αποτελέσματα η

διαχείρισης των εσόδων θα πρέπει να υπάρχουν κάποια δεδομένα για την πιθανή

ζήτηση που υπάρχει και αναπτύσσουν έναν αλγόριθμο που υπολογίζει τη ζήτηση

αυτή και επεξηγούν λεπτομερώς τον τρόπο με τον οποίο ο αλγόριθμος αυτός μπορεί

να χρησιμοποιηθεί συμπεριλαμβάνοντας μερικά παραδείγματα, ενώ οι Ball και

Queyranne (2006) μελετούν τη μέθοδο του revenue management χρησιμοποιώντας

και αυτοί έναν online αλγόριθμο, ο οποίος παραλείπει την ανάγκη της πρόβλεψης της

ζήτησης και το ρίσκο των διάφορων υποθέσεων. Οι συγγραφείς εφαρμόζουν τον

αλγόριθμο αυτό σε πτήσεις προς ένα προορισμό, ο οποίος όμως μπορεί να

εφαρμοστεί και σε πτήσεις με πολλούς προορισμούς, και θεωρούν πως η μέθοδός του

μελλοντικά θα προσφέρει πολλά θετικά αποτελέσματα. O Morton (2006) προσπαθεί

να αναπτύξει μια στενότερη σύνδεση μεταξύ revenue management και της θεωρίας

της αναμονής των δικτύων (queuing networks). Θεωρεί ότι η ενδυνάμωση και η

εμβάθυνση αυτής της σύνδεσης μπορεί να είναι ένας τρόπος για πιο ισχυρά και πιο

εμπνευσμένα αποτελέσματα σχετικά με τις διαρθρωτικές ιδιότητες των στοχαστικών

συστημάτων γενικά. Οι Wagnera, Bhaduryb και Penga (2007) ασχολούνται με το

κλασσικό μοντέλο της βέλτιστης εγκατάστασης της τοποθεσίας μιας επιχείρησης σε

ένα στοχαστικό περιβάλλον με πολλούς παράγοντες κινδύνου που καθιστούν τη

ζήτηση του πελάτη πιθανολογική και σχετιζόμενη και με άλλες απαιτήσεις άλλων

πελατών και προσδιορίζουν την βέλτιστη εγκατάσταση σε συνδυασμό με την

μεγιστοποίηση του κατώτερου ορίου των μελλοντικών κερδών. Επίσης οι Ioannidis

και Kouikoglou (2007) μελετάνε το joint admission/ inventory control problem για


15

ένα σύστημα παραγωγής που παράγει ένα προϊόν προσπαθώντας να καλύψει την

τυχαία ζήτηση και καθορίζουν το επίπεδο των ανεκτέλεστων παραγγελιών που

μεγιστοποιούν το ποσοστό του κέρδους του συστήματος,

Όσον αφορά τον τομέα της τιμολόγησης των προϊόντων πολλοί συγγραφείς όπως οι

Yao και Shih (2002) διερευνούν τα προβλήματα των εσόδων των εταιριών και του

προσδιορισμού της βέλτιστης τιμής σε ένα ασαφές χρονικό διάστημα για το

εμπόρευμα σε μια τέλεια ανταγωνιστική αγορά. Συγχρόνως οι Fleischmann, Hall και

Pyke (2005) εξετάζουν τη σύνδεση της τιμολογιακής πολιτικής και της εφοδιαστικής

αλυσίδας αναπτύσσοντας ένα πεπερασμένο dynamic programming μοντέλο, το οποίο

συνδυάζει την τιμή με τη ζήτηση και την κατανάλωση των προϊόντων. Επίσης η

τιμολογιακή πολιτική των προϊόντων βασίζεται σε προηγούμενες πολιτικές οι οποίες

λαμβάνουν υπόψη μόνο τη εξωτερική ζήτηση και όχι την εσωτερική. Στο άρθρο αυτό

οι συγγραφείς χρησιμοποιούν και την εσωτερική ζήτηση στον προσδιορισμό της

βέλτιστης τιμολογιακής πολιτικής και αναλύουν περιπτώσεις κατά τις οποίες οι τιμές

συγκλίνουν προς μία σταθερή τιμή, αλλά και περιπτώσεις που διαφέρουν κατά τον

χρόνο επηρεαζόμενες από διάφορα κόστη και έσοδα. Με λίγα λόγια προσπαθούν να

προσδιορίσουν την βέλτιστη ποσότητα των εμπορευμάτων και τη βέλτιστη τιμή για

να μεγιστοποιηθούν τα κέρδη των εταιριών, ενώ οι Feng και Xiao (2004) μελετούν

την τιμολογιακή πολιτική σε συνδυασμό με την κατανομή της δυναμικότητας για τα

προϊόντα που υπόκεινται φθορά. Επίσης ο προμηθευτής αντιμετωπίζει το δίλλημα σε

ποιες κατηγορίες πελατών θα προωθήσει τα προϊόντα του και σε τι τιμές προκειμένου

να μεγιστοποιήσει τα κέρδη του. Οι συγγραφείς αποδεικνύουν ότι οποιαδήποτε

στιγμή μία κατηγορία πελατών είναι ενεργή όταν προσφέρεται η τιμή που ξεπερνάει

ένα συγκεκριμένο επίπεδο, αλλά μπορεί να μην είναι αυτή που επιθυμεί ο

προμηθευτής. Επίσης όταν η επιλογή της τιμής συνδυάζεται με την δυναμικότητα

αποδεικνύεται ότι ένα υποσύνολο από τις τιμές σε κάθε κατηγορία μπορεί να είναι

συνθέτουν την βέλτιστη τιμή, το οποίο υπολογίζεται από τις διάφορες τιμές και τις

καμπύλες της ζήτησης και όχι από το επίπεδο της δυναμικότητας. Επίσης η Lin

(2005) μελετά την περίπτωση κατά την οποία η εταιρία δεν μπορεί να υπολογίσει

σωστά την ζήτηση, αλλά είναι σε θέση να γνωρίζει μόνο κατά προσέγγιση την άφιξη

των πελατών της προτού αρχίσουν οι πωλήσεις. Η συγγραφέας δείχνει ότι η εταιρία

αυτή κατά τη διάρκεια των πωλήσεών της μπορεί να χρησιμοποιεί τα δεδομένα που


16

προκύπτουν και είναι σε θέση να εφαρμόζει σωστά την τιμολογιακή της πολιτική,

έτσι ώστε να μεγιστοποιεί τα έσοδά της. Τέλος οι Malgaras και Meissner (2006)

μελετούν την τιμολογιακή πολιτική σε συνδυασμό με την κατανομή της

δυναμικότητας και προσπαθούν να βρουν την κατάλληλη μέθοδο που θα καθιερώσει

την σωστή τιμολογιακή πολιτική, η οποία θα μεγιστοποιήσει τα αναμενόμενα έσοδα

της εταιρίας έχοντας σταθερή δυναμικότητα και πεπερασμένο χρονικό ορίζοντα.

Συγχρόνως πολλοί συγγραφείς ασχολήθηκαν με τα διάφορα είδη και τις

συμπεριφορές των πελατών. Πιο συγκεκριμένα οι Vulcano, van Ryzin και Maglaras

(2002) μελετούν τη συμπεριφορά του υποψήφιου πελάτη αλλά και του πωλητή σε

κάθε περίοδο σε ένα δυναμικό

πλαίσιο (dynamic framework) το οποίο είναι χαρακτηριστικό της μεθόδου του

Revenue Management και προσπαθούν να καταλήξουν στην βέλτιστη λύση που θα

μεγιστοποιεί το κέρδος τόσο του πελάτη όσο και του πωλητή αντίστοιχα, οι Talluri

και van Ryzin (2004b) εφαρμόζουν και αυτοί τη μέθοδο του Revenue Management

και αναλύουν τη συμπεριφορά των πελατών σχετικά με τα προϊόντα, όπως είναι η

αγορά τους και η απόρριψη τους. Επίσης οι Chauhan και Proth (2004) μελετούν τη

σχέση του παραγωγού και του λιανοπωλητή η οποία είναι βασισμένη στη διανομή

κερδών σε συνδυασμό με την ανταγωνιστική αγορά όπου οι πελάτες είναι ευαίσθητοι

στην τιμή και μπορούν να αντικαταστήσουν το προϊόν με άλλο όταν αυξηθεί η τιμή

του. Οι συγγραφείς υποθέτουν ότι ένα μέρος της ζήτησης εξαφανίζεται με την

αύξηση των τιμών και προτείνουν μια προσέγγιση η οποία μεγιστοποιεί τα κέρδη τα

οποία μοιράζονται μεταξύ τους οι εταιρίες ανάλογα προς τον κίνδυνο που

αντιμετωπίζουν. Οι Dai, Chao, Fang και Nuttle (2004) ασχολούνται με τις

στρατηγικές τιμολόγησης των επιχειρήσεων που παρέχουν τις ίδιες υπηρεσίες για μια

κοινή ομάδα πελατών και οι οποίες βρίσκονται σε ανταγωνισμό στο πλαίσιο της

διαδικασίας του Revenue Management. Χρησιμοποιούν την μέθοδο game theory για

να αναλύσουν τα συστήματα των εταιρειών όταν η ζήτηση είναι ντετερμινιστική και

όταν είναι στοχαστική, ενώ οι Modarres και Sharifyazdi (2007) παρουσιάζουν το

πρόβλημα του καταμερισμού της δυναμικότητας (capacity allocation problem),

ανάμεσα σε δύο είδη πελατών τους συχνούς και τους περιστασιακούς πελάτες, οι

οποίοι καταβάλλουν διαφορετικές τιμές για το ίδιο προϊόν. Χρησιμοποιώντας τη

μέθοδο του Revenue Management προσπάθησαν να λύσουν το stochastic capacity


17

allocation problem παρουσιάζοντας μια νέα μέθοδο, η οποία εφαρμόστηκε σε

τέσσερις πιθανές περιπτώσεις που μπορούσαν να συμβούν ανάλογα με κάποιους

παράγοντες όπως είναι η ζήτηση, η ικανότητα διανομής, η τιμή του προϊόντος και το

μέγεθος της ποινής για κάθε ακύρωση της παραγγελίας και κατέληξαν στην εύρεση

της βέλτιστης λύσης σε κάθε μια από τις τέσσερεις περιπτώσεις. Τέλος οι Caldentey

και Vulcano (2007) αναλύουν το πρόβλημα του Revenue Management, στο οποίο ο

πωλητής αντιμετωπίζει την άφιξη των καταναλωτών με την μορφή της Poisson

διαδικασίας. Οι συγγραφείς από τους αριθμητικούς υπολογισμούς καταλήγουν στο

πως συμπεριφέρονται οι πελάτες κατά τη διάρκεια της αγοράς των προϊόντων και στο

πώς θα πρέπει οι πωλητές να τιμολογούν τα προϊόντα αυτά ανάλογα με τα είδη των

πελατών που έχουν.

Από την έρευνα επίσης προκύπτει ότι πολλές από τις επιχειρήσεις που εφαρμόζουν τη

μέθοδο του revenue management, χρησιμοποιούν τις λεγόμενες συμβάσεις των

εσόδων (revenue-sharing contract) με βάση τα οποία καθορίζονται οι σχέσεις μεταξύ

των προμηθευτών και των εμπόρων σχετικά με τις προμήθειες. Πολλοί συγγραφείς

μελέτησαν αυτές τις περιπτώσεις και σε συνδυασμό με τις λειτουργίες του revenue

management κατέληξαν ότι χρησιμοποιώντας τη μέθοδο αυτή μεγιστοποιείται το

συνολικό κέρδος της αλυσίδας εφοδιασμού, αλλά ικανοποιούνται και τα κίνητρα των

συμμετεχόντων σε αυτή. Πιο συγκεκριμένα οι Giannoccaro και Pontrandolfo (2002)

μελετάνε τα revenue-sharing contracts, τα οποία χρησιμοποιούνται για τον

συντονισμό, στα πλαίσια του αποκεντρωμένου ελέγχου, της εφοδιαστικής αλυσίδας,

η οποία αποτελείται από τρία τμήματα και αντιμετωπίζει τη στοχαστική ζήτηση των

πελατών. Οι συγγραφείς προτείνουν ένα υπόδειγμα σύμβασης που βασίζεται σε ένα

μηχανισμό εσόδων, το οποίο συντονίζει τα τρία τμήματα της αλυσίδας εφοδιασμού

και δείχνουν ότι το μοντέλο αυτό μπορεί να οδηγήσει τον κατασκευαστή, τον

διανομέα και το λιανοπωλητή να βελτιώσουν τα κέρδη τους εξαιτίας του

συντονισμού ο οποίος πραγματοποιείται μέσω της σύμβασης αυτής. Οι Gallien,

Tallec και Schoenmeyr (2004) μελετούν τα make-to-order συμβόλαια και

προσπαθούν να δώσουν ποσοτικές οδηγίες στους επαγγελματίες σχετικά με τις τιμές,

τις ποσότητες και τους χρόνους καθοδήγησης (lead time) σε περιπτώσεις που

υπάρχουν συγκεκριμένες προθεσμίες και μία γραμμή παραγωγής με προαγοραστικό

προγραμματισμό, ενώ οι Cachon και Lariviere (2005) και οι Qin και Yang (2007)


18

μελετάνε τα revenue-sharing contracts στο γενικό μοντέλο της εφοδιαστικής

αλυσίδας και οι Gerchak, Khmelnitsky και Robinson (2007) ασχολούνται με την

περίπτωση κατά την οποία ο προμηθευτής αδυνατεί να προβλέψει τη ζήτηση και

πρέπει να στηρίξει τις αποφάσεις του στις πιθανολογικές προβλέψεις της ζήτησης του

λιανοπωλητή χρησιμοποιώντας το revenue management. Επίσης οι Yao, Leung και

Lai (2007) ερευνούν τα revenue-sharing contracts, τα οποία στη συγκεκριμένη

περίπτωση χρησιμοποιούνται για το συντονισμό της αλυσίδας εφοδιασμού η οποία

περιλαμβάνει έναν κατασκευαστή και δύο ανταγωνιστικές εταιρείες λιανικής

πώλησης. Ο κατασκευαστής προσφέρει μια σύμβαση με δύο ανταγωνιστικούς

λιανοπωλητές οι οποίοι αντιμετωπίζουν τη στοχαστική ζήτηση πριν από την περίοδο

των πωλήσεων. Στο πλαίσιο της σύμβασης οι λιανοπωλητές πρέπει να καθορίσουν τις

ποσότητες που θα παραγγείλουν από τον κατασκευαστή πριν από την περίοδο και τη

λιανική τιμή με την οποία θα πουλήσουν τα εμπορεύματά τους κατά τη διάρκεια της

σεζόν και τέλος οι συγγραφείς Ha και Tong (2008) περιγράφουν τη σχέση του

προμηθευτή με τον πελάτη στο πλαίσιο των revenue-sharing contracts, όταν ο

πελάτης αντιμετωπίζει το Newsvendor πρόβλημα του προσδιορισμού της αναλώσιμης

δυναμικότητας που ικανοποιεί την αβέβαιη ζήτηση.

Όπως αναφέραμε και προηγουμένως πολλοί συγγραφείς ασχολήθηκαν με την

εφαρμογή του revenue management σε διάφορους τομείς και προσπάθησαν να

περιγράψουν τον κατάλληλο τρόπο εφαρμογής του προκειμένου να μεγιστοποιηθούν

τα έσοδα των εκάστοτε εταιριών. Πιο συγκεκριμένα η Dirks (1994) μελετά την

περίπτωση των εταιριών οι οποίες θέλουν να επενδύσουν σε ένα σύστημα διοικητικής

πληροφόρησης (MIS). Εξετάζει κατά πόσο είναι δυνατό να προσδιοριστεί ποσοτικά

το κόστος, καθώς και τα πλεονεκτήματα της επένδυσης του συστήματος αυτού και

καταλήγει ότι η επένδυση σε ένα σύστημα MIS συντελεί στη βελτίωση της λήψης

των αποφάσεων η οποία οδηγεί στην αλλαγή του σχετικού κόστους και εσόδων στις

διάφορες εταιρίες. Οι Geraghty και Johnson (1997) περιγράφουν την εφαρμογή του

revenue management στην εταιρία ενοικιάσεων αυτοκινήτων National Car Rental. Η

συγκεκριμένη εταιρία εξαιτίας της οικονομικής της κατάρρευσης, αναγκάστηκε να

εφαρμόσει ένα revenue management πρόγραμμα, το οποίο ρύθμισε την δυναμικότητα,

την τιμολόγηση και τις κρατήσεις της και οδήγησε στην άμεση βελτίωση της

απόδοσης της. Επίσης οι Boyd και Bilegan (2003) μελετάνε την εφαρμογή του


19

revenue management στο e-commerce και δείχνουν ότι η μέθοδος αυτή προσφέρει

θετικά αποτελέσματα όταν εφαρμόζεται στον τομέα αυτό, ενώ οι Muthopadhyay και

Setaputra (2006) μελετάνε τις σχέσεις που αναπτύσσονται ανάμεσα στον ποιοτικό

σχεδιασμό του προϊόντος και της τιμής του με την πολιτική της επιστροφής των

προϊόντων που ισχύει κυρίως στις εταιρίες πώλησης προϊόντων μέσω του internet.

Δείχνουν ότι το επίπεδο της ποιότητας του προϊόντος επηρεάζει άμεσα το μέγεθος της

επιστροφής, γιατί όταν η ποιότητα του προϊόντος είναι υψηλή, το επίπεδο

ικανοποίησης των πελατών είναι υψηλό και επομένως η πιθανότητα επιστροφής των

προϊόντων είναι μειωμένη. Οι συγγραφείς χρησιμοποιούν ένα profit-maximization

μοντέλο για να βρουν την βέλτιστη πολιτική για την ποιότητα των προϊόντων, την

τιμή τους και την πολιτική των επιστροφών των εκάστοτε εταιριών. Επίσης οι

συγγραφείς Tsai και Hung (2007) στο άρθρο τους ασχολούνται με τις εταιρίες που

προώθησης προϊόντων μέσω του internet, οι οποίες αντιμετωπίζουν ανταγωνιστική

τιμολογιακή πολιτική και αστάθεια εσόδων. Χρησιμοποιούν την integrated real

option μέθοδο η οποία βελτιστοποιεί τη μέθοδο του revenue management με βάση τις

προαναφερόμενες συνθήκες και καταλήγουν στη λύση που επιτυγχάνει μικρότερο

κόστος και μεγαλύτερα αναμενόμενα έσοδα.

Επίσης άλλες εφαρμογές παρουσιάζουν και οι παρακάτω συγγραφείς όπως ο Pinder

(2004) ο οποίος ασχολείται με τα capacity and project scheduling προβλήματα και

χρησιμοποιώντας τη διαδικασία του Revenue Management και καταλήγει στο ότι η

μέθοδος αυτή παρέχει πολλά οφέλη στο πρόγραμμα διαχείρισης, ενώ οι Lee, Chew

και Sim (2006) μελέτησαν μία μέθοδο που να επιλύει το single leg revenue

management πρόβλημα, το οποίο σχετίζεται με τις θαλάσσιες μεταφορές των φορτίων.

Απέδειξαν ότι η καλύτερη πολιτική που κατανέμει σωστά την δυναμικότητα του

σκάφους είναι η threshold πολιτική. Οι Chandler και Shau-Shiang Ja (2007) μελετάνε

την εφαρμογή της ιδέας του reinforcement learning, το οποίο δανείστηκαν από την

βιομηχανία της μηχανικής, για να δημιουργήσουν ένα revenue management σύστημα

το οποίο δεν θα επαναλαμβάνει προηγούμενα λάθη. Οι συγγραφείς κατέληξαν ότι το

ιδανικό σύστημα θα πρέπει να συνδυάζει την ανθρώπινη μάθηση με την βέλτιστη

υποδομή των ηλεκτρονικών υπολογιστών. Τέλος οι Metters, Crystal, Ferguson,

Harrison, Higbie και Ward (2008) αναλύουν την εφαρμογή του revenue management

στον τομέα των ξενοδοχειακών επιχειρήσεων που διαθέτουν και καζίνο. Ποιο


20

συγκεκριμένα μελετάνε την εταιρία Harrah’s Cherokee Casino & Hotel η οποία

εφάρμοσε την παραπάνω μέθοδο και είχε σαν αποτέλεσμα την αύξηση κατά 15% των

εσόδων της, παρόλο που οι περισσότερες εταιρίες σε ανάλογες περιπτώσεις είχαν

αύξηση κερδών κατά 3-7%. Η συγκεκριμένη αύξηση σημειώθηκε όπως αναφέρουν οι

συγγραφείς στην εξαιρετική εκτέλεση της μεθόδου από το προσωπικό της εταιρίας.

1.2 Τι είναι το Revenue Management

Η συγγραφέας Sheryl Kimes που έχει μελετήσει σε βάθος το θέμα του revenue

management από κάθε άλλον, ορίζει ότι το revenue management ή αλλιώς Yield

management ή διοίκηση της απόδοσης είναι μία διαδικασία κατά την οποία

αποδίδεται σωστά η κατάλληλη μονάδα δυναμικότητας στον κατάλληλο πελάτη, τη

σωστή χρονική στιγμή στη σωστή τιμή. Συμπληρώνει λέγοντας ότι το Revenue

management βοηθά στην σωστή κατανομή των αποθεμάτων μα βάση τη ζήτηση που

υπάρχει εκείνη τη στιγμή έτσι ώστε να μεγιστοποιηθούν τα κέρδη της εκάστοτε

επιχείρησης (Kimes 1989b).

Είναι πολύ συχνό φαινόμενο οι επιχειρήσεις που πραγματεύονται αναλώσιμα αγαθά ή

υπηρεσίες, να αντιμετωπίζουν το πρόβλημα της πώλησης προϊόντων με σταθερές

ποσότητες και πεπερασμένο χρονικό ορίζοντα. Συγχρόνως αν στην αγορά υπάρχουν

πελάτες που είναι διευθετημένοι να πληρώσουν διαφορετικές τιμές για το

συγκεκριμένο προϊόν, είναι πιθανό οι εταιρίες να θέλουν να απευθύνονται σε

διαφορετικά τμήματα πελατών. Με τη σειρά του αυτό δημιουργεί την ευκαιρία να

πουλήσουν το προϊόν τους στα διαφορετικά τμήματα πελατών με διαφορετικές τιμές

για το καθένα από αυτά. Για να αποφευχθεί όμως η προώθηση ολόκληρης της

ποσότητας των προϊόντων στους πελάτες που θα πληρώσουν τη μικρότερη δυνατή

τιμή, θα πρέπει να αποφασιστεί το μέγεθος της ποσότητας που θα κατανεμηθεί σε

κάθε κατηγορία πελατών. Είναι φανερό ότι δεν πρέπει να πωληθούν τα περισσότερα

προϊόντα στους πελάτες με τη μικρότερη τιμή, αλλά συγχρόνως δεν θα είναι ωφέλιμο

για την επιχείρηση να μη πουλήσει κάποια από τα προϊόντα της αν τα προσφέρει όλα

με τη μεγαλύτερη δυνατή τιμή. Η παραπάνω διαδικασία είναι η γενική μορφή του

revenue management.


21

Η τεχνική του Revenue Management έχει γίνει ευρέως αποδεκτή και χρησιμοποιείται

από έναν αυξανόμενο αριθμό επιχειρήσεων, κυρίως παροχής υπηρεσιών, για την

μεγιστοποίηση της δυναμικότητάς τους και έπειτα για την ενίσχυση των εσόδων τους.

Πολλές από αυτές είναι οι αεροπορικές εταιρίες, τα ξενοδοχεία, τα ταξιδιωτικά

πρακτορεία, οι εταιρίες ενοικιάσεων αυτοκινήτων, τα τηλεοπτικά προγράμματα

της τηλεόρασης, οι εταιρίες παραγωγής εμπορευμάτων, οι εταιρίες

εμπορευματικών μεταφορών, τα νοσοκομεία, τα εστιατόρια, τα κρουαζιερόπλοια,

οι σιδηροδρομικοί σταθμοί και οι εταιρίες παροχής τηλεπικοινωνιακών υπηρεσιών

και εμπορευμάτων μέσω του διαδικτύου (Modarres και Sharifyazdi 2007). Αρκετοί

επιστήμονες όπως ο Peter Bell (1998) πιστεύουν ότι η μέθοδος αυτή μελλοντικά θα

μπορεί να εφαρμοστεί σχεδόν σε όλα τα αγαθά και τις υπηρεσίες που σχετίζονται με

την παραγωγή και την πώληση.

Όσον αφορά τις εταιρίες παραγωγής και προώθησης εμπορευμάτων, το revenue

management βοηθάει σημαντικά και συντελεί στον προσδιορισμό της σωστής

παραγγελίας στον κατάλληλο χρόνο για τον κατάλληλο πελάτη σε ένα αβέβαιο

περιβάλλον. Επίσης βοηθάει στην απόρριψη των παραγγελιών που είναι ασύμφορες

για τις εταιρίες, αλλά και στην παροχή ειδικών τιμών στους πελάτες που εκτιμούν την

ταχύτητα και την αξιοπιστία της παράδοσης της παραγγελίας (Frederick, Harris,

Pinder 1995 και Defregger and Kuhn 2005). Τα παραπάνω θετικά αποτελέσματα

έχουν και οι εταιρίες πώλησης εμπορευμάτων μέσω του διαδικτύου, γιατί το revenue

management τους βοηθά να υπολογίζουν σωστά τη ζήτηση των πελατών, να δίνουν

έγκαιρες παραγγελίες και σωστές παραδόσεις σε όλους τους πελάτες τους. Ο

διαχωρισμός των πελατών και ο προσδιορισμός της ζήτησης τους επίσης βοηθά και

τις σχέσεις των ενδιάμεσων ατόμων (λιανοπωλητών και προμηθευτών), οι οποίοι

χρησιμοποιώντας το revenue management υπολογίζουν σωστά τις ποσότητες των

παραγγελιών τους προκειμένου να μεγιστοποιήσουν τα κέρδη τους ικανοποιώντας

τους πελάτες τους (Gerchak, Khmelnitsky και Robinson 2007, Qin και Yang 2007 και

Cachon και Lariviere 2005).

Στην περίπτωση των ξενοδοχειακών μονάδων το Revenue Management είναι μία

τεχνική που απαιτεί από την διοίκηση του ξενοδοχείου κατά το στάδιο της λήψης

αποφάσεων, να εστιάσει την προσοχή της στη μεγιστοποίηση των εσόδων και στην


22

πληρότητα της καταλυματικής μονάδας. Είναι φανερό ότι υπάρχει μία ανταλλαγή

μεταξύ των ξενοδοχειακών μονάδων και των πελατών τους, κατά τη οποία οι

διευθυντές των ξενοδοχείων προτιμούν να ενοικιάσουν όλα τα δωμάτιά στους

πελάτες που θα προσφέρουν τη μεγαλύτερη δυνατή τιμή. Όμως αυτό σχεδόν ποτέ δεν

μπορεί να είναι εφικτό και το πιο πιθανό να οδηγήσει σε άδεια δωμάτια και σε

απώλεια εσόδων. Αντίθετα εάν ένα ξενοδοχείο έχει όλα το τα δωμάτια κατειλημμένα

από πελάτες που θα πληρώσουν χαμηλότερη τιμή, τα έσοδα που θα μπορούσαν να

έχουν από τους πελάτες που θα πλήρωναν την υψηλότερη τιμή θα έχουν χαθεί. Ο

στόχος λοιπόν του Revenue Management στις ξενοδοχειακές επιχειρήσεις είναι

βοηθήσει στην μεγιστοποίηση των εσόδων τους από κάθε δωμάτιο του ξενοδοχείου

τους, έχοντας το πιο κερδοφόρο συνδυασμό πελατών. Σύμφωνα με τον Orkin (1988)

οι μάνατζερ των ξενοδοχείων θα πρέπει να μεγιστοποιήσουν την απόδοση και τα

έσοδα και όχι να προσπαθούν να γεμίσουν το ξενοδοχείο τους με έναν οποιονδήποτε

πελάτη, γι’ αυτό και είναι σημαντικό να βρεθεί μία χρυσή τομή μεταξύ της

πληρότητας και της μέσης τιμής δωματίου προκειμένου να μεγιστοποιηθούν τα έσοδα.

Επιπλέον πολλά είναι τα βιβλία και οι διατριβές που έχουν δημοσιευθεί τα τελευταία

χρόνια σχετικά με τη μέθοδο του revenue management. Ο Cross (1997) στο βιβλίο

του θέτει θεμελιώδεις ερωτήσεις σχετικά με το revenue management όπως: πως το

revenue management μπορεί να εφαρμοστεί σε διάφορα είδη επιχειρήσεων και τι είδη

τεχνικών μπορεί να χρησιμοποιηθούν με βάση τη μέθοδο αυτή. Ο συγγραφέας δίνει

μία πλήρη εικόνα για τη μέθοδο αυτή και περιγράφει λεπτομερώς τους τρόπους που

την εφαρμόζουν οι διάφορες επιχειρήσεις. Επίσης οι Talluri και Van Ruzin (2004a)

στο βιβλίο τους παρέχουν μία λεπτομερείς εισαγωγή των εννοιών του revenue

management. Το βιβλίο αυτό περιλαμβάνει τρεις βασικούς τομείς: το revenue

management με βάση την ποσότητα, με βάση την τιμ, αλλά και άλλα θέματα και

τομείς που εφαρμόζουν την παραπάνω μέθοδο, όπως τα μέσα μαζικής επικοινωνίας,

τα ταξιδιωτικά πρακτορεία, τα καζίνο οι σιδηροδρομικοί σταθμοί, οι αεροπορικές

μεταφορές φορτίων, οι βιομηχανίες και πολλοί άλλοι τομείς. Οι συγγραφείς Yeoman

και Mchon-Beattie (2004) στο βιβλίο τους αναλύουν τη μέθοδο της τιμολόγησης

(pricing) και του revenue management σε πρακτικό επίπεδο. Βοηθάνε τους

αναγνώστες να καταλάβουν τι μπορεί να επιτευχθεί με το revenue management, πως

οι σχετιζόμενοι επαγγελματίες αντιμετωπίζουν τα σχετικά θέματα και αντιμετωπίζουν


23

τα διάφορα προβλήματα που εμφανίζονται κατά καιρούς. Επίσης αναφέρουν μία

στρατηγική που εφαρμόζουν οι αεροπορικές εταιρίες είναι η dynamic pricing, με την

οποία αλλάζουν τις τιμές των εισιτηρίων συνεχώς και μπορούν με αυτό τον τρόπο να

ελέγξουν τις καθημερινές πωλήσεις τους. Η παραπάνω στρατηγική χρησιμοποιείται

από τις αεροπορικές εταιρίες χαμηλού κόστους όπως η easyJet που αλλάζει τις τιμές

της συνεχώς. Συγχρόνως ο Philips (2005) παρέχει και αυτός μία εκτεταμένη έρευνα

στην τιμολόγηση και στη μέθοδο του revenue management. Το βιβλίο περιλαμβάνει

την βελτιστοποίηση των τιμών, την διαφοροποίηση των τιμών, την τιμολόγηση με

περιορισμένη προσφορά, το revenue management, την κατανομή της δυναμικότητας

(capacity allocation), την διαχείριση του δικτύου (network management), την μέθοδο

του overbooking, το markdown management, την προσαρμοσμένη τιμολόγηση

(customized pricing) και την αποδοχή των πελατών (customer acceptance).

Όσον αφορά τις διατριβές πολλοί συγγραφείς ασχολήθηκαν και δημοσίευσαν

εκτεταμένες σε περιεχόμενο έρευνες. Ο Karaesmen (2001) στη διατριβή του μελετάει

τρία θέματα σχετικά με τη διαχείριση των εσόδων. Πρώτον, εξετάζει το πρόβλημα

της αεροπορικής μεταφοράς φορτίων (air cargo problem ) σε απλοποιημένη μορφή.

Στη συνέχεια, αναλύει τη μέθοδο του overbooking και στο τελευταίο μέρος μελετάει

τον συνδυασμό του overbooking με του προβλήματος του ελέγχου της απογραφής

των θέσεων στις αεροπορικές εταιρίες (seat inventory control problem). Ο Pak (2005)

στη διατριβή του μελετά νέα χαρακτηριστικά και μοντέλα διαχείρισης των εσόδων

(revenue management). Αναφέρεται γενικά στην έννοια του revenue management,

μελετά διεξοδικά την εφαρμογή του στις αεροπορικές και ξενοδοχειακές επιχειρήσεις

και στο τέλος περιγράφει μία νέα εφαρμογή του στον τομέα της μεταφοράς φορτίων

(cargo transportation). Επίσης παρέχει μαθηματικά μοντέλα στα οποία μελετά την

στοχαστική φύση της ζήτησης, αλλά σε πολλά από αυτά παρουσιάζει και τη δυναμική

προσέγγιση. Τέλος ο Liu (2005) στη διατριβή του μελετά την εφαρμογή του revenue

management στο τομέα της βιομηχανίας. Μελετάει τον διαχωρισμό των πελατών σε

διάφορες κατηγορίες με βάση την τιμή των προϊόντων, τον χρόνο καθοδήγησης (lead

time) και την εξυπηρέτηση. Επίσης εντοπίζουν αποτελεσματικά μοντέλα τα οποία

συντονίζουν την παραγωγή, την δυναμικότητα και την αποδοχή από τους πελάτες με

βάση την παράμετρο της ζήτησης και του χρόνου.


24

1.1.1 Η ιστορία του Revenue Management

Οι αεροπορικές εταιρίες είναι αυτές που ανέπτυξαν και καθιέρωσαν την τεχνική του

Revenue Management έπειτα από την απελευθέρωση των αερομεταφορών στις ΗΠΑ

στα τέλη της δεκαετίας του 1970 (Smith et al. 1992). Ορισμένοι συγγραφείς όπως οι

Ingold και Huyton (1997) εντόπισαν ίχνη της τεχνικής αυτής ακόμη και από το 1920

με την καθιέρωση του συστήματος του αερο-ταχυδρομείου μεταξύ ΗΠΑ και

Ευρώπης. Οι αεροπορικές εταιρίες χρησιμοποιώντας στατιστικές τεχνικές πρόβλεψης

και μαθηματικές μεθόδους βελτιστοποίησης, ανέπτυξαν αυτόματα συστήματα που

μπορούσαν να ελέγξουν τη διαθεσιμότητα των εισιτηρίων και να τα κατανέμουν

σωστά προκειμένου να μεγιστοποιήσουν την κερδοφορία τους. Η μέθοδος αυτή

βοήθησε στην απόκτηση ανταγωνιστικού πλεονεκτήματος και στην αύξηση των

εσόδων των εταιριών.

Ένα παράδειγμα αυτής της επένδυσης σύμφωνα με τους Hanks, Cross και Noland

(1992) είναι η αεροπορική εταιρία American Airlines η οποία ξεκίνησε το 1977 τη

μέθοδο «Super Savers» για τις τιμές της. Η μέθοδος Super Savers προσέφερε στον

κάθε πελάτη αεροπορικές θέσεις με μειωμένες τιμές κατά 45% από τις κανονικές,

έχοντας όμως εκπληρώσει ο κάθε πελάτης ορισμένες προϋποθέσεις (αγορά των

εισιτηρίων 30 ημέρες πιο πριν και επτά ήμερες ελάχιστη διαμονή). Αυτές οι αρχικές

και πειραματικές κατηγορίες τιμών ήταν τόσο επιτυχημένες που από την επόμενη

χρονιά άρχισαν και άλλες αεροπορικές εταιρίες να τις εφαρμόζουν τόσο σε

εσωτερικές όσο και σε εξωτερικές πτήσεις

Από την ιστορία των Αμερικανικών Αεροπορικών Εταιριών οι εταιρίες εκείνες που

δεν μπόρεσαν να επενδύσουν ή άργησαν να αποφασίσουν την επένδυση στα εργαλεία

αυτά καταστράφηκαν. Αντιθέτως εκείνες που επένδυσαν στα αποτελεσματικά

συστήματα revenue management (Delta Airlines και American Airlines) όπως

ειπώθηκε και παραπάνω ήταν στην ουσία οι εταιρίες που μπόρεσαν να

προσαρμοσθούν καλύτερα στο δύσκολο και ανταγωνιστικό περιβάλλον της εποχής

(Kimes 1989a,b).


25

Το 1985 η American Airlines πρόσθεσε και νέες προσφορές με ακόμη πιο μειωμένες

τιμές (κατά 75%) εισάγοντας όμως ακόμη έναν περιορισμό: τα χρήματα που θα έδινε

ο πελάτης για να κλείσει τη θέση με αυτή την τιμή, δεν θα του επιστρέφονταν (non

refundable) σε περίπτωση που δεν μπορούσε να ταξιδέψει με τη συγκεκριμένη

πτήση. Αυτές οι τιμές είχαν θετικά αποτελέσματα στα έσοδα της αεροπορικής

εταιρίας. Παρόλο που η απόδοση της μειώθηκε, γιατί μειώθηκαν τα έσοδα ανά μίλι

για κάθε επιβάτη, αυξήθηκε η κυκλοφορία οδηγώντας έτσι τις μικρότερες τιμές να

υπερκαλύψουν τη μείωση της απόδοσης και να αυξηθούν τα κέρδη κατά 4,7%

Περίπου το 80% των εισιτηρίων που πουλήθηκαν στην Αμερική το 1991 υπόκεινται

σε ένα είδος περιορισμού κράτησης. Το 70% των εισιτηρίων έχουν κάποιο είδος

περιορισμού που αφορά την αλλαγή του προορισμού ή των ακύρωση του εισιτηρίου

και το 20% ανήκουν στην κατηγορία των non refundable εισιτηρίων (Hanks, Cross

και Noland 1992).

Στη συνέχεια και οι ξενοδοχειακές επιχειρήσεις άρχισαν να εφαρμόζουν την μέθοδο

του Revenue Management. Έχοντας αντιληφτεί την αύξηση της κερδοφορίας των

αεροπορικών εταιρειών που χρησιμοποιούσαν τη μέθοδο αυτή, αποφάσισαν οι

περισσότερες να την υιοθετήσουν. Αυτό είχε σαν αποτέλεσμα στις αρχές της

δεκαετίας του 1990 οι μεγάλες ξενοδοχειακές αλυσίδες να αρχίζουν να

πειραματίζονται με την μέθοδο αυτή. Η πρώτη αλυσίδα που ξεκίνησε να εφαρμόζει

το Revenue management ήταν η αλυσίδα Ηyatt και αργότερα συνέχισαν και άλλες

ξενοδοχειακές μονάδες η οποίες αντιλήφθηκαν τα πλεονεκτήματα που τους

προσέφερε το σύστημα αυτό.

Το Revenue management στη συνέχεια εξαπλώθηκε στις ταξιδιωτικές και στις

μεταφορικές επιχειρήσεις στις αρχές της δεκαετίας του 1990. Αξιοσημείωτη ήταν η

εφαρμογή του στην εταιρία National Car Rental. Το 1993, η General Motors

Corporation αναγκάστηκε να λάβει $ 744 εκατ. ευρώ επιβάρυνση η οποία συνδέονταν

με την απόκτηση των Εθνικών Συστημάτων Ενοικίασης αυτοκινήτου (National Car

Rental Systems). Σε απάντηση το Εθνικό πρόγραμμα (National program) επέκτεινε

τον ορισμό του Revenue management να περιλαμβάνει την ικανότητα διαχείρισης

(capacity management) και το σύστημα διαχείρισης των τιμών και των κρατήσεων

(pricing and reservations control). Ως αποτέλεσμα αυτού του προγράμματος, η


26

General Motors είχε τη δυνατότητα να πωλεί τα National Car Rental συστήματα,

περίπου στα $1,2 δισ. Ευρώ (Wikipedia).

Επίσης το τηλεοπτικό κανάλι NBC χρησιμοποίησε μία εφαρμογή του Revenue

Management και είχε σαν αποτέλεσμα τη βελτίωση των εσόδων από το 1996 έως το

2000, αλλά και το Νοσοκομείο Παίδων του Τέξας είχε θετικά αποτελέσματα. Από το

2000, διάφορες εταιρίες ηλεκτρονικού εμπορίου χρησιμοποίησαν τις μεθόδους του

Revenue Management, ενώ το 2002 ξεκίνησε και η εφαρμογή του στον κλάδο των

χρηματοοικονομικών υπηρεσιών (Wikipedia).

1.1.2 Οι συνθήκες της εφαρμογής του Revenue Management

Η μέθοδο του revenue management δεν μπορεί να εφαρμοστεί σε όλες τις

επιχειρήσεις. Σύμφωνα με την καθηγήτρια του τμήματος Hotel Administration του

πανεπιστήμιου Cornell κ. Kimes (1989 a, b και 2003), αλλά και σύμφωνα με τους

Harris και Pinder (1995) και James and Mona Fitzsimmons (2008), η τεχνική του

Revenue Management μπορεί να εφαρμοστεί όταν υπάρχουν οι παρακάτω συνθήκες:

Σταθερή δυναμικότητα (fixed capacity)

Αποθέματα που χαρακτηρίζονται από υψηλό βαθμό φθοράς

Προϊόν που πωλείται πριν την κατανάλωση

Σημαντική διακύμανση της ζήτησης

Οριακό κόστος παραγωγής μεγαλύτερο από το οριακό κόστος πώλησης

Σχετικά ομοιογενές προϊόν

Δυνατότητα πρόβλεψης της ζήτησης

Ικανότητα για τμηματοποίηση της αγοράς

Όταν η δυναμικότητα είναι σταθερή, οι επιχειρήσεις δεν μπορούν εύκολα να

αυξομειώσουν την προσφορά τους, γι’αυτό συνήθως προσπαθούν να καθορίσουν όσο

μπορούν τη ζήτηση. Παραδείγματος χάριν σε βραχυπρόθεσμο και μεσοπρόθεσμο

διάστημα η δυναμικότητα ενός αεροπλάνου δεν μπορεί να αλλάξει, γιατί το κόστος

παραγωγής είναι αρκετά υψηλό. Αν ένα αεροπλάνο είναι γεμάτο δεν θα μπορεί να

αυξήσει τις θέσεις του για να αποκτήσει περισσοτέρους πελάτες. Όμοια και στα


27

ξενοδοχεία όταν τα δωμάτια είναι όλα πιασμένα, δεν μπορούν να γίνουν καινούργιες

κρατήσεις. Μακροχρόνια όμως μπορεί οι επιχειρήσεις να κάνουν προεκτάσεις και να

αυξήσουν τη δυναμικότητά τους, όπως για παράδειγμα μία αεροπορική εταιρία

μπορεί να αποκτήσει αεροπλάνα με περισσότερες θέσεις, αλλά και ένα ξενοδοχείο να

κάνει προέκταση των κτιρίων του (Kimes (1989 a, b και 2003).

Το γεγονός ότι το απόθεμα είναι φθαρτό συμπεραίνουμε ότι ένας συγκεκριμένος

αριθμός προϊόντων πρέπει να πωληθεί μέχρι κάποια συγκεκριμένη ημερομηνία, γιατί

οι υπηρεσίες όπως είναι γνωστό καταναλώνονται την ίδια χρονική στιγμή που

παράγονται και δεν έχουν τη δυνατότητα να αποθηκευθούν. Εάν δεν πωληθεί το

προϊόν μέσα σε ένα συγκεκριμένο χρονικό διάστημα θα χαθεί ανεπανόρθωτα η αξία

του. Παραδείγματος χάριν αν μία ημέρα σε ένα ξενοδοχείο δεν είναι κατειλημμένα

κάποια δωμάτια, το κέρδος που θα μπορούσε να έχει αποκτηθεί από τη αυτή την

ημέρα έχει χαθεί για πάντα (Kimes 1989a). Άλλο ένα κλασσικό παράδειγμα είναι οι

αεροπορικές εταιρίες στις οποίες ο αριθμός των θέσεων που μπορούν να πωληθούν

πριν πετάξει το αεροπλάνο είναι καθορισμένος και αν υπάρχουν άδειες θέσεις κατά

τη διάρκεια της πτήσης θα έχει σαν συνέπεια να χαθούν τα έσοδα από τις

συγκεκριμένες θέσεις.

Συγχρόνως τα περισσότερα προϊόντα πωλούνται πριν την κατανάλωση, όπως

παραδείγματος χάριν στα ξενοδοχεία στα οποία οι πελάτες πληρώνουν για τα

δωμάτια που έχουν κάνει κράτηση πριν από κάποιες μέρες. Όταν το προϊόν πωλείται

κάποιο χρονικό διάστημα πριν χρησιμοποιηθεί από τους πελάτες, οι managers

αντιμετωπίζουν με αβεβαιότητα για το αν θα πρέπει να δεχτούν από νωρίς τους

πελάτες που θα πληρώσουν σε μικρότερη τιμή ή αν θα περιμένουν τους πελάτες που

θα πληρώσουν τα περισσότερα χρήματα (Kimes 1989a,b). Όμως υπάρχει και η

πιθανότητα να μην εμφανιστούν πελάτες μέχρι το συγκεκριμένο χρονικό διάστημα

και επομένως να χαθούν αρκετά χρήματα. Η μέθοδος του revenue management

μπορεί να τους οδηγήσει στη σωστή απόφαση και να καθορίσουν τον αριθμό των

πελατών και στις δύο περιπτώσεις προκειμένου να αυξήσουν τα έσοδά τους.

Επίσης οι εταιρίες που έχουν σημαντική διακύμανση της ζήτησης μπορούν να

εφαρμόσουν τη μέθοδο του revenue management. Τόσο στα ξενοδοχεία αλλά και


28

όσο και στις αεροπορικές εταιρίες η ζήτηση των δωματίων και των εισιτηρίων

αντίστοιχα διαφέρει ανάλογα με το χρονικό διάστημα. Κατά τη διάρκεια δηλαδή του

χρόνου η ζήτηση μπορεί να αυξάνεται ή μπορεί να μειώνεται ή σε πιο σπάνιες

περιπτώσεις να παραμένει σταθερή για κάποιες χρονικές στιγμές. Το Revenue

Management μπορεί να βοηθήσει και να και μετριάσει την διακύμανσή της με το να

δείξει ότι πρέπει η επιχείρηση να μειώσει τις τιμές σε περιόδους που η ζήτηση είναι

χαμηλή. Επίσης θα πρέπει η επιχείρηση να προωθήσει με κατάλληλο αυτό που πωλεί,

αλλά και να δώσει πολλά πακέτα προσφορών στους πελάτες της. Όταν πλέον η

ζήτηση αυξηθεί θα πρέπει να αυξήσει αναλογικά τις τιμές της, να προωθήσει τις

υπηρεσίες της σε πελάτες που είναι διατεθειμένοι να πληρώσουν περισσότερα και να

εφαρμόσει σε ειδικές περιπτώσεις την μέθοδο του overbooking. Επίσης αν ο manager

έχει τη δυνατότητα να γνωρίζει περίπου ποιες είναι αυτές οι περίοδοι, θα μπορέσει να

σχεδιάσει καλύτερα τη στρατηγική του και να πετύχει τον στόχο του (Kimes 1989a).

Επίσης στις συγκεκριμένες επιχειρήσεις το οριακό κόστος πώλησης είναι μικρότερο

από το οριακό κόστος παραγωγής. Πιο συγκεκριμένα στην περίπτωση

παραδείγματος χάριν του ξενοδοχείο στο οποίο υπάρχουν κάποια δωμάτια τα οποία

είναι κατειλημμένα, το ένα παραπάνω δωμάτιο που θα πωληθεί δεν θα αυξήσει

σημαντικά το κόστος των ήδη κατειλημμένων δωματίων. Το ξενοδοχείο και το

προσωπικό υπάρχουν ήδη και το ένα δωμάτιο που θα χρησιμοποιηθεί δεν θα

προκαλέσει μεγάλη διαφορά στο κόστος που θα δημιουργηθεί. Όμως σε περιόδους

υψηλής ζήτησης εμφανιστούν νέοι πελάτες που θέλουν να εξυπηρετηθούν και όλα τα

δωμάτια είναι κατειλημμένα, είναι αρκετά δύσκολο να δημιουργηθούν νέα δωμάτια,

γιατί το κόστος της δημιουργίας ενός καινούργιου κτιρίου είναι αρκετά υψηλό. Είναι

φανερό λοιπόν ότι επιχειρήσεις αυτού του είδους αντιμετωπίζουν αρκετά υψηλό

οριακό κόστος παραγωγής για να προβούν σε τέτοιες ενέργειες. Μόνο τα ξενοδοχεία

που έχουν δυνατότητα επέκτασης του χώρου και μόνο όταν η ζήτηση είναι αρκετά

μεγάλη και υπάρχουν και οι κατάλληλες συνθήκες μπορεί η ξενοδοχειακή μονάδα να

προβεί στη δημιουργία νέων δωματίων (Harris και Pinder (1995).

Το revenue management μπορεί να εφαρμοστεί σε επιχειρήσεις που έχουν σχετικά

ομοιογενές προϊόν. Πιο συγκεκριμένα τα δωμάτια των ξενοδοχείων, οι θέσεις ενός

χώρου όπου γίνονται συναυλίες, οι αεροπορικές θέσεις, είναι κατά κανόνα όμοια ανά


29

κατηγορία. Πολλές φορές όμως οι επιχειρήσεις αυτές μπορούν να προσθέσουν νέες

υπηρεσίες έτσι ώστε να βελτιωθούν οι ήδη υπάρχουσες και να αποκτήσουν νέους

πελάτες οι οποίοι επιθυμούν και μπορούν να τις χρησιμοποιήσουν. Μερικά

παραδείγματα είναι οι business class θέσεις στα αεροπλάνα, οι διανυκτερεύσεις σε

σουίτες και όχι σε απλά δωμάτια, τα εισιτήρια των συναυλιών πρώτης κατηγορίες και

πολλά άλλα (Harris και Pinder (1995) .

Όπως θα δούμε και παρακάτω υπάρχουν διαφορετικά είδη πελατών, οι οποίοι έχουν

αντίστοιχα και διαφορετικές επιθυμίες. Για το λόγο αυτό θα πρέπει η επιχείρηση να

έχει τη δυνατότητα πρόβλεψης της ζήτησής της και να μπορεί να κατατάσσει τους

πελάτες της σε συγκεκριμένες κατηγορίες. Για να προβλεφθεί η ζήτηση θα πρέπει η

διοίκηση της να είναι σε θέση να γνωρίζει τους πελάτες της, τις διάφορες επιθυμίες

που έχουν, το χρονικό διάστημα που θα διαρκέσουν, έτσι ώστε να μπορέσει να

κρατήσει το ιστορικό τους και να γνωρίζει στο μέλλον περισσότερα γι’ αυτούς και

μετέπειτα και για τη ζήτηση (Kimes 1989 a, b και 2003).

Συγχρόνως για να μπορέσει η μέθοδος του Revenue Management να εφαρμοστεί θα

πρέπει η εκάστοτε εταιρία να μπορεί να τμηματοποιήσει το μερίδιο της αγοράς της

σε διαφορετικά τμήματα πελατών. Για να μεγιστοποιηθούν τα έσοδα θα πρέπει οι

επιχειρήσεις να τμηματοποιήσουν τους πελάτες τους ανάλογα με τις επιθυμίες τους

και τον τρόπο που αντιδρούν και να καθορίζουν διαφορετικές τιμές στο κάθε τμήμα

ξεχωριστά. Η κυριότερη αιτία που χρησιμοποιείται για να γίνει η τμηματοποίηση

είναι το χρονικό διάστημα που πωληθεί μία υπηρεσία. Πιο συγκεκριμένα ένας

πελάτης ο οποίος είναι ευαίσθητος ως προς την τιμή, θα αγοράσει την υπηρεσία

αρκετό χρονικό διάστημα πιο πριν, ενώ αν είναι λιγότερο ευαίσθητος ως προς την

τιμή και πιο ευαίσθητος ως προς τον χρόνο θα αγοράσει την τελευταία στιγμή. Οι

αεροπορικές και οι ξενοδοχειακές εταιρίες με βάση τα παραπάνω έχουν διαχωρίσει το

πελατολόγιο τους σε business passengers και σε leisure passengers. Για κάθε τμήμα

οι επιχειρήσεις θα πρέπει να αναπτύσσουν διαφορετική marketing στρατηγική με

σκοπό να ταιριάξουν καλύτερα τις υπηρεσίες που θα προσφέρουν με τις ανάγκες του

κάθε πελατειακού τμήματος. Στο παρακάτω σχήμα παρουσιάζονται από το βιβλίο

των James και Mona Fitzsimmons (2008) οι δύο κατηγορίες των πελατών μαζί με τα

χαρακτηριστικά τους.


30

Πίνακας : 1* Συμπεριφορά των κατηγοριών επιβατών στις αεροπορικές εταιρίες Leisure Passengers Business Passengers

Price-sensitive Price-non sensitive

Advance booking Last minute booking

Flexible day and time Inflexible on the day and time

Long trips Short trips

Dictionary travel Time-dependent travel

Consults travel agents Frequent flyer and knows destination

Travels over weekends Weekday travel only

Seasonal travel Less seasonal

Little loyalty Loyalty based on frequent flyer credit

*Πηγή: βιβλίο «Service Management: Operations, Strategy, Information Technology» των James και Mona Fitzsimmons (2008)

Από τα παραπάνω συμπεραίνουμε ότι οι leisure passengers πληρώνουν λιγότερα

χρήματα γιατί επιλέγουν να ταξιδέψουν κυρίως τις καθημερινές ημέρες και έχουν

διαλέξει το ταξίδι τους αρκετό καιρό πιο πριν και είναι συνήθως μακράς διαρκείας.

Αντίθετα οι business passengers δεν είναι ευαίσθητοί στην τιμή γι’ αυτό και το

αποφασίζουν ελάχιστες μέρες πιο πριν και είναι κυρίως μικρής διάρκειας με πιθανή

περίοδο μετακίνησης τα Σαββατοκύριακα. Επίσης οι leisure passengers μπορούν να

αλλάξουν σχετικά εύκολα την ημερομηνία και την ώρα του ταξιδιού τους, σε

αντίθεση με τους business passengers ο οποίοι έχουν σταθερό πρόγραμμα το οποίο

δεν μπορεί να αλλάξει με την ίδια ευκολία. Με αυτόν τον τρόπο οι managers μπορούν

να έχουν διαφορετικά marketing plans για τα δύο είδη των πελατών τους προκειμένου

να μπορέσουν να πετύχουν τον στόχο τους. Πιο συγκεκριμένα στην περίπτωση των

pleasure passengers τα δωμάτια που θα τους προσφερθούν είναι αυτά με τη

χαμηλότερη τιμή επειδή η κράτηση έγινε αρκετό καιρό πριν, ενώ οι business

passengers θα αποκτήσουν δωμάτια σε υψηλότερη τιμή είτε γιατί η κράτηση τους

έγινε ελάχιστες μέρες πριν είτε γιατί δεν έγινε καθόλου.


31

Στο παρακάτω σχήμα τα οποίο έχει παρθεί αυτούσιο από το άρθρο ««The yield

management approach to hotel-room pricing» του συγγραφέως Relihan (1989)

παρουσιάζονται οι δύο κατηγορίες των πελατών και οι διαφορές τους όσον αφορά την

ελαστικότητα τιμών και την χρονική ευαισθησία. Όπως αναφερθήκαμε και παραπάνω

και φαίνεται και στο σχήμα οι leisure passengers κάνουν την κράτησή τους αρκετό

καιρό πριν σε αντίθεση με τους business passengers οι οποίοι την ελάχιστες μέρες

πιο πριν ή και καθόλου.

Σχήμα 1*: Το προφίλ των κρατήσεων των πελατών

*Πηγή: άρθρο «The yield management approach to hotel-room pricing» του

συγγραφέως Relihan (1989)

Το παρακάτω σχήμα το οποίο και αυτό έχει παρθεί αυτούσιο από το άρθρο της

συγγραφέως Kimes (1989a) παρουσιάζει ένα ξενοδοχείο το οποίο προσφέρει τις

υπηρεσίες του συνήθως σε business passengers, οι οποίοι κάνουν τις κρατήσεις του

τις τελευταίες μέρες πριν τη άφιξή τους. Όταν το μοντέλο των κρατήσεων του

ξενοδοχείου προσεγγίζει αυτή την καμπύλη, το σύστημα του revenue management

αποθαρρύνει τις κρατήσεις που γίνονται αρκετές μέρες πιο πριν αφού ισχύουν

χαμηλές τιμές και καθοδηγεί τη διοίκηση του ξενοδοχείου να κρατήσει τα δωμάτια


32

ελεύθερα για τις κρατήσεις που προβλέπονται να γίνουν με υψηλότερες τιμές. Για

αυτό το λόγο όπως φαίνεται παρακάτω οι περισσότερες κρατήσεις γίνονται ελάχιστες

μέρες πριν τη διαμονή και κορυφώνονται την τελευταία εβδομάδα.

Σχήμα 2*: Καμπύλη ατομικών κρατήσεων

*Πηγή: άρθρο «The basics of yield management» της συγγραφέως Kimes (1989a)

Το επόμενο σχήμα δείχνει την άλλη κατηγορία των πελατών τους leisure passengers

και δείχνει ένα ξενοδοχείο το οποίο προσφέρει τις υπηρεσίες του σε αυτούς. Το

μοντέλο αυτό των κρατήσεων δείχνει ότι το 70% των κρατήσεων του ξενοδοχείου

γίνονται ένα μήνα πιο πριν ή και περισσότερο. Τρεις εβδομάδες πριν από τη

συγκεκριμένη ημερομηνία το ξενοδοχείο είναι σε γενικές γραμμές γεμάτο και

ελάχιστα δωμάτια μπορεί να είναι ελεύθερα. Όταν τα ιστορικά στοιχεία του

ξενοδοχείου δείχνουν αυτή την καμπύλη, το σύστημα του revenue management θα

προτείνει να γίνονται δεκτές οι ομαδικές κρατήσεις αρκετό καιρό πιο πριν (Kimes


33

1989a) .

Σχήμα 3*: Καμπύλη ομαδικών κρατήσεων

*Πηγή: άρθρο «The basics of yield management» της συγγραφέως Kimes (1989a)

1.1.3 Ο στόχος του Revenue Management

Σύμφωνα με τους Hamilton και Jones (1992) το Revenue Management στις

ξενοδοχειακές επιχειρήσεις προσπαθεί να μεγιστοποιήσει τα έσοδα από το κάθε

δωμάτιο όταν η ζήτηση είναι μεγαλύτερη από την προσφορά και να μεγιστοποιήσει

την διαμονή όταν η προσφορά είναι μεγαλύτερη από την ζήτηση ακόμη και σε βάρος

της μέσης τιμής του δωματίου. Ωστόσο, πολλοί ερευνητές συμφωνούν ότι ο σκοπός

του Revenue Management είναι η μεγιστοποίηση των εσόδων των επιχειρήσεων


34

μέσω της χειραγώγησης της τιμής με τρόπο που να συμφωνεί με το μοντέλο της

πρόβλεψης της ζήτησης (Jauncey 1995, McMahon-Beattie 1999, Siguaw 2001).

1.1.4 Τα πλεονεκτήματα του revenue management

Οι εταιρίες που χρησιμοποιούν τη μέθοδο του revenue management έχουν τη

δυνατότητα να αποκτήσουν αρκετά πλεονεκτήματα, μερικά από τα οποία είναι (Anil

Lahoti 2007 και educational institute 2005) :

Δημιουργία στρατηγικού πλεονεκτήματος: η μέθοδος του revenue

management οδηγεί στη βελτίωση της ανάπτυξης των βραχυπρόθεσμων και

μακροπρόθεσμων επιχειρηματικών σχεδίων.

Απόκτηση Ανταγωνιστικού πλεονεκτήματος: η εφαρμογή του revenue

management συντελεί στην βελτίωση της πρόβλεψης, της εποχιακής

τιμολόγησης και των αποφάσεων που σχετίζονται με τα αποθέματα. Επίσης

συντελεί στον προσδιορισμό νέων τμημάτων της αγοράς και προσδιορίζει τη

ζήτησή τους, ενώ ενισχύει τον συντονισμό μεταξύ του front office και του

τμήματος των πωλήσεων. Τέλος συντελεί στον προσδιορισμό των εκπτωτικών

δραστηριοτήτων.

Μεγιστοποίηση των εσόδων: με τη χρησιμοποίηση του revenue management

οι εταιρίες πραγματοποιούν αύξηση των πωλήσεων και αυτή με τη σειρά της

οδηγεί στην αύξηση των κερδών. Επίσης μειώνονται τα εργατικά και

λειτουργικά κόστη. Σύμφωνα με τον συγγραφέα του «Revenue Management:

Hard-Core tactics for Market Domination» Robert Cross: Οι επιχειρήσεις που

απασχολούν τις τεχνικές της διαχείρισης των εσόδων έχουν παρουσιάσει

αύξηση των εσόδων τους μεταξύ 3% και 7%, χωρίς σημαντικές

κεφαλαιουχικές δαπάνες, με αποτέλεσμα την κατά 50% με 100% αύξηση στα

κέρδη.

Μεγιστοποίηση των κερδών: σύμφωνα το περιοδικό Score Card που

σχετίζεται με τη διαχείριση των εσόδων αναφέρει ότι «Η εφαρμογή σταθερής


35

τιμολογιακής πολιτικής συγχρόνως με τη μέθοδο της διαχείρισης των εσόδων

και την υποστήριξη των συστημάτων λήψης αποφάσεων μπορεί να οδηγήσει

σε σημαντικές βελτιώσεις στην εταιρική κερδοφορία που είναι συνήθως 1-2%

των εσόδων ή ακόμη περισσότερο".

Μεγιστοποίηση της απόδοσης της επένδυσης-ROI (Return On

Investment): όταν είναι το revenue management εφαρμοστεί αποτελεσματικά,

οι υπολογισμοί της ROI γίνονται με μεγαλύτερη ευκολία. Με αποδεδειγμένη

εμπειρία στην αύξηση των εσόδων, οι επενδύσεις στην διαχείριση των εσόδων

μπορούν εύκολα να δικαιολογηθούν.

Χρήση της επιστήμης και όχι των υποθέσεων: σε ένα δυναμικό περιβάλλον

τιμών και ζήτησης δεν υπάρχει χώρος για υποκειμενική λήψη αποφάσεων. Οι

εταιρείες που χρησιμοποιούν την μέθοδο της διαχείρισης των εσόδων

εφαρμόζουν τις αρχές της διαχείρισης του μάνατζμεντ και της τεχνολογίας

των πληροφοριών, συμπεριλαμβανομένων την ανάλυση των ιστορικών

δεδομένων, την μοντελοποίηση των στοιχείων και τη στατιστική και

μαθηματική βελτιστοποίηση.

Επίτευξη Ηγεσίας: οι εταιρίες που παρακολουθούν τις συνήθειες και τη

συμπεριφορά των πελατών τους, τις εσωτερικές διαδικασίες και τα κανάλια

της εκτέλεσης και την αξιοποίηση των πόρων μπορεί να γίνουν ηγέτες στο

μερίδιο της αγοράς που τους αφορά.

1.1.5 Οι αδυναμίες του revenue management

Στα πρώτα χρόνια της εφαρμογής της μεθόδου του revenue management υπήρξαν

αρκετοί συγγραφείς που την αντιμετώπισαν με δυσπιστία. Παρόλο τα πλεονεκτήματα

που παρουσιάσαμε στην προηγούμενη ενότητα θεώρησαν ότι υπήρχαν κάποια θέματα

που θα έπρεπε να λυθούν.

Στις αρχές η μέθοδος του revenue management προκάλεσε πολλές αποδοκιμασίες από

τους πελάτες των επιχειρήσεων. Η δυσαρέσκεια αυτή ήταν εξαιτίας της τιμολογιακής


36

πολιτικής που εφάρμοζαν οι επιχειρήσεις αυτές. Πιο συγκεκριμένα όταν

αντιλαμβάνονταν ότι οι τιμές για τα ίδια προϊόντα ήταν διαφορετικές, πίστευαν ότι

έπεφταν θύματα εξαπάτησης. Μία λύση στο παραπάνω πρόβλημα ήταν η κατάλληλη

εκπαίδευση του προσωπικού, το οποίο με τις ικανότητες αποκτούσε, μπορούσε να

διαχειριστεί αυτές τις καταστάσεις και να δείχνει στους δυσαρεστημένους πελάτες τα

οφέλη που θα μπορούσαν να έχουν από τη μέθοδο αυτή, όπως η απόκτηση δωματίων

σε πολύ χαμηλή τιμή όταν κάνανε κράτηση κάποιο χρονικό διάστημα πιο πριν. Το

συγκεκριμένο θέμα θα το αναλύσουμε στα επόμενα κεφάλαια (Wirtz et al 2003).

Συγχρόνως όπως αναφέρουν οι Dunn και Brooks (1990) στο άρθρο τους, η μέθοδος

του revenue management συντελεί βραχυχρόνια στη αύξηση των εσόδων των

επιχειρήσεων και μακροχρόνια δεν είναι αποτελεσματική. Πιστεύουν ότι επειδή η

τιμολογιακή πολιτική των επιχειρήσεων στηρίζεται στην ζήτηση της αγοράς, στην

οποία υπάρχει μεγάλος ανταγωνισμός, θα έχει σαν αποτέλεσμα μακροπρόθεσμα να

μικραίνουν τα περιθώρια του κέρδους. Επίσης η διάρκεια της πολιτικής των

εκπτώσεων δεν μπορεί να είναι μεγάλη και επομένως δεν μπορεί να αποτελέσει

μακροπρόθεσμη στρατηγική. Στον ανταγωνισμό αυτόν είναι πιο εύκολο να

συμμετέχουν οι επιχειρήσεις με χαμηλό κόστος, σε αντίθεση με αυτές που έχουν

υψηλό λειτουργικό κόστος.

Αυτοί όμως που υποστηρίζουν τη μέθοδο του revenue management θεωρούν ότι κάθε

νέα παροχή μπορεί να είναι κερδοφόρα, αν τα επιπλέον έσοδα είναι μεγαλύτερα από

το κόστος που σχετίζεται με την πώληση της μιας επιπλέον μονάδας παραγωγής, που

συνήθως στις επιχειρήσεις που εφαρμόζουν τη μέθοδο αυτή το επιπλέον κόστος είναι

αρκετά μικρό.

1.1.6 Οι μύθοι του revenue management

Το revenue management όπως έχουμε αναφέρει παρακολουθεί την συμπεριφορά των

πελατών και τις πωλήσεις των προϊόντων, προκειμένου να καθιερώσει σωστή

τιμολόγηση των αποθεμάτων που να ταιριάζει με τις ανάγκες των πελατών και των

επιχειρήσεων. Για να μπορεί όμως να εφαρμόσει τα παραπάνω, χρησιμοποιεί πολλά

πληροφοριακά συστήματα, στατιστικά μοντέλα, οργανωτική θεωρία και εμπειρίες και


37

γνώσεις πολλών επαγγελματιών (Lieberman και Warren 1993). Παρόλο που οι αρχές

του είναι απλές, έχουν δημιουργηθεί λάθος εντυπώσεις σε μερικούς που το

χρησιμοποιούν. Παρακάτω θα περιγράψουμε τους μύθους που σχετίζονται με τη

μέθοδο αυτή:

1. Το revenue management ή yield management θεωρείται ένα

υπολογιστικό σύστημα (computer system): δηλαδή η κάθε εταιρία που

εφαρμόζει το σύστημα του revenue management για να μπορεί να

αποκτήσει τα αποτελέσματα που επιθυμεί, χρησιμοποιεί computer-based

εργαλεία τα οποία υπολογίζουν την πρόβλεψη της ζήτησης, την κατανομή

του αποθέματος και μεγιστοποίηση των κερδών της. Μπορεί όμως κάποιες

πρακτικές του revenue management να μην χρησιμοποιούν τη βοήθεια

υπολογιστικών προγραμμάτων. Όπως έχουμε αναφέρει η μέθοδος αυτή

είναι μία πλήρης διαδικασία που στοχεύει στην μεγιστοποίηση των

κερδών μέσω της αύξησης των εσόδων και της κατάλληλης εξυπηρέτησης

των πελατών, χρησιμοποιώντας συνήθως, υπολογιστικά συστήματα, αλλά

και μαθηματικές τεχνικές, ικανότητες του προσωπικού το οποίο έχει

εκπαιδευτεί κατάλληλα. Επίσης εταιρικές πολιτικές που ενθαρρύνουν την

μέθοδο αυτή και κατάλληλα σχεδιασμένο προϊόν ή υπηρεσία.

2. Το revenue management αφαιρεί τον έλεγχο από τους υπαλλήλους: τα

συστήματα του revenue management δεν αναπληρώνει τους υπαλλήλους

κατά τον έλεγχο της επιχείρησης και της λήψης των αποφάσεων. Αντίθετα

προσφέρουν τις κατάλληλες πληροφορίες στο προσωπικό της κάθε

επιχείρησης, ώστε να έχουν την ικανότητα να παίρνουν έγκαιρες

αποφάσεις. Τα πιο εξελιγμένα τεχνολογικά συστήματα διαθέτουν εργαλεία

τα οποία προσφέρουν συγκεκριμένες ενέργειες, παραδείγματος χάριν

μπορεί το σύστημα να προτείνει στο προσωπικό των πωλήσεων ή των

κρατήσεων να μη δεχθεί άλλες κρατήσεις για κάποιο συγκεκριμένο

χρονικό διάστημα ή να τις δέχονται από μία τιμή και πάνω. Όμως η τελική

απόφαση για το αν θα εφαρμοστούν οι προτάσεις του συστήματος είναι

ανήκει καθαρά στην κρίση του προσωπικού και μόνο.


38

3. Το revenue management λειτουργεί μόνο όταν η ζήτηση είναι

μεγαλύτερη της προσφοράς: οι πιο γνωστές πολιτικές του revenue

management είναι το overbooking και η discount allocation, οι οποίες

λειτουργούν σε περιόδους με υπερβάλλουσα ζήτηση. Ωστόσο αυτό

συνήθως συμβαίνει σε μερικές περιπτώσεις κατά τις οποίες οι

ξενοδοχειακές επιχειρήσεις μπορούν να επιλέξουν αυτό τον τύπο και το

μέγεθος της ζήτησης που θα τις ικανοποιήσει. Λανθασμένα μερικοί

πιστεύουν ότι προσφέρει λίγα όταν η προσφορά είναι μεγαλύτερη από τη

ζήτηση. Μία από τις λειτουργίες του revenue management είναι η

πρόβλεψη της ζήτησης, σύμφωνα με την οποία τα ξενοδοχεία μπορούν να

γνωρίζουν αρκετό καιρό πιο πριν πότε είναι χαμηλή ή υψηλή για να

προβούν στις αντίστοιχες ενέργειες. Αν εντοπισθεί ότι σε συγκεκριμένες

ημερομηνίες η ζήτηση αρχίζει και μικραίνει, θα πρέπει το τμήμα του

marketing και των πωλήσεων να προβούν στην προώθηση διάφορων

προσφορών για αυτές τις περιόδους.

4. Το revenue management μειώνει τις τιμές: τα ξενοδοχεία τις

περισσότερες φορές μειώνουν τις τιμές τους όταν η ζήτηση είναι χαμηλή

και τις αυξάνουν όταν η ζήτηση αυξηθεί. Το revenue management δεν

παίρνει αυτή την απόφαση, αλλά η διοίκηση του ξενοδοχείου. Το μόνο

που κάνει σε αυτές τις περιπτώσεις είναι να καθορίσει στην ποσότητα του

προϊόντος που θα πρέπει να πωληθεί και το εύρος των τιμών με βάση το

οποίο θα πρέπει να πωληθεί. Συγχρόνως το σύστημα του yield

management πληροφορεί τη διοίκηση όταν πρέπει να αναθεωρήσει την

τιμολογιακή της πολιτική και δείχνει ποιες πρέπει να είναι οι αλλαγές

αυτές.

5. Το revenue management δεν ταιριάζει με την καλή εξυπηρέτησης των

πελατών: η μέθοδος της τιμολόγησης και του ελέγχου των αποθεμάτων

πολλές φορές μπορεί να προκαλέσουν τη δυσαρέσκεια των πελατών, αν

δεν συνδυάζονται με σωστές κινήσεις που μπορούν να την εξαλείψουν.

Μία επιχείρηση που διαθέτει ένα απλό revenue management σύστημα αν

δεν αναγνωρίσει την μακροπρόθεσμη αξία των πελατών της μπορεί να


39

τους δυσαρεστήσει και στο τέλος να τους χάσει. Για παράδειγμα σε ένα

ξενοδοχείο θα πρέπει η τιμολογιακή του πολιτική να είναι σωστή με τους

συχνούς της πελάτες και ακόμη και σε περιόδους υψηλής ζήτησης, θα

πρέπει να τους εξυπηρετεί χρεώνοντάς τους χαμηλότερες τιμές, γιατί είναι

αυτοί που αντιπροσωπεύουν τις μελλοντικές πωλήσεις του. Για

παράδειγμα το σύστημα πρέπει να εκτιμά και βραχυχρόνια και

μακροχρόνια τις επιπτώσεις των εσόδων που σχετίζονται με τις αποφάσεις

της διαχείρισης των αποθεμάτων. Επίσης και στην περίπτωση του

overbooking δημιουργούνται προβλήματα με τους πελάτες και το

προσωπικό είναι ικανό να τα αντιμετωπίζει με την κατάλληλη εκπαίδευσή

που του έχει παρασχεθεί.

6. Το revenue management είναι πολύπλοκο: τα πιο δύσκολα συστήματα

του revenue management άρχισαν να εξελίσσονται σταδιακά μέσω της

εκπαίδευσης του προσωπικό των επιχειρήσεων που το χρησιμοποιούσαν.

Οι επιχειρήσεις που ωφελήθηκαν από τη μέθοδο αυτή, άρχισαν να

εφαρμόζουν πιο απλά προγράμματα και να μη δυσκολεύονται οι

υπάλληλοι τους.

7. To revenue management δεν προσαρμόζεται στα προβλήματα της

διοίκησης των επιχειρήσεων που το χρησιμοποιούν: η κάθε επιχείρηση

μπορεί να εφαρμόσει τη μέθοδο αυτή με διαφορετικό τρόπο, ο οποίος

εξαρτάται από τα χαρακτηριστικά της κάθε μιας. Είναι φυσιολογικό οι

λύσεις κάποιων εταιριών να μην είναι σωστές για κάποιες άλλες και το

αντίστροφο.

8. Το revenue management αυξάνει αυτόματα τα κέρδη: η μέθοδος

εφόσον χρησιμοποιείται σωστά μπορεί να οδηγήσει στη αύξηση των

κερδών. Αν όμως δεν χρησιμοποιηθεί σωστά μπορεί και να προκαλέσει

και την μείωση τους. Τις περισσότερες φορές όμως η μέθοδος αυτή

συντελεί στις σωστές αποφάσεις οι οποίες αφορούν την τιμολόγηση και τη

διαχείριση των αποθεμάτων. Υπάρχουν επίσης τεχνικές που βοηθούν τις

εταιρίες να προσδιορίζουν τις συνέπειες στα έσοδα με πολύ μεγάλη


40

ακρίβεια και μπορούν έτσι να αυξηθούν τα έσοδα, χωρίς βέβαια αυτό να

είναι απόλυτα βέβαιο.

9. Τα ξενοδοχεία που εφαρμόζουν τη μέθοδο του revenue management

δεν έχουν αλλάξει καθόλου: η άποψη αυτή είναι αναληθής αφού η

μέθοδος του revenue management προκαλεί την αλλαγή σε πολλές

δραστηριότητες και αποφάσεις των επιχειρήσεων. Παραδείγματος χάριν

όταν ένα ξενοδοχείο εφαρμόζει τη μέθοδο αυτή μελετάει τα ιστορικά

στοιχεία που αφορούν τη διακύμανση της ζήτησης και προσπαθεί να

καθιερώσει την τιμολογιακή του πολιτική με βάση αυτά. Επίσης πολλές

φορές δεν δέχεται άλλες κρατήσεις όταν όλα τα δωμάτια είναι κλεισμένα

και παρέχει διαφορετικές τιμές όταν δέχεται ατομικές κρατήσεις απ΄ότι

ομαδικές. Όλες οι παραπάνω ενέργειες που εφαρμόζονται εξαιτίας του

revenue management αλλά και πολλές άλλες, αλλάζουν την πολιτική όλων

των επιχειρήσεων.

10. Τα ξενοδοχεία δεν μπορούν να εφαρμόσουν το revenue management

αν δεν το εφαρμόζουν και οι ανταγωνιστές του: η πρόταση αυτή είναι

λανθασμένη γιατί οι επιχειρήσεις που χρησιμοποιούν τη μέθοδο αυτή

προσπαθούν να εφαρμόζουν τις λειτουργίες τους σωστά και με βάση τα

συμπεράσματα που κατέληξαν από την παραπάνω μέθοδο. Είναι αλήθεια

ότι παρακολουθούν τους ανταγωνιστές τους συχνά και μπορεί κάποιες από

αυτές να επηρεάζονται από τις στρατηγικές των ανταγωνιστών τους, αλλά

όταν θέλουν να έχουν σωστά αποτελέσματα δεν θα πρέπει να τις

ακολουθούν γιατί συνήθως τα αποτελέσματα είναι διαφορετικά.


41

Κεφάλαιο 2: Airline revenue management

2.1 Εισαγωγή

Στο κεφάλαιο γίνεται μία λεπτομερής παρουσίαση της εφαρμογής του Revenue

Management στις αεροπορικές εταιρίες. Η δομή του κεφαλαίου αυτού έχει ως εξής:

Στην ενότητα 2.2 γίνεται η βιβλιογραφική ανασκόπηση για το airline revenue

management, ενώ στην τρίτη ενότητα αναφέρονται οι δυσκολίες που παρουσιάζονται

στις αεροπορικές εταιρίες και σχετίζονται εξαιτίας της αβέβαιης ζήτησης, των on-line

αποφάσεων και των πτήσεις δικτύων. Επίσης παρουσιάζονται θέματα που είναι στενά

συνδεδεμένα με το revenue management, όπως η πρόβλεψη της ζήτησης, η μέθοδος

overbooking και η τιμολόγηση των εισιτηρίων στις διάφορες κατηγορίες (2.4). Στην

ενότητα 2.5 παρουσιάζεται μια ανασκόπηση της διεθνούς βιβλιογραφίας σχετικά με

το airline revenue management, η οποία σχετίζεται με τα θέματα που παρουσιάσαμε

στις προηγούμενες ενότητες αυτού του κεφαλαίου. Συγχρόνως στην επόμενη ενότητα

αναλύονται οι τεχνικές της μεθόδου του revenue management και περιγράφονται δύο

από τις πολιτικές του ελέγχου των κρατήσεων που είναι η μέθοδος booking limits και

η μέθοδος bid-prices (2.6). Η μέθοδος booking limits παρέχει μία ισχυρή λύση για

μεγαλύτερο χρονικό διάστημα, αλλά μετρά προβλήματα με την ομαδοποίηση.

Αντίθετα η μέθοδος bid-prices είναι στενά συνδεδεμένη με την θεωρητικά βέλτιστη

πολιτική του ελέγχου, αλλά χρειάζεται να προσδιορίζει τις τιμές των εισιτηρίων

συνεχώς. Στη έβδομη ενότητα παρουσιάζονται και τα μαθηματικά μοντέλα που

αφορούν τις πτήσεις προς ένα προορισμό, τα οποία είναι το στατικό και το δυναμικό

μοντέλο και στην τελευταία ενότητα αναφέρονται τα μοντέλα που αφορούν πτήσεις

με πολλούς προορισμούς (2.8).

2.2 Βιβλιογραφική ανασκόπηση για το airline revenue management

Στη διεθνή βιβλιογραφία υπάρχει ένας μεγάλος αριθμός εργασιών που ασχολούνται

με το airline revenue management. Πιο συγκεκριμένα οι Smith, Leimkuhler, Darrow

(1992) στο άρθρο τους περιγράφουν την ιστορία των American Airlines οι οποίες


42

άρχισαν από το 1960 να εφαρμόζουν σταδιακά τη μέθοδο του revenue management

και κατέληξαν στις τρεις παραπάνω τεχνικές, το overbooking, το discount allocation

και το traffic management. Με την εφαρμογή των παραπάνω τεχνικών η εταιρία

σημείωσε πολλά κέρδη και συνέχισε να έχει αυτά τα θετικά αποτελέσματα και τα

επόμενα χρόνια. Επίσης ο Parker Gary (2004) στο βιβλίο του αναλύει την περίπτωση

της εφαρμογής της μεθόδου του revenue management στις αεροπορικές εταιρίες.

Μελετά το θέμα της αβέβαιης ζήτησης και παρουσιάζει μεθόδους που βοηθούν στην

πρόβλεψή της. Επίσης αναφέρει τα κόστη που έχουν οι αεροπορικές εταιρίες, τη

μέθοδο της τιμολόγησης και διάφορες στρατηγικές που χρησιμεύουν στη σωστή

εκτίμηση των τιμών των εκάστοτε θέσεων και κατηγοριών. Συγχρόνως οι Tallury και

Ryzin (2004b) στο βιβλίο τους αναφέρουν ότι οι αεροπορικές εταιρίες έχουν τρεις

μεγάλες δυσκολίες να αντιμετωπίσουν προκειμένου μεγιστοποιήσουν τα κέρδη τους,

οι οποίες είναι η αβέβαιη ζήτηση, η on line απόφαση και οι πτήσεις δικτύων. Οι

Wang και Wang (2006) μελετάνε το dynamic network yield management στις

αεροπορικές εταιρίες και προσπαθούν να καθορίσουν τις συνθήκες που καθορίζουν

την βέλτιστη πολιτική, ενώ οι Marcus και Anderson (2007) παρουσιάζουν διάφορα

μοντέλα που σχετίζονται με το Revenue Management το οποίο εφαρμόζεται σε

αεροπορικές εταιρίες με εισιτήρια σε χαμηλές τιμές. Συγχρόνως οι Modarres και

Sharifyazdi (2007) περιγράφουν της λειτουργίες που εφαρμόζει το revenue

management στις αεροπορικές εταιρίες, οι οποίες είναι το pricing, το overbooking και

το demand forecasting, οι οποίες χρησιμεύουν σε ενδεχόμενες αποφάσεις των

εταιριών και οι Fitzsimons και Fitzsimons (2008) στο βιβλίο τους παρουσιάζουν τις

τεχνικές που χρησιμοποιεί το airline revenue management (overbooking, discount

allocation, traffic management) για να μεγιστοποιήσει τα κέρδη των αεροπορικών

εταιριών.

Επιπλέον οι Kuyumcua και Garcia-Diazb (2000) αναπτύσσουν μια νέα αναλυτική

διαδικασία για τα προβλήματα του joint pricing και seat allocation σε συνδυασμό με

τις προβλέψεις της ζήτησης, τον αριθμό των κατηγοριών των διάφορων τιμών και την

δυναμικότητα των αεροσκαφών, ενώ ο Zaki (2000) θεωρεί ότι η πρόβλεψη της

ζήτησης, της τιμής των εισιτηρίων και των προμηθειών, είναι ένας πολύ σημαντικός

τομέας στη μέθοδο του airline revenue management. Η ακριβής πρόβλεψη έχει άμεσα

αποτελέσματα στις αεροπορικές εταιρίες και υπάρχουν πολλές δυσκολίες που θα


43

πρέπει να αντιμετωπιστούν για να είναι επιτυχημένη και να έχει θετικά αποτελέσματα.

Επίσης οι Kuyumcu και Diaz (2000) περιγράφουν μία αναλυτική διαδικασία για την

ενιαία τιμολόγηση σε συνδυασμό με το πρόβλημα του καταμερισμού των θέσεων, με

βάση τη πρόβλεψη της ζήτησης, τον αριθμό των θέσεων και την δυναμικότητα των

αεροσκαφών, ενώ ο Swan (2002) χρησιμοποιεί τη μέθοδο του Revenue Management

σε συνδυασμό με τον βέλτιστο προγραμματισμό μιας αεροπορικής εταιρείας για να

χαρακτηρίσει τα αποτελέσματα της κατανομής της αβέβαιης ζήτησης. Συγχρόνως οι

Weatherford και Belobaba (2002) εξετάζουν τις επιπτώσεις των σφαλμάτων στις

προβλέψεις της ζήτησης και των ναύλων κατά τη διαδικασία του Revenue

Management. Μέσω της διαδικασίας της προσομοίωσης εξετάζουν τις επιπτώσεις

που δημιουργεί η απροσδόκητη μεταβλητότητα των πραγματικών τιμών των ναύλων,

της λανθασμένης εκτίμησης του μέσου των διαφόρων κατηγοριών των κρατήσεων

και των σφαλμάτων πρόβλεψης στην αναμενόμενη ζήτηση για κάθε κατηγορία.

Επίσης οι Kimes, Wirtz, Theng και Patterson (2003) αναφέρουν ότι είναι σημαντικό

οι αεροπορικές εταιρίες να εκπαιδεύουν σωστά το προσωπικό τους για να μειώνονται

στο ελάχιστο οι δυσκολίες που δημιουργούνται συχνά από τους δυσαρεστημένους

πελάτες, ενώ ο Littlewood (2005) περιγράφει διάφορες μεθόδους πρόβλεψης των

πελατών και ελέγχου των εσόδων και συστήνει τη στροφή στη μεγιστοποίηση του

κέρδους που θα αποκτηθεί σε μία συγκεκριμένη πτήση, παρά στη μεγιστοποίηση του

αριθμού των επιβατών σε αυτή. Οι Gosavi, Ozkaya και Kahraman (2005) χρησιμοποιούν την διαδικασία του overbooking για την επίλυση ενός σύνθετου

προβλήματος κατανομής θέσεων στον κλάδο των αερομεταφορών, ενώ ο Chapuins

(2007) περιγράφει τα βασικά συστατικά του dynamic pricing μοντέλου, το οποίο

οδηγεί στην λήψη των μελλοντικών αποφάσεων που σχετίζονται με τις κρατήσεις, με

βάση τα τωρινά στοιχεία της κάθε αεροπορικής εταιρίας. Ο συγγραφέας καταλήγει

ότι το μοντέλο αυτό στην πράξη παρέχει την βέλτιστη λύση στο πρόβλημα του

revenue management, υπολογίζοντας όλες τις πιθανότητες και οδηγεί σε αποφάσεις οι

οποίες συντελούν στην μελλοντική αύξηση των εσόδων των εταιριών. Οι Gallego,

Kou και Phillips (2008) παρουσιάζουν μία πολιτική των αεροπορικών εταιριών με

την οποία μπορεί να αυξηθούν τα έσοδα τους όταν η ζήτηση είναι αβέβαιη και η

οποία ονομάζεται Callable products. Δείχνουν ότι τα Callable products είναι μία πηγή

πρόσθετων εσόδων η οποία δεν έχει ρίσκο και με τα αριθμητικά παραδείγματα


44

αποδεικνύουν ότι τα οφέλη μπορεί να είναι σημαντικά, ειδικά όταν η αβεβαιότητα

της ζήτησης είναι αρκετά υψηλή.

Όσον αφορά στα είδη του ελέγχου των κρατήσεων πολλοί συγγραφείς ασχολήθηκαν

και ανάλυσαν τις πρακτικές που χρησιμοποιούνται. Οι Harris και Pinder (1995)

παρουσιάζουν στη μέθοδο των ορίων κράτησης, τα ομαδοποιημένα όρια της

κράτησης (nested booking limits) που οριοθετούν τη διαθεσιμότητα των θέσεων με

ιεραρχικό τρόπο. Αυτό σημαίνει ότι οποιαδήποτε κράτηση της οποίας τα όρια έχουν

επιτευχθεί, μπορεί έπειτα να αξιοποιήσει τις χαμηλότερες σε αξία θέσεις κρατήσεων.

Επίσης οι Tallury και Ryzin (2004a) στο βιβλίο τους αναλύουν τις δύο πολιτικές

ελέγχου των κρατήσεων: τα booking limits και bid-prices. Η μέθοδος Booking-limit

control καθορίζει τον αριθμό των πελατών σε κάθε κατηγορία και η μέθοδος bid-

prices καθορίζει την τιμή προσφοράς για κάθε πτήση η οποία είναι η μικρότερη

δυνατή., ενώ μαζί με τους Boer, Freling και Piersma (2001) και ο Klein (2006)

θεωρούν ότι αν η μέθοδος των bid-prices αναπροσαρμόζεται συνεχώς, μπορεί να

ανοίγει ή να κλείνει τις κατηγορίες των ναύλων για αιτήματα αυξάνοντας ή

μειώνοντας την τιμή προσφοράς και με αυτό τον τρόπο μπορούν να εξαλειφθούν οι

κρατήσεις με τιμές λίγο μεγαλύτερες από τις bid-prices και να επιτυγχάνεται με αυτό

τον τρόπο ο στόχος τους. Τέλος συμπληρώνουν ότι όταν η δυναμικότητα και οι

πωλήσεις είναι μεγάλες η μέθοδος των bid-prices είναι αρκετά αποδοτική με θετικά

αποτελέσματα. Οι Wang και Regan (2005) μελετούν την διαδικασία της ανταλλαγής

η οποία είναι βασισμένη στην ζήτηση των δύο πτήσεων και γίνεται σε μια

προκαθορισμένη ώρα πριν από την αναχώρηση τους. Η μέθοδος που εφαρμόζουν στη

διαδικασία της ανταλλαγής οδηγεί στο συμπέρασμα ότι μέσω αυτής η αεροπορική

εταιρία σημειώνει σημαντική αύξηση στα κέρδη της. Οι Haerian, Homem-de-Mello

και Mount-Campbell (2006) παρουσιάζουν εναλλακτικές διαδικασίες κράτησης και

αποδεικνύουν ότι ακόμη και με ιδανική κατανομή των κρατήσεων μπορεί να

οδηγήσει σε διαφορετικά αναμενόμενα έσοδα ανάμεσα στις δύο αυτές μεθόδους.

Συγχρόνως υπάρχουν πολλοί συγγραφείς που μελετούν τα μαθηματικά μοντέλα του

revenue management και αφορούν τις πτήσεις προς ένα προορισμό. Οι Lautenbacher

και Stidham (1999), οι Boer, Freling και Piersma (2001), ο Morton (2004) και οι

Birbil, Frenk, Gromicho και Zhang (2007) τα διαχωρίζουν σε δύο κατηγορίες, τα


45

στατικά και τα δυναμικά. Τα στατικά μοντέλα ασχολούνται με τον προσδιορισμό του

ορίου των κρατήσεων (booking limits) για κάθε κατηγορία τιμών υποθέτοντας ότι η

ζήτηση για κάθε κατηγορία κράτησης είναι διαδοχική δηλαδή δεν συμπίπτει χρονικά

και χρησιμοποιείται σαν σύνολο, ενώ τα δυναμικά μοντέλα ασχολούνται με την κάθε

αίτηση κράτησης σε ένα συγκεκριμένο χρόνο και τα αιτήματα των κρατήσεων

έρχονται σε οποιαδήποτε χρονική στιγμή μέσα σε μία καθορισμένη περίοδο

κρατήσεων. Οι συγγραφείς καταλήγουν ότι η διαφορά των δύο μοντέλων έγκειται στο

γεγονός ότι το στατικό μοντέλο χρειάζεται μία εκτίμηση της πιθανής κατανομής της

ζήτησης, ενώ το δυναμικό μοντέλο απαιτεί την γνώση της κατανομής του χρόνου

άφιξης των πελατών, γι΄αυτό και θεωρείται πιο δύσκολο στην πράξη. Ο Belobaba

(1989) ήταν ο πρώτος που ανέπτυξε μια μέθοδο η οποία υπολόγιζε τα επίπεδα

προστασίας και τα όρια των κρατήσεων για περισσότερο από δύο κατηγορίες

κρατήσεων και την ονόμασε Expected Marginal Seat Revenue (EMSR) και

ακολούθησαν αρκετοί τα επόμενα χρόνια (Weatherford 2002). Οι Gosavi, Bandla και

Das (2002) επεξεργάζονται τους παράγοντες ενός ρεαλιστικού μοντέλου για μία μονή

πτήση (single leg) και με τα αριθμητικά τους αποτελέσματα δείχνουν ότι η τεχνική

EMSR έχει υψηλές επιδόσεις και θετικά αποτελέσματα. Αντίθετα οι Demiguel και

Mishra (2006) μελετούν στο άρθρο τους τις πτήσεις με ενδιάμεσους προορισμούς και

προσπαθούν να μοντελοποιήσουν τη ζήτηση χρησιμοποιώντας τέσσερεις

διαφορετικές μεθόδους (Monte-Carlo sampling, principal-component sampling,

moment matching και bootstrapping). Από τα αριθμητικά παραδείγματα καταλήγουν

ότι οι sampling μέθοδοι είναι οι καλύτερες και ότι οι revenue managers που αγνοούν

ότι η ζήτηση είναι αβέβαιη μειώνουν τα κέρδη των εταιριών κατά 1%-2% το χρόνο.

Επίσης και οι Zhang και Cooper (2008) ασχολούνται με τις πολλαπλές πτήσεις που

υποκατασταθούν τις πτήσεις της ίδιας προέλευσης και προορισμού λαμβάνοντας

υπόψη πάντοτε τις επιλογές των πελατών. Εφάρμοσαν τη μέθοδο pooling heuristics

και τα αποτελέσματα έδειξαν ότι η μέθοδος αυτή είχε καλές επιδόσεις για

προβλήματα στα οποία οι πελάτες είναι ως επί το πλείστον ασταθείς στις προτιμήσεις

σχετικά με τις πτήσεις, αλλά και στις πτήσεις που έχουν την ίδια χωρητικότητα.


46

2.3 Τι είναι το Airline revenue management

Το airline revenue management σύμφωνα με τους Boer, Freling και Piersma (2001)

είναι η προώθηση των σωστών θέσεων στους κατάλληλους πελάτες την κατάλληλη

στιγμή. Όπως ειπώθηκε και στο προηγούμενο κεφάλαιο σχετικά με την ιστορία του

Revenue Management, η διαδικασία αυτή ξεκίνησε από την απελευθέρωση των

αερομεταφορών και την απορύθμιση των τιμών στις ΗΠΑ στα τέλη της δεκαετίας του

1970 (Smith et al. 1992) και έγινε ένα σημαντικό επιχειρηματικό εργαλείο. Οι τιμές

των αεροπορικών εταιριών αναγκάστηκαν να προσαρμοστούν με τις τιμές του

ανταγωνισμού, προσπαθώντας όμως να διατηρήσουν τους πελάτες που ήταν

διατεθειμένοι να πληρώσουν περισσότερα χρήματα. Για αυτό τον λόγο οι εταιρίες

άρχισαν να κατατάσσουν τους πελάτες τους σε διάφορες κατηγορίες με διαφορετικές

τιμές εισιτηρίων η κάθε μία. Τα κριτήρια με βάση τα οποία γινόταν η

κατηγοριοποίηση των πελατών ήταν η χρονική περίοδος της κράτησης, η τιμή του

εισιτηρίου, η χωρητικότητα του αεροσκάφους, η φύση της πτήσης (συνεχόμενη ή με

ενδιάμεσες πτήσεις), η ύπαρξη ή μη ακύρωσης του εισιτηρίου και το χρονοδιάγραμμα

των ανταγωνιστικών πτήσεων (Kuyumcu και Garcia-Diaz 2000).

Με όλες τις διαφορετικές κατηγορίες που δημιουργήθηκαν για την ίδια ποσότητα των

θέσεων, η διαθεσιμότητα των κατηγοριών θα έπρεπε να ελεγθεί για να μη γεμίσει το

αεροπλάνο με επιβάτες που θα είχαν πληρώσει τα λιγότερα χρήματα. Η αεροπορική

εταιρεία πρέπει λοιπόν να τηρεί ένα συγκεκριμένο αριθμό θέσεων στο αποθεματικό

για να μπορεί να ικανοποιήσει την πιθανή ζήτηση μιας θέσεως με υψηλότερη τιμή. Η

τιμή της κάθε θέσης είναι αντιστρόφως ανάλογη με τον αριθμό των θέσεων που

προορίζονται, δηλαδή τα περισσότερα καθίσματα θα πρέπει να επιλέγονται για την

κατηγορία που έχει τη χαμηλότερη τιμή και το αντίστροφο. Επομένως οι αεροπορικές

εταιρίες είναι αναγκασμένες να προσπαθήσουν να ταυτίσουν την προσφορά με την

ζήτηση για να έχουν τα επιθυμητά αποτελέσματα.

Κατά τη διάρκεια της χαμηλής σε ζήτηση περιόδου είναι δύσκολο να είναι πλήρη τα

αεροπλάνα γι’αυτό και οι εταιρίες προσφέρουν χαμηλότερες τιμές εισιτηρίων, ενώ σε

περιόδους υψηλής ζήτησης ανεβάζουν τις τιμές και πολλοί επιβάτες δεν μπορούν να

ταξιδέψουν με τα δρομολόγια που επιθυμούν επειδή έχουν καταλειφθεί ήδη όλες οι


47

θέσεις ή οι τιμές τους είναι απαγορευτικές (Fitzsimmons 2008). Οι μειώσεις των

εισιτηρίων γίνονται επίσης για να αποφευχθεί η μετατόπιση των πελατών οι οποίοι

πληρώνουν περισσότερα χρήματα, στη κατηγορία στην οποία βρίσκονται οι πελάτες

που πληρώνουν λιγότερα. Όλα τα παραπάνω περιγράφουν το πρόβλημα του ελέγχου

της απογραφής των θέσεων (seat inventory control problem) το οποίο προσπαθούν οι

αεροπορικές εταιρίες να λύσουν με τον καλύτερο δυνατό τρόπο χρησιμοποιώντας τη

μέθοδο της διάκρισης των τιμών αλλά και τη μέθοδο του revenue management για να

μεγιστοποιήσουν τα κέρδη τους.

2.4 Δυσκολίες που παρουσιάζονται στο Airline revenue management

Το πρόβλημα του Airline revenue management αφορά την κατανομή των θέσεων του

αεροπλάνου με βάση τη ζήτηση, η οποία θα πρέπει να γίνει πριν την αναχώρηση της

πτήσης. Ο στόχος του είναι να βρεθεί ο σωστός συνδυασμός των επιβατών της κάθε

πτήσης έτσι ώστε να μεγιστοποιηθεί το κέρδος. Το προϊόν (θέση του αεροσκάφους)

στις αεροπορικές εταιρίες έχει φθαρτή φύση, επειδή η αξία του μηδενίζεται όταν δεν

έχει πουληθεί στο τέλος της περιόδου κράτησης, η οποία αρχίζει όταν η πτήση

ανοίγει και ολοκληρώνεται όταν το αεροπλάνο απογειωθεί (Gosavi et al. 2007).

Η επιθυμητή κατανομή των θέσεων θα πρέπει να συνοδεύεται από μία μέθοδο που θα

μπορεί να καθορίζει αν θα γίνει δεκτή ή όχι μία αίτηση κράτησης. Είναι πολύ πιθανόν

σε μία συγκεκριμένη χρονική περίοδο να απορριφθεί μία αίτηση κράτησης για να

γίνει δεκτή μία άλλη ενός διαφορετικού πελάτη σε μία επόμενη χρονική περίοδο. Και

τα πράγματα περιπλέκονται περισσότερο, όταν ένας επιβάτης χρησιμοποιεί πτήσεις

με ανταπόκριση για να φτάσει στον προορισμό του. Αυτό έχει σαν αποτέλεσμα να

ανταγωνίζονται μεταξύ τους οι επιβάτες, γιατί οι αεροπορικές εταιρίες πρέπει να

συγκρίνουν τα αιτήματα των επιβατών και να αποφασίσουν ποιος πελάτης θα τους

δώσει το μεγαλύτερο κέρδος. Από τα παραπάνω συμπεραίνουμε ότι οι αεροπορικές

εταιρίες έχουν τρεις μεγάλες δυσκολίες να αντιμετωπίσουν προκειμένου

μεγιστοποιήσουν τα κέρδη τους, οι οποίες είναι η αβέβαιη ζήτηση, η on line

απόφαση και τα δίκτυα των πτήσεων (Tallury και Ryzin 2004b).


48

Αβέβαιη ζήτηση

Η στοχαστική φύση της ζήτησης είναι ένα από τα μεγαλύτερα προβλήματα στο

Airline revenue management. Το πρώτο βήμα που θα μπορούσε να βοηθήσει στην

μείωση της αβεβαιότητας της ζήτησης, είναι η ολοκληρωμένη αντίληψη των

ιστορικών της δεδομένων. Αυτό σημαίνει ότι όλα τα δεδομένα της ζήτησης θα πρέπει

να κατοχυρωθούν και να αποθηκευθούν προσεκτικά για να χρησιμοποιηθούν σε

μελλοντικές αποφάσεις. Στατιστικά εργαλεία θα πρέπει να χρησιμοποιηθούν για να

μοντελοποιήσουν τη ζήτηση και να δημιουργήσουν υποδείγματα κράτησης (booking

patterns) που αφορούν τα διάφορα είδη των πελατών και των εποχικών τάσεων. Σε

ειδικές περιπτώσεις χρειάζεται και η ανθρώπινη συνεργασία, γιατί πολλές φορές δεν

μπορεί να προβλεφθεί η ζήτηση με βάση τα ιστορικά στοιχεία. Έπειτα το δεύτερο

βήμα είναι η εφαρμογή της αβεβαιότητας της ζήτησης στο ίδιο το μοντέλο του

Airline revenue management. Ακόμη και όταν υπάρχει μια ολοκληρωμένη στατιστική

κατανομή για την διακύμανση της ζήτησης, δεν είναι αρκετά εύκολο να εφαρμοστεί

στο μαθηματικό μοντέλο το οποίο είναι ικανό να παρέχει τη μέθοδο της κράτησης

του ελέγχου των εισιτηρίων. Τα περισσότερα μοντέλα που χρησιμοποιούνται

πρακτικά, είναι ντετερμινιστικά μοντέλα στα οποία η ζήτηση μπορεί να

αντικατασταθεί με ένα σημείο εκτίμησης της ζήτησης. Κάποια μοντέλα που

προτάθηκαν για να μπορούν να συμπεριλάβουν περισσότερα από μια εκτίμηση της

ζήτησης είναι τα στοχαστικά μοντέλα προγραμματισμού και τεχνικών προσομοίωσης

(Tallury και Ryzin 2004). Επίσης οι αεροπορικές εταιρίες θα πρέπει να κρατάνε

στοιχεία και από εξωτερικούς παράγοντες, όπως οι οικονομικές καταστάσεις, οι

τιμολογιακές πολιτικές των ανταγωνιστών, ο καιρός και ειδικές περιπτώσεις που

μπορούν να επηρεάσουν την ζήτηση (Parker Gary 2004).

On line απόφαση

Το αίτημα της κράτησης το οποίο έρχεται σταδιακά κατά την περίοδο της κράτησης,

οδηγεί την αεροπορική εταιρία να αποφασίσει άμεσα για το αν θα πρέπει να το

αποδεχτεί ή όχι. Για να μπορέσει μια αεροπορική εταιρία να προβεί στην απόφαση

αυτή, θα πρέπει να χρησιμοποιήσει την on line πολιτική ελέγχου των κρατήσεων. Το

σημαντικό σε αυτή την πολιτική είναι ότι έχει στη διάθεσή της τις τρέχουσες


49

πληροφορίες των κρατήσεων. Όταν μία θέση έχει πωληθεί το σύστημα των

κρατήσεων θα πρέπει να είναι ικανό να το αναγνωρίζει κατευθείαν. Συγχρόνως τα

εισιτήρια τα οποία αφορούν πολλούς διαφορετικούς προορισμούς, θα πρέπει να

κατατάσσονται σε ένα κεντρικό σύστημα κρατήσεων το Central Reservation System

(CRS), το οποίο περιέχει όλα τα στοιχεία των πωλήσεων τα οποία είναι απαραίτητα

για να μπορεί η πολιτική του ελέγχου να είναι ενημερωμένη.

Μία σωστή πολιτική ελέγχου θα πρέπει συνεχώς να αναπροσαρμόζεται σύμφωνα με

την πρόσφατη απογραφή, την πρόβλεψη της ζήτησης και την ώρα της

αναχώρησης. Ωστόσο ένα τέτοιο πλήρες δυναμικό μοντέλο (dynamic model) δεν

μπορεί να είναι εφικτό λόγω του χρόνου υπολογισμού που μεσολαβεί. Τα

περισσότερα μοντέλα που χρησιμοποιούνται είναι τα στατικά (static model), τα οποία

δημιουργούν μία επιθυμητή κατανομή των θέσεων σε ένα συγκεκριμένο χρονικό

σημείο, το οποίο είναι συνήθως στην αρχή της χρονικής περιόδου με βάση την

πρόβλεψη της ζήτησης στο σημείο αυτό. Τα μοντέλα αυτά συνήθως προσαρμόζονται

κατά τη διάρκεια της περιόδου των κρατήσεων ανάλογα με τις καταστάσεις (Tallury

και Ryzin 2004a).

Δίκτυα Πτήσεων

Πολλές αεροπορικές εταιρίες διαθέτουν ένα μεγάλο δίκτυο πτήσεων και αυτό γιατί

ένας επιβάτης μπορεί να χρησιμοποιήσει πτήσεις με ανταπόκριση προκειμένου να

φτάσει στον προορισμό του. Παραδείγματος χάριν, μπορεί ένας πελάτης που

ταξιδεύει από το μέρος Α στο μέρος C να χρησιμοποιήσει πτήσεις από το Α στο Β και

από το Β στο C. Αν κάθε μια πτήση θεωρείται ξεχωριστή, μπορεί αυτός ο πελάτης να

απορριφθεί σε μια από τις δύο πτήσεις και να προτιμηθεί ένας άλλος ο οποίος θα

πληρώσει περισσότερο για τη ίδια διαδρομή. Όμως η απόρριψη αυτού του αιτήματος

μπορεί να οδηγήσει την εταιρία να χάσει το κέρδος από την άλλη πτήση. Εάν η θέση

της άλλης πτήσης παραμείνει απούλητη θα ήταν πιο επικερδές να δεχθεί τον πελάτη

και να εισπράξει το κέρδος του και από τις δύο αυτές πτήσεις. Επίσης μπορεί να

υπάρχουν και άλλοι συνδυασμοί με περισσότερες ενδιάμεσες πτήσεις και το σύστημα

να γίνει πιο περίπλοκο, γι’αυτό θα πρέπει το δίκτυο των πτήσεων να έχει

ολοκληρωμένη μορφή για να μπορέσουν όλοι οι επιβάτες να συγκριθούν μεταξύ τους


50

και να παρθούν οι σωστές για την αεροπορική εταιρία αποφάσεις. Συγχρόνως θα

πρέπει η εταιρία να καθορίζει και τον σωστό χρόνο των ενδιάμεσων πτήσεων, έτσι

ώστε να μην υπάρχει μεγάλη διαφορά μεταξύ τους και να μην περιμένουν οι πελάτες

στο αεροδρόμιο για μεγάλο χρονικό διάστημα ή να μην προλαβαίνουν τις επόμενες

πτήσεις τους (Tallury και Ryzin 2004a).

Εκπαίδευση του προσωπικού

Όμως οι αεροπορικές εταιρίες αντιμετωπίζουν και θέματα που σχετίζονται με το

προσωπικό τους και τον τρόπο που θα δεχτούν τη μέθοδο αυτή. Για να μπορέσει να

εφαρμοστεί σωστά θα πρέπει οι υπάλληλοι να εκπαιδευτούν κατάλληλα. Θα πρέπει

να αντιληφθούν ποιος είναι ο σκοπό της μεθόδου του revenue management, το πώς

λειτουργεί και το πώς θα πρέπει να καθορίσουν την εργασία τους. Επίσης θα πρέπει

να δείξουν αφοσίωση στο σύστημα και να πιστέψουν ότι θα τους βοηθήσει να

εργαστούν σωστά και να έχουν θετικά αποτελέσματα. Με λίγα λόγια θα πρέπει να

αντιληφθούν όλοι οι εργαζόμενοι, ότι το revenue management είναι σημαντικό για

την επιτυχία της ξενοδοχειακής επιχείρησης (Kimes 1989a).

Με την κατάλληλη εκπαίδευση και την αφοσίωσή του όπως αναφερθήκαμε κα

παραπάνω, οι εργαζόμενοι θα μπορέσουν να διαχειριστούν τις συχνές παρεξηγήσεις

των πελατών τους. Η διαφοροποίηση των τιμών των εισιτηρίων της κάθε πτήσεις

και η πολιτική του overbooking για την οποία θα μιλήσουμε παρακάτω προκαλούν

αρνητικές αντιδράσεις προς την εκάστοτε εταιρία. Το προσωπικό θα πρέπει να έχει

τις ικανότητες να διαχειρίζεται τέτοιες καταστάσεις και να παρουσιάζει στους

δυσαρεστημένους πελάτες τα οφέλη που μπορούν να έχουν από τη μέθοδο αυτή.

2.5 Θέματα και μέθοδοι του Airline revenue management

Οι αεροπορικές εταιρίες όπως αναφέραμε και παραπάνω προσπαθούν να λύσουν το

πρόβλημα του ελέγχου της απογραφής των θέσεων (seat inventory control problem)

με τον καλύτερο δυνατό τρόπο χρησιμοποιώντας τη μέθοδο του revenue

management για να μεγιστοποιήσουν τα κέρδη τους. Η μέθοδος του revenue

management στις αεροπορικές εταιρίες περιλαμβάνει τους τομείς pricing-τιμολόγηση,


51

overbooking και demand forecasting που τη χρησιμεύουν σε ενδεχόμενες αποφάσεις

που θα πρέπει να πάρει (Modarres and Sharifyazdi 2007, Kuyumcu and Garcia-Diaz

2000). Σε αυτή την ενότητα θα μελετήσουμε τους τρεις αυτούς τομείς που

σχετίζονται άμεσα με το revenue management.

Pricing-Τιμολόγηση

Η σημαντικότητα της τιμολόγησης στη μέθοδο του revenue management είναι

εκτεταμένη. Η ύπαρξη των διαφορετικών κατηγοριών τιμών είναι το σημείο

εκκίνησης των στρατηγικών της μεθόδου αυτής. Η στρατηγική των τιμών είναι

προσανατολισμένη στην αγορά και τις ανάγκες των διαφορετικών αγοραστικών

τμημάτων. Οι στρατηγικές του μάρκετινγκ και της λήψης των αποφάσεων την

βοηθούν γενικά να επιτύχει τη σωστή ταυτοποίηση των τιμών και των πελατών.

Πολλές φορές όμως οι τιμές που ικανοποιούν το κοινό δεν αντικατοπτρίζουν πάντοτε

το περιθώριο κέρδους των αεροπορικών εταιριών για το κάθε εισιτήριο. Η πώληση

των εισιτηρίων για παράδειγμα μέσω του διαδικτύου γενικά δημιουργεί μεγαλύτερο

κέρδος για τις εταιρίες παρά η πώληση από πράκτορες. Επειδή όμως είναι δύσκολο

να χρησιμοποιηθεί το πραγματικό περιθώριο που παράγεται από μια αίτηση

κράτησης μέσω της διαδικασίας του διαδικτύου, η τιμή του εισιτηρίου που σχετίζεται

με την κατηγορία των επιβατών προσαρμόζεται συχνά για να αντανακλά το μέσω

περιθώριο που δημιουργείται από τη διαφορετική κατηγορία πάνω στα διάφορα

κανάλια πωλήσεων.

Μία στρατηγική που εφαρμόζουν οι αεροπορικές εταιρίες είναι η dynamic pricing, με

την οποία αλλάζουν τις τιμές των εισιτηρίων συνεχώς και μπορούν με αυτό τον τρόπο

να ελέγξουν τις καθημερινές πωλήσεις τους. Υπάρχει μία φυσική αντίθεση ανάμεσα

στην ποσότητα και στις τιμές με βάση τον έλεγχο των πωλήσεων. Σε αυτή την

περίπτωση κλείνοντας την κατηγορία με τα φθηνότερα εισιτήρια μπορεί να

ερμηνευθεί ως αύξηση της τιμής, ενώ ανοίγοντας την σημαίνει μείωση της τιμής. Η

παραπάνω στρατηγική χρησιμοποιείται από τις αεροπορικές εταιρίες χαμηλού

κόστους όπως η easyJet που δεν χρησιμοποιεί την προκαθορισμένη δομή των τιμών,

αλλά αντίθετα αλλάζει τις τιμές της συνεχώς (Yeoman και Mchon-Beattie 2004).


52

Overbooking

Έχει παρατηρηθεί το γεγονός ότι πολλές φορές αρκετοί από τους πελάτες δεν είναι

συνεπείς απέναντι στις κρατήσεις που κάνουν, είτε γιατί δεν εμφανίζονται, είτε γιατί

τις ακυρώνουν την τελευταία στιγμή, είτε γιατί δεν προλαβαίνουν λόγω των

καθυστερήσεων που δημιουργούνται στις διάφορες πτήσεις με ανταπόκριση. Αυτό

έχει σαν αποτέλεσμα οι αεροπορικές εταιρίες να έχουν πολλές κενές θέσεις στις

πτήσεις τους, γι΄αυτό και οδηγήθηκαν στις τακτικές του overbooking.

Το overbooking είναι μια διαδικασία κατά την οποία η εταιρία με βάση τα ιστορικά

στοιχεία που διαθέτει, παρέχει σε συγκεκριμένες περιόδους στους πελάτες της

περισσότερα εισιτήρια από αυτά που πραγματικά έχει στη διάθεσή της. Δηλαδή

προωθεί σε περισσότερους πελάτες εισιτήρια από αυτά που έχει στο ενεργητικό της.

Παίρνοντας αυτό το ρίσκο, καταφέρνει να χρεώσει κανονικά όλους της τους πελάτες,

και να λάβει και την αποζημίωση από αυτούς που δεν θα εμφανισθούν (no-shows). Σε

περίπτωση όμως που ο αριθμός του overbooking δεν είναι ίδιος με αυτόν των no-

shows, η επιχείρηση μένει εκτεθειμένη στους πελάτες που δεν μπορεί να

εξυπηρετήσει, με αποτέλεσμα να είναι «αναγκασμένη» να τους διαθέσει εισιτήρια για

επόμενες πτήσεις παίρνοντας το ρίσκο να χάσει την εμπιστοσύνη των πελατών της.

Έχει όμως διαπιστωθεί ότι η μέθοδος αυτή συντελεί στη αύξηση των κερδών των

αεροπορικών εταιριών και στην παροχή περισσότερων επιλογών στους ταξιδιώτες

(Fitzsimmons 2008). Η χρονική περίοδος που αρχίζει να εφαρμόζεται η πολιτική του

overbooking είναι έξι μήνες πριν τα απογείωση της συγκεκριμένης πτήσης και χρόνο

με το χρόνο μειώνεται ο αριθμός των υπεράριθμων όταν πλησιάσει η περίοδος της

αναχώρησης (Fitzsimmons 2008). Θα πρέπει λοιπόν η αεροπορική εταιρία να

καθορίσει το βέλτιστο overbooking όριο, έτσι ώστε να είναι γνωστός ο αριθμός

θέσεων που θα πωληθούν μαζί με τις ακυρώσεις και τις μη εμφανίσεις (Zaki 2000).

Η στάση του κοινού στην πολιτική του overbooking είναι τις περισσότερες φορές

αρνητική. Πολλοί την θεωρούν σαν μια «πολιτική εκμετάλλευσης» ή και ασέβειας

στον πελάτη. Είναι σημαντικό οι αεροπορικές εταιρίες να εκπαιδεύουν σωστά το

προσωπικό τους για να μπορέσουν να ελαχιστοποιηθούν οι δυσκολίες που

δημιουργούνται συχνά από τους δυσαρεστημένους πελάτες, αλλά και να διαθέτουν


53

συστήματα που να ενισχύουν και να υποστηρίζουν τις λειτουργίες του overbooking,

(Kimes et al. 2003). Τα συστατικά που θα πρέπει να έχει ένα σύστημα overbooking

για να μπορέσει να αποδώσει σωστά είναι:

Να ενημερώνει το προσωπικό που έρχεται σε άμεση επαφή με τους πελάτες

και μετέπειτα και τους ίδιους τους πελάτες που βρίσκονται στη δύσκολη

αυτή θέση για τις παροχές που μπορεί να αποκτήσουν εφόσον δεν μπορούν

να χρησιμοποιήσουν τη συγκεκριμένη πτήση (δωρεάν εισιτήρια ή διαμονή

σε πολυτελή ξενοδοχεία) .

Να δίνει την επιλογή στους πελάτες να αλλάζουν την πτήση τους εθελοντικά

αν είναι δυνατόν. Υπάρχουν πελάτες που είναι διατεθειμένοι να μεταφέρουν

την ώρα της πτήσης τους εφόσον αποζημιωθούν για την ταλαιπωρία.

Να προειδοποιεί για την μετατόπιση που θα συμβεί έτσι ώστε οι πελάτες να

μπορούν να έχουν εναλλακτικές λύσεις στη διάθεσή τους, ή ακόμη καλύτερα

η ίδια η εταιρία να μπορεί να τους δώσει τις εναλλακτικές αυτές ρυθμίσεις.

Demand forecasting

Ο καθορισμός του επιπέδου της συνολικής ποσότητας των θέσεων που θα

κατανεμηθεί σε κάθε κατηγορία πελατών εξαρτάται άμεσα από την πρόβλεψη της

ζήτησης. Εάν ο αριθμός των πελατών που είναι διατεθειμένοι να πληρώσουν

περισσότερο είναι υπερεκτιμημένος, αυτό θα έχει σαν αποτέλεσμα το αεροπλάνο να

έχει άδειες θέσεις, ενώ αντίθετα όταν αυτός ο αριθμός των πελατών είναι

υποτιμημένος δημιουργούνται πολλές θέσεις πελατών που πληρώνουν μικρότερη

τιμή. Οι αεροπορικές εταιρίες χρειάζονται διάφορα είδη πρόβλεψης ζήτησης. Πέρα

από τον αριθμό των πελατών, χρειάζονται τον αριθμό των ακυρώσεων, τον αριθμό

των επιβατών που δεν εμφανίστηκαν στην πτήση, αλλά και τους παράγοντες της

κράτησης (booking patterns) από τα διάφορα είδη των επιβατών. Σύμφωνα με τους

James και Mona Fitzsimmons (2008) όπως αναφερθήκαμε και στην ενότητα 1.1.2

ένας yield management analyst με βάση τα ιστορικά στοιχεία των πελατών που

διαθέτει καταλήγει ότι τα δύο είδη πελατών έχουν σημαντικές διαφορές στον τομέα


54

της πρόβλεψης της ζήτησης και αυτό γιατί οι αιτήσεις για κράτηση των ακριβών

εισιτηρίων έρχονται αργά, γιατί οι business passengers αποφασίζουν να ταξιδέψουν

σε σύντομο χρονικό διάστημα και είναι πιο ελαστικοί ως προς την τιμή, ενώ οι leisure

passengers είναι πιο ελαστικοί ως την ημερομηνία και συνήθως αποφασίσουν το

ταξίδι τους αρκετό καιρό πριν. Τα περισσότερα forecasting συστήματα του revenue

management υποθέτουν ότι ένα ή και περισσότερα χαρακτηριστικά από τα ιστορικά

στοιχεία επαναλαμβάνονται στο μέλλον. Θα πρέπει λοιπόν οι αεροπορικές εταιρίες να

καθορίσουν μετά από το όριο του overbooking, τον αριθμό των θέσεων που θα

διαθέτουν στους πελάτες που θα πληρώνουν τα εισιτήρια σε πιο ακριβή τιμή, αλλά

και αυτούς που επιθυμούν να πληρώνουν μικρότερη τιμή (Zaki 2000).

2.6 Booking control policies

Πριν μελετήσουμε τα μαθηματικά μοντέλα που χρησιμοποιούνται στο airline revenue

management, θα αναφερθούμε πρώτα στα είδη του ελέγχου των κρατήσεων (booking

control) που χρησιμοποιούνται για να μετατρέψουν τα μοντέλα σε πρακτικές on-line

πολιτικές (practical on-line policies). Ο σκοπός της μεθόδου ελέγχου των κρατήσεων

είναι η απόκτηση του σωστού συνδυασμού πελατών που θα μεγιστοποιήσει τα κέρδη.

Υπάρχουν δύο προσεγγίσεις για το πρόβλημα αυτό, η πρώτη είναι να προκαθοριστεί

η επιθυμητή ανάθεση των θέσεων σε όλα τα είδη των πελατών και η δεύτερη είναι να

υπολογιστεί η αξία της κάθε θέσης που θα πωληθεί. Οι δύο αυτές πολιτικές είχαν σαν

αποτέλεσμα τη δημιουργία δύο πολιτικών που χρησιμοποιούνται ευρέως από τις

αεροπορικές εταιρίες: τις booking limits και bid-prices.

2.6.1 Booking limits

Η μέθοδος Booking-limit control καθορίζει τον αριθμό των πελατών σε κάθε

κατηγορία. Η διαδικασία εφαρμόζεται από την αρχή της διαδικασίας των κρατήσεων

και βασίζεται στην πρόβλεψη της ζήτησης εκείνης της περιόδου. Παραδείγματος

χάριν αν το όριο της κατηγορίας Β είναι 18 επιβάτες, τότε ο αριθμός των πελατών

που θα γίνει δεκτός είναι μέχρι 18 (Tallury και Ryzin 2004a). Το νούμερο 18 μπορεί

να είναι μικρότερο από την χωρητικότητα ταυ αεροπλάνου και αυτό γιατί πρέπει να

προστατευθεί η χωρητικότητα για τους πελάτες της Α κατηγορίας. Με αυτό τον


55

τρόπο ο συνολικός αριθμός των θέσεων μπορεί να κατανεμηθεί σε διάφορες

κατηγορίες τιμών για να καθοριστεί ο επιθυμητός συνδυασμός των πελατών. Οι

αιτήσεις των κρατήσεων θα πρέπει να γίνονται δεκτές εφόσον το όριο της κράτησης

δεν έχει επιτευχθεί. Συγχρόνως με την μέθοδο αυτή χρησιμοποιείται και η μέθοδος

που υπολογίζει τα επίπεδα προστασίας (protection level policy) κατά την οποία ένα

συγκεκριμένο τμήμα των θέσεων προστατεύεται για κάθε κατηγορία τιμών. Τα όρια

της κράτησης (booking limits) και τα επίπεδα προστασίας (protection levels),

διχοτομούν τον συνολικό αριθμό των θέσεων σε διαφορετικές κατηγορίες πελατών

και είναι ουσιαστικά ισοδύναμα.

Το πρόβλημα της διευκρίνησης του διαχωρισμού των θέσεων είναι σημαντικό, γιατί η

ζήτηση μπορεί να διαφέρει από αυτή που έχει υπολογιστεί. Λαμβάνοντας υπόψη το

γεγονός ότι αν υπάρξουν περισσότερες κρατήσεις εισιτηρίων με υψηλές τιμές απ’ ότι

έχουν υπολογιστεί, δεν θα είναι ωφέλιμο για την εταιρία να καθορίσει το όριο

κράτησης για αυτές. Στην πραγματικότητα, όποτε εμφανιστεί αίτημα για κράτηση

θέσεων με υψηλές τιμές εισιτηρίων και υπάρχουν κενές θέσεις πρέπει πάντοτε να

γίνεται δεκτό. Επομένως τα όρια της κράτησης (και τα επίπεδα προστασίας)

ομαδοποιούνται (Harris και Pinder 1995). Τα ομαδοποιημένα όρια της κράτησης

(nested booking limits) οριοθετούν την διαθεσιμότητα των θέσεων με ιεραρχικό

τρόπο. Αυτό σημαίνει ότι οποιαδήποτε κράτηση στην οποία τα όρια έχουν επιτευχθεί,

μπορεί έπειτα να αξιοποιήσει τις χαμηλότερες σε αξία θέσεις κρατήσεων. Με αυτόν

τον τρόπο τα ομαδοποιημένα όρια της κράτησης για την κατηγορία με τα ακριβότερα

εισιτήρια είναι ίσα σε ολόκληρη την χωρητικότητα του αεροπλάνου (Tallury και

Ryzin 2004a). Τα ομαδοποιημένα όρια της κράτησης για την δεύτερη σε τιμή

κατηγορία είναι ίσα σε ολόκληρη την χωρητικότητα του αεροπλάνου μείον τα

ομαδοποιημένα όρια της κράτησης για την κατηγορία με τα ακριβότερα εισιτήρια και

ούτω καθεξής.

2.6.2 Βid-prices

Η μέθοδος των τιμών προσφοράς (Βid-prices) καθορίζει μία τιμή προσφοράς για

κάθε πτήση η οποία είναι η μικρότερη δυνατή (Tallury και Ryzin 2004a). Με αυτόν

το τρόπο προσδιορίζεται η ελάχιστη αξία της κάθε θέσης που μπορεί να πωληθεί σε


56

ένα συγκεκριμένο σημείο. Το αίτημα της κράτησης γίνεται δεκτό μόνο όταν η αξία

των εισιτηρίων της είναι μεγαλύτερη από το άθροισμα των τιμών προσφοράς (bid

prices) των πτήσεων που χρησιμοποιεί. Τυπικά η αξία της τιμής προσφοράς

εξαρτάται από τη χωρητικότητα που έχει απομείνει, τον χρόνο και την πρόβλεψη της

ζήτησης. Κατά κάποιον τρόπο η μέθοδος αυτή είναι πιο απλή στην εφαρμογή από τη

μέθοδο των ορίων κράτησης (booking limits), γιατί σε αυτή υπολογίζεται μία

ελάχιστη τιμή για κάθε πτήση, ενώ η μέθοδος των ορίων είναι βασισμένη στις

κατηγορίες των εισιτηρίων. Αυτό σημαίνει ότι ένα όριο κράτησης (booking limit) θα

πρέπει να αποθηκευθεί για κάθε είδος κράτησης, τα οποία είναι αρκετά για κάθε

πτήση.

Ένα μειονέκτημα της μεθόδου αυτής είναι ότι δεν παρέχει μία βέλτιστη λύση.

Αποδίδει σωστά μόνο όταν αναβαθμίζεται συνεχώς. Εάν μία τιμή προσφοράς

διατηρείται για μεγάλο χρονικό διάστημα σημαίνει ότι κανένα αίτημα δεν έχει γίνει

δεκτό για κάθε μία κατηγορία ναύλων που είναι μικρότερη από την τιμή προσφοράς.

Παρόμοια, δεν περιορίζει τον αριθμό των αιτημάτων κράτησης με τιμές μεγαλύτερες

από την τιμή προσφοράς που έχει καθοριστεί. Αυτό έχει σαν αποτέλεσμα να γίνονται

δεκτές αιτήσεις που ξεπερνούν ελάχιστα την τιμή προσφοράς και να γεμίζουν με αυτό

τον τρόπο τα αεροπλάνα με θέσεις οι οποίες δεν μεγιστοποιούν το κέρδος των

αεροπορικών εταιριών. Επομένως η αεροπορική εταιρία καταλήγει να μην διαθέτει

θέσεις για τα μεγαλύτερα σε τιμή αιτήματα. Ωστόσο, εάν η μέθοδος

αναπροσαρμόζεται συνεχώς μπορεί να ανοίγει ή να κλείνει τις κατηγορίες των

ναύλων για αιτήματα αυξάνοντας ή μειώνοντας την τιμή προσφοράς και με αυτό τον

τρόπο να εξαλείφεται το μειονέκτημα της και να επιτυγχάνεται ο στόχος τους ( Boer

et al. 2001 και Talluri και Ryzin 1998).

Συγχρόνως ένα πιθανό πλεονέκτημα αυτής της μεθόδου είναι η ικανότητά της να

ξεχωρίζει τα αιτήματα των κρατήσεων με βάση το κόστος και όχι με βάση την

κατηγορία. Συχνά μια σειρά από εισιτήρια με διαφορετικές τιμές κρατούνται σε μία

και μοναδική κατηγορία και το σύστημα του Revenue Management χρησιμοποιεί μία

μέση τιμή για την τιμή της κάθε κατηγορίας. Ωστόσο, αν υπάρχουν διαθέσιμες

πληροφορίες για τα πραγματικά έσοδα της κάθε αίτησης κράτησης, τότε η μέθοδος

ελέγχου των τιμών μπορεί να δεχθεί μόνο τα υψηλότερα σε έσοδα αιτήματα για την


57

κάθε κατηγορία. Αντίθετα η μέθοδος με βάση την ονομασία της κατηγορίας μπορεί

απλώς μόνο να αποδεχθεί ή να απορρίψει όλα τα αιτήματα της κάθε κατηγορίας. Εάν

όμως δεν υπάρχουν οι πληροφορίες για τα ακριβή έσοδα κατά τη στιγμή της

κράτησης, τότε αυτό πλεονέκτημα δεν μπορεί να ισχύσει (Talluri και Ryzin 1998).

2.7 Μοντέλα πτήσεων προς ένα προορισμό (single flight models)

Σε αυτή την ενότητα θα γίνει η περιγραφή των μαθηματικών μοντέλων που

παρουσιάζονται στη βιβλιογραφία του προβλήματος του revenue management και

αφορούν τις πτήσεις προς ένα προορισμό. Παρόλο που τα περισσότερα μοντέλα

κατανομής των θέσεων (seat allocation problems) των αεροπορικών εταιριών

βασίζονται σε δίκτυα πτήσεων, τα μοντέλα των πτήσεων προς ένα προορισμό

διατηρούν σημαντικό ρόλο. Πρώτον διότι τα μοντέλα δικτύων είναι αρκετά δύσκολα

να λυθούν και επίσης υπάρχουν αεροπορικές εταιρίες (συνήθως Ευρωπαϊκές που

έχουν πτήσεις charter) οι οποίες ασχολούνται με πτήσεις που έχουν ένα προορισμό

( Birbil et al. 2007). Τα μοντέλα αυτά διαχωρίζονται σε δύο κατηγορίες: το στατικό

(static) και το δυναμικό (dynamic). Στην ενότητα 2.4.1 θα γίνει η περιγραφή του

στατικού μοντέλου και στην ενότητα 2.4.2 του δυναμικού μοντέλου.

2.7.1 Στατικό μοντέλο

Το στατικό μοντέλο (static model) ασχολείται με τον προσδιορισμό του ορίου των

κρατήσεων (booking limits) για κάθε κατηγορία τιμών εισιτηρίων (Lautenbacher και

Stidham 1999). Το μοντέλο αυτό υποθέτει ότι η ζήτηση για κάθε κατηγορία

κράτησης είναι διαδοχική δηλαδή δεν συμπίπτει χρονικά και γι’ αυτό το λόγο

χρησιμοποιείται σαν σύνολο ( de Boer et al. 2001). Η υπόθεση ότι τα διαστήματα δεν

συμπίπτουν χρονικά είναι μια λογική προσέγγιση γιατί στην αγορά των αεροπορικών

εισιτηρίων η ζήτηση για τα φτηνότερα εισιτήρια προηγείται από τη ζήτηση για τα

ακριβότερα. Επιπλέον τα βέλτιστα αποτελέσματα που προκύπτουν από το μοντέλο

μπορούν να εφαρμοστούν ακόμη και εκεί όπου η ζήτηση εμφανίζεται με αυθαίρετη

σειρά. Επίσης η πολιτική ελέγχου των κρατήσεων (booking control policy) είναι

σταθερή κατά τη διάρκεια των κρατήσεων και δεν υιοθετεί απρόσμενες εξελίξεις της

ζήτησης ( de Boer et al. 2001).


58

Όπως ειπώθηκε και προηγουμένως η ζήτηση της κράτησης για την κάθε κατηγορία

υποτίθεται ότι ισχύει για ένα συνεχόμενο τμήμα του χρόνου. Στην περίπτωση αυτή η

περίοδος κράτησης μπορεί να χωρίζεται σε περιόδους με αιτήσεις κρατήσεων που

ανήκουν στην ίδια κατηγορία τιμών (Lautenbacher και Stidham 1999). Κατά τη

χρονική αυτή στιγμή που συνολικός αριθμός των αιτήσεων, δηλαδή της συνολικής

ζήτησης της κάθε κατηγορίας των κρατήσεων είναι γνωστός, πρέπει να προσδιοριστεί

ο αριθμός των αιτήσεων που θα εγκριθούν ώστε να μεγιστοποιηθούν τα αναμενόμενα

έσοδα από αυτή την πτήση.

Επιπρόσθετα, στο στατικό μοντέλο γίνονται συχνά υποθέσεις ότι τα αιτήματα των

πελατών για τα εισιτήρια φθάνουν σε αύξοντα αριθμό σε σχέση με την τιμή, ενώ δεν

συμπεριλαμβάνεται η διαδικασία του overbooking, ούτε υπάρχουν ακυρώσεις

(cancelations), ούτε μη εμφανίσεις (no-shows) και η ζήτηση είναι ανεξάρτητη των

ελέγχων.

Παρόλο που η απλούστευση ότι οι πελάτες φτάνουν με αύξουσα σειρά τιμών

φαίνεται πολύ περιοριστικό εκ πρώτης όψεως, το στατικό μοντέλο είναι το πιο

διαδεδομένο που εφαρμόζεται στην πράξη. Πρώτον, προσφέρονται εκπτώσεις που

είναι συνήθως σε συνδυασμό με τον περιορισμό της αγοράς των εισιτηρίων πριν από

αρκετές εβδομάδες, ενώ όταν οι πελάτες ζητούν καθυστερημένα να αγοράσουν

εισιτήρια πρέπει να πληρώσουν την πλήρη τιμή τους. Δεύτερον, αν υπάρχει ένας

πελάτης ο οποίος έφτασε στο χρονικό διάστημα που είναι υποχρεωμένος να πληρώσει

ακριβό εισιτήριο, δεν θα πρέπει να απορριφθεί το αίτημά του, διότι δεν θα υπάρξει

καλύτερη εναλλακτική λύση η οποία θα είναι διαθέσιμη. Τέλος, λόγω της ύπαρξης

συγκεντρωτικών κατηγοριών κρατήσεων, τα στατικά μοντέλα είναι σχετικά απλά και

απαιτούν λιγότερα δεδομένα από δυναμικά μοντέλα.

Ο Belobaba (1989) ήταν ο πρώτος που ανέπτυξε μια μέθοδο η οποία υπολόγιζε τα

επίπεδα προστασίας και τα όρια των κρατήσεων για περισσότερο από δύο κατηγορίες

κρατήσεων και την ονόμασε Expected Marginal Seat Revenue (EMSR). Η μέθοδος

αυτή υπολογίζει τα όρια των κρατήσεων και τα επίπεδα προστασίας με βάση την

πιθανολογική φύση της μελλοντικής ζήτησης της κάθε πτήσης. Έπειτα ο Belobaba

ανέπτυξε μια τροποποιημένη έκδοση της


59

αρχικής EMSR μεθόδου, η οποία ήταν πιο κοντά στην αρχική προσέγγιση

των χαρακτηριστικών και των ιδανικών συνθηκών για τις κατηγορίες κρατήσεων.

Αυτό το αναθεωρημένο μοντέλο είναι γνωστό ως EMSRb heuristic μοντέλο και η

αρχική έκδοση του μοντέλου του Belobaba αναφέρεται πλέον ως EMSRa heuristic.

Το μοντέλο EMSRa κάνει τους υπολογισμούς των ορίων και των επιπέδων για κάθε

ζεύγος κατηγοριών των τιμών με φθίνουσα σειρά εσόδων, ενώ το μοντέλο EMSRb

υπολογίζει τα κοινά επίπεδα προστασίας για όλες τις κατηγορίες των υψηλών τιμών

που σχετίζονται με κάθε κατηγορία που έχει χαμηλή τιμή (Weatherford και Belobaba

2002).

2.7.2 Δυναμικό μοντέλο

Το δυναμικό μοντέλο (dynamic model) ασχολείται με την κάθε αίτηση κράτησης σε

ένα συγκεκριμένο χρόνο (Lautenbacher και Stidham 1999). Τα αιτήματα των

κρατήσεων έρχονται σε οποιαδήποτε χρονική στιγμή μέσα σε μία καθορισμένη

περίοδο κρατήσεων. Επομένως το δυναμικό μοντέλο δεν υιοθετεί την υπόθεση ότι η

ζήτηση για την κάθε κατηγορία τιμών αρχίζει από τα εισιτήρια με την μικρότερη τιμή

και καταλήγει σε αυτά με την μεγαλύτερη τιμή (Stidham and Lautenbacher 1999). Το

μειονέκτημα του μοντέλου αυτού είναι ότι χρησιμοποιεί την υπόθεση ότι οι αφήξεις

των πελατών γίνονται σύμφωνα με την Markovian διαδικασία (κατά την οποία πρέπει

να υπολογίζεται ο τρόπος διεξαγωγής των αφίξεων, ο οποίος πολλές φορές είναι

δύσκολος να υπολογιστεί). Συγχρόνως η ζήτηση είναι ανεξάρτητη μεταξύ των

διάφορων κατηγοριών των τιμών και του χρόνου (Talluri and Ruzin 2004).

Επίσης το μοντέλο αυτό υπολογίζει το κόστος ευκαιρίας της θέσης σε οποιοδήποτε

χρονικό διάστημα ανάλογα με την χωρητικότητα που υπάρχει, τον χρόνο και τις

προσδοκίες της ζήτησης και μπορεί να θεωρηθεί σαν τη μέθοδο των τιμών

προσφοράς (Βid-prices) κατά την οποία κάθε τιμή προσφοράς επαναπροσδιορίζεται

όταν παρουσιάζεται ένα αίτημα κράτησης. Η διαφορά των δύο μοντέλων έγκειται στο

γεγονός ότι το στατικό μοντέλο χρειάζεται μία εκτίμηση της πιθανής κατανομής της

ζήτησης, ενώ το δυναμικό μοντέλο απαιτεί την γνώση της κατανομής του χρόνου

άφιξης των πελατών.


60

2.8 Μοντέλα πτήσεων προς πολλούς προορισμούς

Όπως αναφέραμε και σε προηγούμενη ενότητα (2.4) πολλές αεροπορικές εταιρίες

διαθέτουν ένα μεγάλο δίκτυο πτήσεων και αυτό γιατί ένας επιβάτης μπορεί να

χρησιμοποιήσει πτήσεις με ανταπόκριση προκειμένου να φτάσει στον προορισμό του.

Αυτό όμως δημιουργεί το πρόβλημα της σύγκρισης των αιτημάτων των κρατήσεων

των πελατών για προορισμούς που χρησιμοποιούν διαφορετικές πτήσεις. Θα πρέπει

λοιπόν το δίκτυο των πτήσεων της κάθε αεροπορικής εταιρίας να έχει ολοκληρωμένη

μορφή για να γίνεται συνεχώς σύγκριση όλων των επιβατών μεταξύ τους. Με αυτό

τον τρόπο οι εταιρίες είναι ικανές να αποφασίζουν σωστά και να έχουν θετικά

αποτελέσματα στα κέρδη τους. Συγχρόνως θα πρέπει η εταιρία να καθορίζει και τον

σωστό χρόνο των ενδιάμεσων πτήσεων, έτσι ώστε να μην υπάρχει μεγάλη διαφορά

μεταξύ των πτήσεων και να μην περιμένουν οι πελάτες στο αεροδρόμιο για μεγάλο

χρονικό διάστημα ή να μην προλαβαίνουν τις επόμενες πτήσεις τους. Πολλές εταιρίες

για να μπορούν να αποφασίζουν πιο πελάτες είναι οι πιο κατάλληλοι και οι πιο

επικερδείς, διανέμουν τα έσοδα από ένα συνολικό δρομολόγιο σε κάθε μία ατομική

πτήση και εφαρμόζουν τα μοντέλα για ένα προορισμό, τα οποία μελετήσαμε στην

προηγούμενη ενότητα (Tallury και Ryzin 2004a).


61

Κεφάλαιο 3: Hotel revenue management


Έπειτα από τις αεροπορικές εταιρίες, η μέθοδος του revenue management άρχισε να

εφαρμόζεται εις έπακρον και στις ξενοδοχειακές επιχειρήσεις. Και ενώ η επιτυχία της

μεθόδου άρχισε να μεταδίδεται πέρα από τις αεροπορικές εταιρίες, τα ξενοδοχεία

κατάλαβαν άμεσα τις ομοιότητες ανάμεσα στην πώληση των θέσεων των

αεροπλάνων σε διάφορα είδη πελατών με διαφορετικές τιμές και την κατάσταση που

αντιμετώπιζαν σχετικά με την ενοικίαση των δωματίων τους. Σε αυτό το κεφάλαιο θα

γίνει μία αναφορά της βιβλιογραφικής ανασκόπησης για το Hotel revenue

management (3.2) και έπειτα θα γίνει μία αναλυτική περιγραφή του Hotel revenue

management (3.3) και των συνθηκών της εφαρμογής του (3.4). Επίσης θα

αναφερθούμε στα προβλήματα που αντιμετωπίζουν οι ξενοδοχειακές επιχειρήσεις

(3.5) και στην τελευταία ενότητα θα μιλήσουμε για τις μελλοντικές βελτιώσεις των

μεθόδων του (3.6).

3.2 Βιβλιογραφικής ανασκόπησης για το Hotel revenue management

Στη διεθνή βιβλιογραφία υπάρχει ένας μεγάλος αριθμός εργασιών που ασχολούνται

με το hotel revenue management. Πιο συγκεκριμένα η Kimes (1989a,b) περιγράφει

αναλυτικά τη μέθοδο του hotel revenue management και τις λειτουργίες του.

Προσθέτει ότι η μέθοδος αυτή χρησιμοποιεί ηλεκτρονικά συστήματα τα οποία

βοηθούν στην αύξηση των εσόδων και μειώνουν τις υποθέσεις που αφορούν το

management των δωματίων, ενώ μελετά τα μέτρα που θα πρέπει να παρθούν από τους

μάνατζερ για να προετοιμάσουν το έδαφος για την σωστή υιοθεσία των συστημάτων

αυτών. Ο Relihan (1989) εστιάζει στην εφαρμογή του yield management σχετικά με

την τιμολόγηση των τιμών των δωματίων των ξενοδοχειακών επιχειρήσεων.

Αναφέρει ότι η παραπάνω μέθοδος έχει αλλάξει όλη την διαδικασία των πωλήσεων

και ιδιαίτερα την διαδικασία της τιμολόγησης,


62

Συγχρόνως ο Badinelli (2000) χρησιμοποιεί τη μέθοδο dynamic programming

formulation προκειμένου να βρει τις βέλτιστες πολιτικές των κρατήσεων για τις

ξενοδοχειακές επιχειρήσεις. Καταλήγει στο ότι η μέθοδος μπορεί να εφαρμοστεί

σωστά και να έχει τα επιθυμητά αποτελέσματα τόσο στις ξενοδοχειακές, όσο και στις

αεροπορικές εταιρίες αντίστοιχα. Οι Weatherford και Kimes (2002) χρησιμοποιούν

στοιχεία από τέσσερεις διαφορετικές ξενοδοχειακές επιχειρήσεις και τα εφαρμόσουν

σε διάφορες μεθόδους προβλέψεων, για να μπορέσουν να καταλήξουν στη καλύτερη

δυνατή. Από τα αποτελέσματα κατέληξαν στην καλύτερη μέθοδο πρόβλεψης, η οποία

με τη σειρά της βοηθά σε μια πιο αποτελεσματική και κερδοφόρα χρήση της μεθόδου

του revenue management. Επίσης συμπέραναν ότι η βελτιστοποίηση της μεθόδου των

προβλέψεων οδηγεί τις ξενοδοχειακές επιχειρήσεις σε καλύτερες αποφάσεις σχετικά

με το προσωπικό, τις πωλήσεις και τον οικονομικό τους προϋπολογισμό.

Επίσης οι Lai και Lung (2003) παρουσιάζουν ένα ηλεκτρονικό μοντέλο

βελτιστοποίησης του δικτύου (network optimization) για την διαχείριση των εσόδων

των ξενοδοχείων κάτω από ένα αβέβαιο περιβάλλον. Επίσης περιγράφουν τις

στρατηγικές για τη διαχείριση των ξενοδοχείων λαμβάνοντας υπόψη τους κινδύνους

της ανταλλαγής αυτής, αλλά και τις διαφορετικές πολιτικές τιμολόγησης, ενώ

θεωρούν ότι η μέθοδος του overbooking συντελεί στη μείωση των ακυρώσεων

(cancellations), των μη εμφανίσεων (no-shows), των πρόωρων check-outs και των

παρατεταμένων διαμονών. Συγχρόνως οι Wirtz, Kimes, Theng και Patterson (2003)

περιγράφουν τη μέθοδο του revenue management και σκιαγραφούν τις πιθανές

παρεξηγήσεις των πελατών και εξερευνούν διάφορες στρατηγικές του μάρκετινγκ και

της οργάνωσης που μπορούν να χρησιμοποιηθούν για να εξαλειφθούν οι

παρεξηγήσεις αυτές.

Οι Helsel και Cullen (2006) παρουσιάζουν την εφαρμογή του revenue management

στις ξενοδοχειακές επιχειρήσεις και την χρησιμότητα του στην μεγιστοποίηση των

κερδών αυτών των εταιριών. Περιγράφουν την τωρινή μορφή της μεθόδου, τον τρόπο

που εφαρμόζεται και προτείνουν τους τομείς της που θα χρειαστούν βελτίωση στο

μέλλον προκειμένου να πετύχουν απόλυτα το στόχο, που είναι η μεγιστοποίηση των

κερδών. Επίσης ο καθηγητής Ακριβός περιγράφει την ιστορία του hotel revenue

management, τη σημασία της χρήσης του στα ξενοδοχεία, τις συνθήκες εφαρμογής


63

του, τις προοπτικές, τα προβλήματα που παρουσιάζονται κατά τη διάρκεια της

εφαρμογής του, αλλά και τα πλεονεκτήματα της μεθόδου αυτής.

3.3 Τι είναι το Hotel revenue management

Η Kimes (1989a) η οποία έχει μία από τις μεγαλύτερες έρευνες όσον αφορά το

revenue management, θεωρεί ότι το hotel revenue management σχετίζεται με τον

αριθμό των δωματίων τα οποία θα πρέπει να πωληθούν στα διάφορα επίπεδα

καθορισμένων τιμών. Όπως ειπώθηκε και στη ενότητα 1.1 στην περίπτωση των

ξενοδοχειακών μονάδων το Revenue Management είναι μία τεχνική που απαιτεί από

την διοίκηση του ξενοδοχείου κατά το στάδιο της λήψης αποφάσεων, να εστιάσει την

προσοχή της στη μεγιστοποίηση των εσόδων και στην πληρότητα της καταλυματικής

μονάδας (Ακριβός).

Η μέθοδος αυτή άρχισε να εφαρμόζεται πέρα από τις αεροπορικές και στις

ξενοδοχειακές επιχειρήσεις, γιατί τα δύο αυτά είδη των επιχειρήσεων διαθέτουν

πολλά κοινά χαρακτηριστικά. Πιο συγκεκριμένα και οι δύο παρέχουν υπηρεσίες οι

οποίες είναι φθαρτές και δεν μπορούν να αποθηκευθούν για μελλοντική χρήση.

Επίσης η δυναμικότητα τους είναι συνήθως σταθερή και το κόστος μιας επέκτασης

είναι τεράστιο, οπότε υπάρχει μια σοβαρή πιθανότητα όταν η ζήτηση είναι

μεγαλύτερη από την προσφορά να μην μπορεί να εξυπηρετηθούν όλοι οι πελάτες και

κατά συνέπεια να στραφούν προς ανταγωνιστικές εταιρίες. Συγχρόνως επιτρέπεται η

προκαταβολική κράτηση (advance booking) και πολλές φορές υπάρχουν ακυρώσεις

και no-shows, γι’ αυτό και εφαρμόζεται η μέθοδος του overbooking, η οποία έχει

περιγραφθεί σε προηγούμενη ενότητα (2.2.3) (Lai και Lung 2003).

Στις ξενοδοχειακές μονάδες δημιουργούνται διάφορες τιμές για κάθε δωμάτιο οι

οποίες εξαρτώνται από κάποια χαρακτηριστικά, τα οποία είναι τα είδη των πελατών,

η ώρα της κράτησης, οι διάφορες εταιρικές συνεργασίες, οι πολλαπλές μέρες

διαμονής και ο ενδιάμεσος πράκτορας πωλήσεων. Με αυτό τον τρόπο τα

ξενοδοχεία προσφέρουν τα ίδια δωμάτια σε διαφορετικά είδη πελατών με

διαφορετικές τιμές. Ενώ οι μάνατζερ επιθυμούν να γεμίσουν όσο δυνατόν

περισσότερο τα ξενοδοχεία με πελάτες που είναι διατεθειμένοι να πληρώσουν τα


64

περισσότερα χρήματα, είναι επίσης απαραίτητο να γίνονται δεκτοί και οι πελάτες που

πληρώνουν λιγότερα χρήματα σε περιόδους χαμηλής ζήτησης, για να μην υπάρχουν

άδεια δωμάτια. Ο αριθμός των πελατών που πληρώνουν τα λιγότερα θα πρέπει να

αποφασιστεί προσεκτικά, με τρόπο που να μπορεί να υπάρξει όσο το δυνατόν

μεγαλύτερος αριθμός πελατών που πληρώνουν τα περισσότερα. Οι αιτήσεις των

κρατήσεων έρχονται σταδιακά κατά τη διάρκεια του χρόνου και η απόφαση αν θα

πρέπει να γίνει δεκτή μία αίτηση ή όχι, θα πρέπει να πραγματοποιηθεί την ίδια στιγμή.

Η μέθοδος του revenue management είναι αυτή που θα κρίνει και θα δώσει την

κατάλληλη απάντηση για το πιο αίτημα θα γίνει δεκτό και ποιος συνδυασμός

πελατών θα αποφέρει τα μεγαλύτερα έσοδα έτσι ώστε να μεγιστοποιηθεί η

οικονομική αποδοτικότητά, δηλαδή η πιθανότητα πώλησης των περισσότερων

δωματίων στην υψηλότερη δυνατή τιμή καθημερινά

Οι ξενοδοχειακές επιχειρήσεις μπορούν να υπολογίσουν την αποδοτικότητα με βάση

τον δείκτη που προκύπτει από το λόγο των εισπράξεων που έχουν πραγματοποιηθεί,

προς τη δυνατότητα εισπράξεων του ξενοδοχείου. Οι πραγματοποιημένες εισπράξεις

είναι το γινόμενο του αριθμού των πωληθέντων δωματίων από τη μέση τιμή τους,

ενώ δυνατότητα εισπράξεων είναι η δυναμικότητα του ξενοδοχείου, δηλαδή όλα τα

δωμάτια που διαθέτει, επί τη μέση δυνατή τιμή πώλησης των δωματίων (Orkin 1998).

Παρακάτω ακολουθεί ο τύπος που δείχνει την απόδοση των ξενοδοχειακών

επιχειρήσεων που περιγράψαμε παραπάνω:

Πωληθέντα δωμάτια Χ Μέση τιμή πωληθέντων δωματίων Αποδοτικότητα = −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Δυναμικότητα ξενοδοχείου Χ Μέση δυνατή τιμή

Ο παραπάνω δείκτης μετρά την αποτελεσματικότητα του συνόλου των πρακτικών και

πολιτικών που εφαρμόζει η διοίκηση της κάθε ξενοδοχειακής μονάδας προκειμένου

να παράγει έσοδα από την πώληση των διαθέσιμων δωματίων. Αν για παράδειγμα ο

αριθμός των συνολικών δωματίων σε ένα ξενοδοχείο είναι 200 και πωλούνται 100

δωμάτια με τιμή 100 € ενώ η μέση δυνατή τους τιμή είναι 130 € τότε η

αποδοτικότητα του ξενοδοχείου είναι:


65

100 × 100 Αποδοτικότητα = −−−−−−−−= 38,46% 200 × 130

Το Yield management στις ξενοδοχειακές επιχειρήσεις χρησιμοποιώντας

ηλεκτρονικά συστήματα, αποφασίζει για τη διοίκηση αποθέματος του δωματίου

και για την τιμολογιακή δομή. Το πρώτο τμήμα σχετίζεται με την διανομή των

διαφορετικών ειδών δωματίων στην εκάστοτε δομή της ζήτησης (booking limit) και

το δεύτερο ασχολείται με τη επιλογή της καλύτερης δυνατής τιμής χρέωσης (bid

price) σε συγκεκριμένες περιπτώσεις. Για να μπορέσει ένα τέτοιο σύστημα να

λειτουργήσει αποτελεσματικά σε αυτά τα θέματα, θα πρέπει να είναι ικανό να βρίσκει

συγκεκριμένες και σημαντικές κατηγορίες πληροφόρησης. Πιο συγκεκριμένα, θα

πρέπει να περιλαμβάνει πληροφορίες σχετικά με:

1. Την συμπεριφορά του πελάτη και τα σχέδια κρατήσεων του.

2. Την περίσταση και τη στιγμή της ζήτησης σε κάθε μερίδιο

αγοράς.

3. Το βαθμό υπερκρατήσεων (overbooking).

4. Την επίδραση των αλλαγών των τιμών στα είδη και στους

βαθμούς ζήτησης (Ακριβός).

3.4 Οι συνθήκες εφαρμογής του hotel revenue management

Πέρα από τα χαρακτηριστικά των εταιριών που θα πρέπει να διαθέτουν προκειμένου

να μπορούν να εφαρμόσουν τη μέθοδο του revenue management, τα οποία

αναφέραμε σε προηγούμενη ενότητα (1.1.2), σύμφωνα με τον καθηγητή κ. Χρήστο

Ακριβό τα ξενοδοχεία συγχρόνως θα πρέπει να είναι σε θέση να εκτελέσουν με

επιτυχία και τις παρακάτω λειτουργίες:

Τμηματοποίηση της αγοράς τους.

Τήρηση και επεξεργασία ιστορικών στοιχείων (αρχείο πελατών) σε

συνδυασμό με τα χαρακτηριστικά της κάθε κράτησης.

Γνώση των τιμών που επικρατούν στην αγορά ώστε να είναι σε θέση να

διαχειριστούν κατά τον πλέον κερδοφόρο τρόπο τις τιμές τους.


66

Πολιτική overbooking που είναι απαραίτητη σε κάθε σύστημα έτσι ώστε

να προστατεύεται το ξενοδοχείο από τα no-shows και να παρουσιάζεται

υψηλή πληρότητα.

Χρήση συστημάτων πληροφορικής και δικτύων μέσω των οποίων

διακινείται η πληροφορία αλλά και τα στοιχεία με υψηλότερη ταχύτητα

και αξιοπιστία, ώστε να είναι σε θέση η διοίκηση του ξενοδοχείου να

λαμβάνει αποτελεσματικές αποφάσεις.

Όπως έχουμε αναφερθεί και σε προηγούμενη ενότητα (1.1.2) στην τμηματοποίηση

της αγοράς χωρίζονται οι πελάτες σε δύο κατηγορίες τους business και τους leisure

πελάτες, οι οποίοι έχουν διαφορετική ελαστικότητα τιμών και χρονική ευαισθησία.

Όπως και στις αεροπορικές εταιρίες έτσι και οι leisure travelers συνήθως κάνουν

κράτηση νωρίτερα επειδή προγραμματίζουν τις διακοπές τους αρκετό καιρό πιο πριν.

Μπορεί να είναι κάποιες φορές ευαίσθητοι στον χρόνο, αλλά ο κύριος λόγος που

κάνουν την κράτησης είναι η τιμή. Αντίθετα, οι business travelers ενδιαφέρονται

λίγες μέρες πριν για το ταξίδι τους και είναι διατεθειμένοι να πληρώσουν

περισσότερα χρήματα (Relihan 1989).

Οι πληροφορίες των πελατών είναι ένα πολύτιμο περιουσιακό στοιχείο για την κάθε

ξενοδοχειακή επιχείρηση. Μόνο με τις σωστές πληροφορίες του ξενοδοχείου, μπορεί

οποιοδήποτε σύστημα της μεθόδου του revenue management να παρέχει την πλήρη

χρησιμότητά του. Επιπλέον, πολλές εφαρμογές του marketing που δεν έχουν ακόμη

υλοποιηθεί, είναι πιθανόν να μη μπορούν να εφαρμοστούν χωρίς αυτές τις

πελατειακές πληροφορίες. Συγχρόνως το κόστος της διαδικασίας είναι συγκριτικά

μικρό και αν μπορέσει το ξενοδοχείο να κρατήσει τα στοιχεία αυτά το σύστημα του

revenue management θα του προσφέρει μεγαλύτερα έσοδα (Relihan 1989).

Η τιμολόγηση είναι μία διαδικασία που μπορεί να επηρεάσει και να υποκινήσει τη

ζήτηση και έτσι να αποκτηθεί μεγαλύτερο κέρδος. Γι’αυτό τα ξενοδοχεία έχουν

αναγνωρίσει ότι διαφορετικά τμήματα της αγοράς έχουν διαφορετική δυνατότητα να

πληρώσουν τις υπηρεσίες που προσφέρουν. Είναι πολύ επικίνδυνο να μη διαθέτουν

μία ξεκάθαρη τιμολογιακή δομή και απλώς να αρχίζουν με υψηλές τιμές και στη

συνέχεια να τις χαμηλώνουν μέχρι να δεχθούν προσφορές από τους πελάτες. Θα


67

πρέπει λοιπόν να έχουν μία καλή γνώση των τιμών της αγοράς και να μπορούν να τις

προσαρμόζουν με βάση τη ζήτηση των πελατών τους χωρίς να λαμβάνουν υπόψη τις

βραχυπρόθεσμες διακυμάνσεις της ζήτησης σε καθημερινή βάση, αλλά σε

εβδομαδιαία ή σε μηνιαία μέση προβλεπόμενη πληρότητα και συγχρόνως και με

βάση τα καθημερινά κόστη που δημιουργούνται. Επομένως σε περιόδους χαμηλής

ζήτησης θα πρέπει οι τιμές να είναι χαμηλές χωρίς όμως να είναι μικρότερες από τα

σταθερά κόστη και να αυξάνονται όταν η ζήτηση αρχίζει να μεγαλώνει, έτσι ώστε να

δημιουργούνται τα επιθυμητά κέρδη. Τέλος δεν θα πρέπει να δημιουργούνται μεγάλες

αυξομειώσεις στις τιμές, γιατί τίθεται σε κίνδυνο ο βαθμός του ελέγχου και η

πελατειακή σχέση (Relihan 1989).

Η πολιτική του overbooking έχει τονιστεί και στο προηγούμενο κεφάλαιο σαν ένα

σημαντικό εργαλείο στην μέθοδο του revenue management, το οποίο εφαρμόζεται σε

μεγαλύτερο ποσοστό στις αεροπορικές εταιρίες παρά στις ξενοδοχειακές επιχειρήσεις.

Για να μπορέσει όμως να εφαρμοστεί σωστά η μέθοδος αυτή, θα πρέπει η επιχείρηση

να κρατάει αρχεία με τις μη εμφανίσεις (no shows), τις ακυρώσεις (cancellations) των

διάφορων πελατών που έχουν γίνει και τις πρόωρες αναχωρήσεις, έτσι ώστε να είναι

σε θέση να υπολογίσει σωστά το ποσοστό του overbooking (James και Mona

Fitzsimmons (2008). H συνηθέστερη τακτική που εφαρμόζουν είναι η πληρωμή-με

πιστωτική κάρτα κατά κανόνα- της πρώτης διανυκτέρευσης ήδη από τη στιγμή της

κράτησης ή η επιβολή ειδικών συμφωνιών ώστε να μειωθεί το κόστος. Όμως

υπάρχουν και πάλι περιπτώσεις που οι ξενοδοχειακές επιχειρήσεις αναγκάζονται να

χρησιμοποιήσουν τη μέθοδο του overbooking, γιατί ακόμη και με τα παραπάνω

μέτρα μπορεί να υπάρχει μειωμένη πληρότητα. Στην περίπτωση όμως που το

ξενοδοχείο είναι γεμάτο γιατί δεν υπάρχουν μη εμφανίσεις ή ακυρώσεις ή πρόωρες

αναχωρήσεις και εμφανιστούν οι πελάτες οι οποίοι έχουν κάνει σωστά την κράτησή

τους, το ξενοδοχείο θα πρέπει να είναι σε θέση να τους εξυπηρετήσει σε ένα άλλο

αντίστοιχο κοντινό ξενοδοχείο ή να τους αποζημιώσει οικονομικά. Φυσικά θα

υπάρχει μεγάλη πιθανότητα να έχει πληγεί η εικόνα του και μπορεί και να χάσει τους

πελάτες. Γι’ αυτό θα πρέπει η κάθε ξενοδοχειακή επιχείρηση να είναι σε θέση να

σταθμίσει την απώλεια των εσόδων από τα ίδια δωμάτια και να μπορεί να

αποζημιώσει τους πελάτες τους οποίους αρνήθηκε η παραμονή. Επίσης θα πρέπει να

γίνεται και σωστή εκπαίδευση των υπαλλήλων της πρώτης γραμμής που έρχονται σε


68

άμεση επαφή με τους πελάτες, έτσι ώστε να χειρίζονται σωστά τους πελάτες που δεν

μπορεί αν τους δοθεί δωμάτιο παρόλο την κράτηση που έχουν κάνει (James και Mona

Fitzsimmons (2008).

Για να μπορέσουν να εφαρμοστούν σωστά όλες οι παραπάνω λειτουργίες, θα πρέπει

η κάθε ξενοδοχειακή μονάδα να διαθέτει ένα εξαιρετικό σύστημα πληροφοριών.

Εάν η μονάδα είναι μέρος ενός κεντρικού συστήματος, το σύστημα διαχείρισης

ακινήτων της θα πρέπει να ενσωματωθεί με το κεντρικό σύστημα. Με αυτόν τον

τρόπο, ενώ θα δημιουργούνται κρατήσεις και η διαθεσιμότητα των δωματίων θα

αλλάζει, και τα δύο συστήματα θα γνωρίζουν όλες τις τελευταίες πληροφορίες. Αν

δεν έχουν στη διάθεσή τους αυτό το σύστημα μπορεί να οδηγήσει σε πολλά

προβλήματα, κάποια από τα οποία είναι η ενοικίαση των δωματίων σε πολύ χαμηλές

τιμές ή η μη γνώση της διαθεσιμότητας συγκεκριμένων δωματίων (Kimes 1989a).

3.5 Δυσκολίες που παρουσιάζονται στο Hotel revenue management

Πολλά από τα προβλήματα που αντιμετωπίζει μία αεροπορική εταιρία σχετικά με την

εφαρμογή του revenue management και τα συστήματα που χρησιμοποιούνται,

αφορούν άμεσα και τις ξενοδοχειακές επιχειρήσεις. Παρακάτω παρουσιάζουμε τα

προβλήματα αυτά:

η αβέβαιη ζήτηση,

η διαδικασία των on-line αποφάσεων

οι πολλαπλές διανυκτερεύσεις

ο ανταγωνισμός

η διανομή του ξενοδοχειακού προϊόντος

η τιμολογιακή πολιτική που θα εφαρμοστεί

η διαχείριση των συνολικών εσόδων (Ακριβός).

Επίσης:

οι παρεξηγήσεις των πελατών

αντιλήψεις των εργαζομένων


69

τα συστήματα παροχής κινήτρων και ανταμοιβής

η οργάνωση των λειτουργιών των ξενοδοχείων

η εκπαίδευση και η αφοσίωση όλων των εργαζομένων (Kimes 1989a).

Η αβέβαιη ζήτηση και η διαδικασία των on-line αποφάσεων είναι συνηθισμένα

θέματα τα οποία προσπαθούν να τα αντιμετωπίσουν οι ξενοδοχειακές επιχειρήσεις

και είναι όμοια με αυτά των αεροπορικών εταιριών, τα οποία περιγράψαμε στο

προηγούμενο κεφάλαιο. Πολλές φορές όμως υπάρχουν οι περιπτώσεις των

πολλαπλών διανυκτερεύσεων οι οποίες υπερβαίνουν τα διαφορετικά όρια των τιμών

των δωματίων. Εάν ένας πελάτης παραδείγματος χάριν ενοικιάσει ένα δωμάτιο σε

χαμηλή τιμή και θελήσει να το κρατήσει για περισσότερες μέρες στις οποίες η τιμή

του είναι μεγαλύτερη, η διοίκηση του ξενοδοχείου έχει να αντιμετωπίσει ένα σοβαρό

δίλλημα αν θα δεχθεί την επιθυμία του πελάτη και θα συνεχίσει να του ενοικιάζει το

δωμάτιο στην αρχική του τιμή ή αν θα ρισκάρει να αρνηθεί με την πρόθεση να έρθει

ένας νέος που θα πληρώσει περισσότερα χρήματα. Για να μη δημιουργηθούν

παρεξηγήσεις και δυσαρεστηθούν οι πελάτες, οι ξενοδοχειακές επιχειρήσεις

φροντίζουν να ενημερώνονται για την ημερομηνία αναχώρησης των πελατών τους

την στιγμή που κάνουν το check-in ή να εξηγούν για τις διαφορές των τιμών που

σχετίζονται με την συντόμευση ή την επιμήκυνση της παραμονής. Με αυτό τον τρόπο

προσπαθούν να έχουν μία ξεκάθαρη στρατηγική επικοινωνίας με όλους τους πελάτες

τους (Wirtz et al.2003).

Ο σκληρός ανταγωνισμός απορρέει από την ωρίμανση της αγοράς και την υψηλή

ποικιλία που αφορά το μέγεθος, την αξία, τις συνθήκες και την ex ante ζήτηση για το

ξενοδοχειακό προϊόν. Αυτά τα στοιχεία δημιουργούν προβλήματα στις ξενοδοχειακές

μονάδες στην προσπάθειά τους να εξασφαλίσουν το μερίδιο της αγοράς που

επιθυμούν και ταυτόχρονα να ασχοληθούν με τη μεγιστοποίηση της απόδοσης από τις

πωλήσεις (Ακριβός).

Πέρα από το πρόβλημα που αφορά τη ζήτηση, υπάρχει και το ζήτημα της διανομής

του ξενοδοχειακού προϊόντος. Τόσο η διαχείριση της ζήτησης, όσο και η οργάνωση

της διανομής πρέπει να γίνονται με τέτοιο τρόπο που να εξομαλύνονται οι δυσκολίες

κατά την διαδικασία εξασφάλισης των επιθυμητών αποτελεσμάτων. Ο σταθερός


70

αριθμός παραγωγής σε συνδυασμό με την αδυναμία του ξενοδοχειακού προϊόντος να

αυτοματοποιηθεί, δημιουργούν τις προϋποθέσεις σύμφωνα με τις οποίες η

πιθανότητα καταστροφής του προϊόντος λόγω της αδυναμίας για έγκαιρη και

κατάλληλη διάθεσή του να είναι υπερβολικά υψηλή (Ακριβός)..

Επίσης θα πρέπει η διοίκηση του ξενοδοχείου να εφαρμόζει την τιμολογιακή της

πολιτική με βάση τη ζήτηση της αγοράς και όχι το είδος του προϊόντος. Ο ρόλος της

τιμολόγησης με βάση το revenue management είναι να μεγιστοποιήσει την

πραγματοποίηση της ζήτησης στα υψηλότερα δυνατά επίπεδα, να εξιδανικεύσει τα

καθαρά έσοδα και την διείσδυση στην αγορά. Σε στρατηγικό επίπεδο το είδος αυτής

της τιμολόγησης μπορεί να βοηθήσει το ξενοδοχείο:

Να αυξήσει τα έσοδα δίχως να χάσει αριθμό πωλήσεων

Να αλλάξει την αγοραστική συμπεριφορά των πελατών

Να δημιουργήσει τις επιθυμητές αντιδράσεις στο ανταγωνιστικό περιβάλλον

με το να προσαρμόζει τις τιμές για να ανταποκρίνεται στη σχετική

πλεονεκτική θέση του ξενοδοχείου.

Να αυξήσει την κερδοφορία και την μακροπρόθεσμη αξία της επιχείρησης.

Συγχρόνως η κάθε ξενοδοχειακή επιχείρηση θα πρέπει να λάβει υπόψη της και το

νομικό πλαίσιο που αφορά τις τιμές. Ο Εθνικός Οργανισμός Τουρισμού καθορίζει τα

εύρη των τιμών με βάση τα οποία θα πρέπει να κυμαίνονται οι τιμές ανάλογα την

κατηγορία στην οποία ανήκει. Με αυτό τον τρόπο δημιουργούνται περιορισμοί στα

ξενοδοχεία στις τιμές που θα επιβάλλουν στις περιόδους υψηλής και χαμηλής

ζήτησης. Αν δεν υπήρχαν αυτοί οι περιορισμοί μερικά ξενοδοχεία θα μπορούσαν να

κερδίσουν περισσότερα χρήματα κατά τη διάρκεια της υψηλής περιόδου και να

προσελκύουν περισσότερους πελάτες που είναι ευαίσθητοι στην τιμή κατά της

περίοδο που η ζήτηση είναι χαμηλή.

Συγχρόνως ένα άλλο πρόβλημα το οποίο σχετίζεται με την τιμολογιακή πολιτική

αφορά την διαχείριση των συνολικών εσόδων τα οποία δεν προέρχονται πάντοτε

μόνο από τις τιμές των δωματίων. Πιο συγκεκριμένα, συχνά παράγονται έσοδα από

το μπαρ του ξενοδοχείου, το εστιατόριο, το καζίνο αν υπάρχει, αλλά και από άλλες


71

παροχές που μπορεί να προσφέρονται από αυτό και να είναι αρκετά κερδοφόρες.

Συνεπώς είναι πολύ σημαντικό η διοίκηση του ξενοδοχείου να αναγνωρίσει την

πραγματική αίτηση κράτησης και να μπορέσει να δεχθεί τους πελάτες που θα

δημιουργήσουν μεγαλύτερη κατανάλωση. Όμως είναι αρκετά δύσκολο να γίνει αυτή

η εκτίμηση και τις περισσότερες φορές οι μάνατζερ ξεχωρίζουν την πιθανότητα του

αιτήματος της κράτησης με βάση την τιμή του δωματίου που είναι οι πελάτες

διατεθειμένοι να πληρώσουν.

Η εφαρμογή του revenue management μπορεί να δώσει σε ένα ξενοδοχείο πολλά

πλεονεκτήματα, όμως μπορεί να προκαλέσει και την δυσαρέσκεια των πελατών.

Πιο συγκεκριμένα οι πελάτες μπορεί να δυσαρεστηθούν με την διαφοροποίηση των

τιμών ανάλογα με τις περιόδους ζήτησης και την χρονικό διάστημα που θα

ενοικιάσουν το δωμάτιό τους. Οι ξενοδοχειακές επιχειρήσεις έχουν πολλούς

ανταγωνιστές με αποτέλεσμα αρκετοί από τους πελάτες όταν συνειδητοποιούν ότι θα

πληρώσουν διαφορετική τιμή για το ίδιο δωμάτιο, μπορεί να στραφούν σε

ανταγωνιστικό ξενοδοχείο. Όμοια, οι πελάτες μπορεί να πιστέψουν ότι είναι άδικο να

πληρώσουν μεγαλύτερη τιμή για ένα δωμάτιο για το οποίο αν έκαναν κράτηση λίγες

εβδομάδες πιο πριν θα πλήρωναν λιγότερα. Για να αντιμετωπιστεί η πιθανή

δυσαρέσκεια των πελατών θα πρέπει η ξενοδοχειακή επιχείρηση να επιλέξει τους

κατάλληλους εργαζόμενους που θα είναι ικανοί να διαχειρίζονται τα θέματα αυτά

(Kimes 1989a).

Τα συστήματα που χρησιμοποιούνται στη μέθοδο του revenue management

ασχολούνται με την επιλογή του αριθμού και των τιμών των δωματίων που θα

ενοικιάσουν, όμως αναλαμβάνουν και ένα μέρος από την κριτική ικανότητα του

προσωπικού στις ξενοδοχειακές επιχειρήσεις. Εάν ένα το σύστημα δεν αφήνει κάποια

περιθώρια αποφάσεων στο προσωπικό που ασχολείται με το revenue management

όσον αφορά κάποιες αποφάσεις και αυτό έχει σαν αποτέλεσμα να δημιουργείται

δυσαρέσκεια και αποστροφή από τους εργαζομένους για το σύστημα αυτό (Kimes

1989a).

Επίσης τα συστήματα του revenue management μπορεί να προκαλέσουν προβλήματα

στο τμήμα των πωλήσεων. Τυπικά, οι άνθρωποι που εργάζονται στο τμήμα των


72

πωλήσεων επιβραβεύονται για τον αριθμό των πωλήσεων που πετυχαίνουν. Αλλά τις

περισσότερες φορές το σύστημα του revenue management μπορεί να υποδείξει ότι

δεν είναι χρήσιμο για ένα ξενοδοχείο να δεχθεί ότι έχει επιτυχία το τμήμα των

πωλήσεων όταν πωλεί τα δωμάτια σε χαμηλές τιμές και με αυτό τον τρόπο γεμίζει,

ενώ θα μπορούσε να τα πωλήσει με μεγαλύτερες τιμές. Με αυτό τον τρόπο μπορεί να

δημιουργηθούν παρεξηγήσεις και το τμήμα των πελατών να θεωρήσει ότι το σύστημα

του revenue management δρα ενάντια στις ενέργειές του. Συγχρόνως, μπορεί να

δημιουργηθούν παρεξηγήσεις σχετικά με το αν οι μάνατζερ επιβραβεύονται με βάση

την πληρότητα ή τη μέση τιμή δωματίου (Kimes 1989). Θα πρέπει λοιπόν η διοίκηση

του κάθε ξενοδοχείου να καθορίσει τα συστήματα ανταμοιβών και κινήτρων και

για το προσωπικό των πωλήσεων, αλλά και για τους managers. Συνεπώς θα πρέπει να

γίνει αναθεώρηση των κινήτρων και για να διασφαλιστεί ότι η συμπεριφορά που

απαιτείται από το σύστημα του revenue management ταιριάζει με αυτό που

προωθείται από το προσωπικό σύστημα αμοιβών (Ακριβός).

Για να μπορέσει να εφαρμοστεί σωστά το σύστημα του revenue management πρέπει

όλες οι λειτουργίες των ξενοδοχειακών επιχειρήσεων να συνδέονται με αυτό. Η

οργάνωση των λειτουργιών (πωλήσεις, λειτουργίες, κρατήσεις) θα πρέπει να

συνεργάζεται με αυτό για να παίρνονται συντονισμένες και έγκαιρες αποφάσεις και

να λειτουργούν σωστά όλα τα τμήματα. Μόνο με την σύνδεση αυτή θα είναι

επιτυχημένο το σύστημα και θα αποφέρει θετικά για την επιχείρηση αποτελέσματα

(Kimes 1989a).

Όπως με κάθε νέα μέθοδο, έτσι και η μέθοδος του revenue management απαιτεί την

εκτεταμένη εκπαίδευση όλων των υπαλλήλων. Θα πρέπει να καταλάβουν τον σκοπό

της μεθόδου του revenue management, το πώς λειτουργεί και το πώς επηρεάζει την

εργασία τους. Συγχρόνως θα πρέπει να αντιληφθούν ότι η μέθοδος αυτή δεν

συμβαίνει απλά, αλλά απαιτεί προσεκτικό σχεδιασμό και εκπαίδευση. Ωστόσο, χωρίς

την αφοσίωση τους το σύστημα θα αποτύχει πλήρως. Θα πρέπει λοιπόν να

καταλάβουν όλοι οι εργαζόμενοι, ότι το revenue management είναι σημαντικό για την

επιτυχία της εκάστοτε ξενοδοχειακής επιχείρησης (Kimes 1989a).


73

3.5 Το μέλλον του hotel revenue management

Το μέλλον του hotel revenue management θα δίνει έμφαση στα έσοδα ανά διαθέσιμο

πελάτη και στο CRM (customer relationship management), το οποίο σχετίζεται με

τη σχέση των πελατών και της εκάστοτε επιχείρησης. Ίσως η επόμενη γενιά των

συστημάτων του revenue management να δημιουργήσουν μια προσφορά με βάση την

αξία του κάθε πελάτη ξεχωριστά και θα ενισχυθεί η σχέση ανάμεσα στο ξενοδοχείο

και στον πελάτη του (Caryl Helsel και Kathleen Cullen 2006).

Μία άλλη περιοχή που θα επικεντρωθεί περισσότερο στο μέλλον το revenue

management είναι το function room yielding (λειτουργία της απόδοσης του

δωματίου). Σήμερα στα περισσότερα ξενοδοχεία το μεγαλύτερο ποσοστό των

διαδικασιών που ασχολούνται με την ανάλυση των καλύτερων πελατών και των

λειτουργιών που σχετίζονται με αυτούς, δεν είναι σύγχρονες. Η πλειοψηφία των

ξενοδοχείων που εξακολουθούν να χρησιμοποιούν τη «λειτουργία του βιβλίου» ή

κάποια παραλλαγή μιας αυτόματης λειτουργίας του βιβλίου, για να βρουν αν υπάρχει

διαθεσιμότητα των δωματίων και για να μεγιστοποιήσουν του χώρου με βάση ένα

εγχειρίδιο κανόνων που ισχύει στην επιχείρηση τους. Στο μέλλον όμως θα

προσφέρουν ένα εξελιγμένου συστήματος διαχείρισης των εσόδων που θα

μεγιστοποιεί την απόδοση των πελατών και των λειτουργιών που σχετίζονται με

αυτούς, σε πολύ μεγαλύτερη λεπτομέρεια και με ένα υψηλότερο επίπεδο

τεχνολογικής εξέλιξης (Caryl Helsel και Kathleen Cullen 2006).

Επίσης η μετακίνηση (displacement) είναι μια πολύ δύσκολη ενέργεια για τη

ανάλυση των λειτουργιών των δωματίων. Είναι δύσκολο να καθοριστεί πως θα γίνει

η διαπραγμάτευση μιας ομαδικής κράτηση σε ένα σημαντικό χρονικό διάστημα, διότι

αν επιλεγεί το συγκεκριμένο γκρουπ και δημιουργηθεί συμπίεση των τιμών, είναι

πιθανό να επικρατήσει η αντίληψη ότι θα μπορούσαν να δημιουργηθούν περισσότερα

χρήματα αν περίμενε το ξενοδοχείο τα γκρουπ που θα κάνανε κράτηση την τελευταία

στιγμή και θα ήταν πρόθυμα να πληρώσουν υψηλότερες τιμές. Αλλά αυτό απαιτεί ότι

τα ξενοδοχεία θα αναλάμβαναν σημαντικούς κινδύνους. Στο μέλλον θα μπορούν τα

ξενοδοχεία να είναι σε θέση εφόσον χρησιμοποιούν σωστά τη μέθοδο αυτή να

μειώσουν τους παραπάνω κινδύνους.(Caryl Helsel και Kathleen Cullen 2006).


74

Συγχρόνως υπάρχει έλλειψη στην συλλογή στατιστικών στοιχείων που αφορούν

τους πελάτες και σχετίζονται με τη βέλτιστη κατανομή τους. Όμως το τελευταίο

χρονικό διάστημα έχει βελτιωθεί η κατάσταση εξαιτίας των μεγάλων ξενοδοχειακών

αλυσίδων που δίνουν μεγάλη σημασία στη συλλογή πληροφοριών για τους πελάτες

τους. Ακόμη μεγαλύτερη βελτίωση αναμένεται ότι θα φανεί κατά τη διάρκεια των

επόμενων πέντε ετών, όπου πιο πολλές ξενοδοχειακές επιχειρήσεις θα ενστερνιστούν

την παραπάνω μέθοδο (Caryl Helsel και Kathleen Cullen 2006).

Ανάλυση του κόστους των καναλιών (channel cost) είναι ένας ακόμη τομέας που

θα εστιαστεί η διοίκηση του ξενοδοχείου. Λόγω της διαφορετικής κατανομής του

κόστους για κάθε κανάλι διανομής (πράκτορες, internet, αεροδρόμιο) και των

διαφορών στην αγοραστική συμπεριφορά των πελατών, οι διαφορετικές ροές εσόδων

δεν δημιουργούν το ίδιο καθαρό κέρδος. Η διαδικασία σύντομα θα μεταβιβαστεί από

τη διαχείριση των εσόδων σε μια πιο προχωρημένη έννοια της βελτιστοποίησης της

διαχείρισης των κερδών και της αύξησης της απόδοσης της ζήτησης. Τα ξενοδοχεία

επίσης θα γίνουν πιο προσεκτικά με τη διαχείριση των καναλιών και την αλλαγή της

τιμολογιακής τους πολιτικής, για να διατηρηθεί η αξιοπιστία και η διαφάνεια των

τιμών τους (Caryl Helsel και Kathleen Cullen 2006).

Επιπλέον, προβλέπεται ότι μοντέλα ανταμοιβής των υπαλλήλων θα αλλάξουν. Είναι

σημαντικό ότι ο τρόπος με τον οποίο τα ξενοδοχεία ανταμείβουν τους εργαζόμενους

θα πρέπει να βασίζεται στα σωστά μέτρα και ότι οι εργαζόμενοι πρέπει να

ανταμειφθούν καταλλήλως. Ο εργαζόμενος που έχει θετικές επιπτώσεις επί των

εσόδων πρέπει να επιβραβεύεται με βάση τη βελτιστοποίηση του κέρδους.

Περισσότερα κίνητρα θα πρέπει να δοθούν σε μέρες που η ζήτηση είναι χαμηλή

έναντι σε μέρες που η ζήτηση είναι υψηλή (Caryl Helsel και Kathleen Cullen 2006).

Όπως αναφερθήκαμε, υπάρχει χώρος για το μέλλον της διαχείρισης των εσόδων για

τις πιο εξελιγμένες δυνατότητες διαχείρισης των εσόδων. Ωστόσο,

η βιομηχανία θα πρέπει να αναγνωρίσει ότι υπάρχει ένα χάσμα ανάμεσα στην πρόοδο

αυτών των ευκαιριών και στην τεχνολογία που υπάρχει για την υποστήριξή τους. Όσο

ευρύτερο είναι το χάσμα, τόσο βραδύτερος είναι ο ρυθμός της υιοθέτησης της.

Καθώς οι απαιτήσεις στον τομέα αυτόν εξακολουθούν να αναπτύσσονται και να


75

εξελίσσονται, γίνεται πιο εμφανές ότι δεν είναι εφικτό να χειρίζονται τη διαχείριση

των εσόδων μόνο μέσω της αξιολόγησης από τους κατάλληλα εξειδικευμένους

ανθρώπους και μόνο. Θα πρέπει να συμμετέχουν και προηγμένα τεχνολογικά

συστήματα ηλεκτρονικών υπολογιστών, για να μπορέσει να επιτευχθεί η

μεγιστοποίηση των κερδών των ξενοδοχειακών επιχειρήσεων (Caryl Helsel και

Kathleen Cullen 2006).


76

Κεφάλαιο 4: Εφαρμογή του revenue management στην ξενοδοχειακή

επιχείρηση Galaxy στη Σέρρες.


Στα πλαίσια της παρούσης διπλωματικής εργασίας επισκεφθήκαμε το ξενοδοχείο

Galaxy Hotel, το οποίο βρίσκεται στο κέντρο της πόλης των Σερρών. Πρόκειται για

ένα ξενοδοχείο ιδανικό για διαμονή επαγγελματιών αλλά και για όσους επιθυμούν

μερικές μέρες ξεκούρασης και χαλάρωσης. Λόγω της τοποθεσίας του προσφέρει την

μέγιστη διευκόλυνσή για εμπορικές, αθλητικές ή αγοραστικές δραστηριότητες των

πελατών, αλλά είναι και αφετηρία για τις εξορμήσεις στις ομορφιές του Νομού

Σερρών. Το ξενοδοχείο διαθέτει 49 φιλόξενα δωμάτια, πλήρως ανακαινισμένα,

παρέχοντας παράλληλα όλες τις σύγχρονες ανέσεις που θεωρούνται απαραίτητες για

μία ευχάριστη διαμονή.

Στη συνάντηση που είχαμε με τον διευθύνοντα σύμβουλο του ξενοδοχείου κ.

Πατρίκιο Κωνσταντίνο λάβαμε χρήσιμα δεδομένα και πληροφορίες για τα ιστορικά

στοιχεία του ξενοδοχείου, τα οποία σχετίζονται τις κρατήσεις που είχαν γίνει κατά

ημερομηνίες πληρότητας του ξενοδοχείου. Συγχρόνως, μας δόθηκαν στοιχεία τόσο

για τις πιθανότητες των μη-εμφανίσεων (no-shows), όσο και το ποσοστό των

υπερκρατήσεων (overbooking) που έγιναν από το ξενοδοχείο σε ελάχιστες

περιπτώσεις, με τελικό σκοπό την εφαρμογή διοίκησης της απόδοσης, ως προς την

διαχείριση της ζήτησης που υπήρχε στις αντίστοιχες χρονικές περιόδους.

4.2 Εφαρμογή της μεθόδου overbooking στην ξενοδοχειακή επιχείρηση

Η συγκεκριμένη ξενοδοχειακή επιχείρηση χωρίζει τους πελάτες της σε δύο

κατηγορίες ανάλογα με συχνότητα και τον σκοπό της επίσκεψης τους. Πιο

συγκεκριμένα υπάρχουν οι πελάτες που το επισκέπτονται σε συγκεκριμένες

ημερομηνίες όλο τον χρόνο, οι οποίες είναι γνωστές από πριν, για επαγγελματικούς

λόγους και είναι συνήθως αντιπρόσωποι διάφορων εταιριών (φαρμακευτικών,

τεχνικών κ.α.). για τη συγκεκριμένη ημερομηνία το ξενοδοχείο συνήθως δεσμεύει


77

περίπου 15 δωμάτια την εβδομάδα. Επίσης στην κατηγορία αυτή κατατάσσονται και

οι διάφοροι φοιτητές που επισκέπτονται την πόλη στην εξεταστική περίοδο (Ιαν.-

Φεβ., Μαϊ.-Ιουν. και Σεπτ.-Οκτ.), για τους οποίους δεσμεύονται περίπου 10 δωμάτια,

αλλά και τα διάφορα groups που επισκέπτονται συχνά το ξενοδοχείο και κάνουν

κράτηση αρκετό καιρό πιο πριν. Στη δεύτερη κατηγορία ανήκουν οι πελάτες που

επισκέπτονται το ξενοδοχείο για λόγους αναψυχής, οι οποίοι μπορεί να κάνουν

κράτηση κάποιο χρονικό διάστημα πιο πριν ή να εμφανιστούν την ίδια μέρα που

επιθυμούν να μείνουν στο ξενοδοχείο. Οι περίοδοι υψηλής ζήτησης για το

συγκεκριμένο ξενοδοχείο είναι κυρίως το χειμώνα και την άνοιξη, αλλά και οι

γιορτές και τα τριήμερα και συνήθως τα Σαββατοκύριακα, ενώ το καλοκαίρι και

ιδιαίτερα τους μήνες Ιούλιο και Αύγουστο η ζήτηση είναι πολύ πιο χαμηλή.

Ο παρακάτω πίνακας παρουσιάζει τα ιστορικά στοιχεία μου μας δόθηκαν σχετικά με

τις πιθανότητες των μη-εμφανίσεων των πελατών της ξενοδοχειακής επιχείρησης σε

περιόδους 100% πληρότητας, (στην πρώτη και δεύτερη στήλη). Στην τρίτη στήλη

παρουσιάζονται οι αριθμοί των υπερκρατήσεων και στην τέταρτη στήλη δίνεται η

αθροιστική πιθανότητα που θα μας βοηθήσει στα συμπεράσματα που θα

καταλήξουμε παρακάτω σχετικά με την πολιτική του overbooking.

Πίνακας 2: Oι πιθανότητες των μη εμφανίσεων

Μη-εμφανίσεις

(No-shows)

d

Πιθανότητες

P(d)

Υπερκρατήσεις

x

Αθροιστική

πιθανότητα

P(d<x)

0 0,06 0 0

1 0,18 1 0,06

2 0,24 2 0,24

3 0,17 3 0,48

4 0,09 4 0,65

5 0,11 5 0,74

6 0,06 6 0,85

7 0,04 7 0,91

8 0,03 8 0,95

9 0,02 9 0,98


78

Ο αριθμός των μη εμφανίσεων στην ξενοδοχειακή μονάδα Galaxy σε περιόδους

100% πληρότητας υπολογίζεται από τον παραπάνω πίνακα και είναι : (0×0,06) +

(1×0,18) + (2×0,24) + (3×0,17) + (4×0,09) + (5×0,11) + (6×0,06) + (7×0,04) +

(8×0,03) + (9×0,02) = 3,14. Επομένως οι μη εμφανίσεις είναι 3,14 και σε συνδυασμό

με το κόστος του κάθε δωματίου το οποίο είναι 12€ συμπεραίνουμε ότι η

αναμενόμενη ημερήσια απώλεια είναι 3,14×12= 37,68€. Επίσης στην περίοδο που

φτάνει η πληρότητα το 100% η τιμή του κάθε δωματίου είναι 60€.

Παρακάτω παρατίθεται ο πίνακας που αναλύει τη μέθοδο του Overbooking όπως

παρουσιάζεται η εφαρμογή του στο βιβλίο Service Management των Fitzsimmons &

Fitzsimmons (2008) και εφαρμόζεται στη ξενοδοχειακή επιχείρηση Galaxy. Επίσης

παρουσιάζεται η απώλεια που σχετίζεται με την κάθε πιθανή υπερκράτηση.

Πίνακας 3: Εφαρμογή του overbooking

OVERBOO

KING

NO SHOW

S

PROB 0 1 2 3 4 5 6 7 8 9

0 0,06 0 60 120 180 240 300 360 420 480 540

1 0,18 12 0 60 120 180 240 300 360 420 480

2 0,24 24 12 0 60 120 180 240 300 360 420

3 0,17 36 24 12 0 60 120 180 240 300 360

4 0,09 48 36 24 12 0 60 120 180 240 300

5 0,11 60 48 36 24 12 0 60 120 180 240

6 0,06 72 60 48 36 24 12 0 60 120 180

7 0,04 84 72 60 48 36 24 12 0 60 120

8 0,03 96 84 72 60 48 36 24 12 0 60

9 0,02 108 96 84 72 60 48 36 24 12 0 ΑΝΑΜΕΝΟΜΕΝ

Η ΑΠΩΛΕΙΑ (€)

- 36,66 30 35,28 57,84 92,6

4

133,92 183,12 236,64 286,

56

351,

6


79

Με βάσει τα παραπάνω στοιχεία που μελετήσαμε, ο άριστος αριθμός κρατήσεων που

πρέπει να κάνει το ξενοδοχείο παραπάνω της χωρητικότητας του είναι 1 δωμάτιο. Ο

αριθμός αυτός υπολογίζεται από τον πολλαπλασιασμό των πιθανοτήτων και της

απώλειας που σχετίζεται με κάθε πιθανή υπερκράτηση. Για παράδειγμα η

αναμενόμενη απώλεια όταν γίνεται μία κράτηση παραπάνω υπολογίζεται

πολλαπλασιάζοντας τις πιθανότητες της δεύτερης στήλης επί τις απώλειες της μίας

υπερκράτησης που είναι στην τέταρτη στήλη. Δηλαδή (0,06×60) + (0,18×0) +

(0,24×12) + (0,17×24) + (0,09×36) + (0,11×48) + (0,06×60) + (0,04×72) + (0,03×84)

+ (0,02×96) = 30€, η οποία είναι και η μικρότερη απώλεια όπως φαίνεται και στον

πίνακα.

Σκοπός λοιπόν της ξενοδοχειακής επιχείρησης είναι η μεγιστοποίηση του κέρδους

της και για να μπορέσει να επιτευχθεί αυτό θα πρέπει να υπάρχουν οι λιγότερες

δυνατές απώλειες, οι οποίες επιτυγχάνονται κάνοντας στη προκειμένη περίπτωση μία

υπερκράτηση. Η μέθοδος αυτή είναι αποτελεσματική, διότι όπως υπολογίσαμε και

προηγουμένως η αναμενόμενη ημερήσια απώλεια είναι 37,68€, ενώ

πραγματοποιώντας μία υπερκράτηση η επιχείρηση μπορεί να μειώσει τις

αναμενόμενες ημερήσιες απώλειες κατά 7, 68€.

Επίσης στο βιβλίο Service Management των Fitzsimmons & Fitzsimmons (2008)

αναφέρεται το «the critical fractile criterion», το οποίο εφαρμόζεται στις

ξενοδοχειακές επιχειρήσεις στον εντοπισμό της καλύτερης overbooking στρατηγικής.

Ο τύπος του κριτήριου είναι ο ακόλουθος:

Cu

P (d<x) <=

Cu +Co

Όπου Cu το κόστος του δωματίου, που στη συγκεκριμένη περίπτωση είναι 12€, ενώ

το Co η αναμενόμενη απώλεια η οποία απορρέει από τη μία παραπάνω κράτηση ανά

δωμάτιο και είναι 60€ και d ο αριθμός των μη-εμφανίσεων και x ο αριθμός των

υπερκρατήσεων. Επομένως το αποτέλεσμα είναι:


80

Cu 12

P (d<x) <= = = 0, 1666

Cu +Co 12 +60

Για να έχει εφαρμοστεί η μέθοδος του overbooking σωστά θα πρέπει ο αριθμός των

δωματίων που θα υπερκρατηθούν να καλύπτει την αθροιστική πιθανότητα των μη-

εμφανίσεων. Από τον πίνακα 2 γίνεται αντιληπτό ότι η πολιτική της μίας

υπερκράτησης ικανοποιεί το παραπάνω κριτήριο, γιατί η αθροιστική της πιθανότητα

είναι P (d<x) = 0,06 και είναι μικρότερη από το αποτέλεσμα που υπολογίσαμε.

4.3 Εφαρμογή του προγράμματος ARENA στην ξενοδοχειακή

επιχείρηση

Η συγκεκριμένη ξενοδοχειακή επιχείρηση διαθέτει 49 δωμάτια, από τα οποία τα 41

είναι δίκλινα και τα υπόλοιπα 8 είναι τρίκλινα. Στην συγκεκριμένη περίπτωση

θεωρούμε ότι το 80% των πελατών επιθυμεί να διανυκτερεύσει σε δίκλινα δωμάτια

και το 20% σε τρίκλινα δωμάτια. Επίσης θα εξετάσουμε σε διαφορετικές περιπτώσεις

τις αφίξεις των πελατών με βάση την εκθετική κατανομή, αλλά και με βάση την

κανονική κατανομή και θα οδηγηθούμε σε διαφορετικά συμπεράσματα σε κάθε

περίπτωση. Συγχρόνως θα εξετάσουμε και τους διαφορετικούς χρόνους παραμονής

των πελατών τόσο στα δίκλινα όσο και στα τρίκλινα και θα προγραμματίσουμε τον

χρόνο υπολογισμού σε δύο και τέσσερεις εβδομάδες. Στην πρώτη περίπτωση θα

θεωρήσουμε ότι οι πελάτες παραμένουν μία ημέρα στα δωμάτιά τους και στη δεύτερη

περίπτωση δύο ημέρες. Παρακάτω ακολουθούν οι τέσσερεις περιπτώσεις που θα

εφαρμοστούν η κάθε μία ξεχωριστά στο πρόγραμμα του Arena και θα

προσομοιωθούν σε δύο και τέσσερεις εβδομάδες αντίστοιχα:

1. χρόνος άφιξης με βάση την εκθετική κατανομή και παραμονή των πελατών

μία ημέρα

2. χρόνος άφιξης με βάση την εκθετική κατανομή και παραμονή των πελατών

δύο ημέρες

3. χρόνος άφιξης με βάση την κανονική κατανομή και παραμονή των πελατών

στο δωμάτιο μία ημέρα

4. χρόνος άφιξης με βάση την κανονική κατανομή και παραμονή των πελατών

στο δωμάτιο δύο ημέρες.


81

Με βάση τα στοιχεία που μας δόθηκαν από την ξενοδοχειακή επιχείρηση θεωρούμε

ότι στην πρώτη περίπτωση ο χρόνος άφιξης των πελατών είναι πέντε λεπτά και

ακολουθεί την εκθετική κατανομή και οι πελάτες τόσο στα δίκλινα όσο και στα

τρίκλινα παραμένουν για μία ημέρα. Ο χρόνος εξυπηρέτησης του κάθε πελάτη είναι

και αυτός με βάση την εκθετική κατανομή και διαρκεί τέσσερα λεπτά και το χρονικό

διάστημα μετακίνησης των πελατών από την reception στα δωμάτια είναι τρία λεπτά

για τα δίκλινα τα τρίκλινα, ενώ ο χρόνος παραμονής τους είναι μία ημέρα. Με τα ίδια

δεδομένα θα εφαρμόσουμε το πρόγραμμα και με χρόνο παραμονής στα δωμάτια τις

δύο ημέρες. Στην κανονική κατανομή αντίστοιχα όλα τα δεδομένα παραμένουν τα

ίδια και το μόνο που αλλάζει είναι ο χρόνος άφιξης που γίνεται τέσσερα λεπτά με

τυπική απόκλιση δύο λεπτά. Στο τέλος προσομοιώνουμε το πρόγραμμα ARENA για

το χρονικό διάστημα των δύο και τεσσάρων εβδομάδων. Παρακάτω εμφανίζονται τα

σχήματα με τα δεδομένα που περιγράψαμε παραπάνω στο πρόγραμμα του ARENA

και στη συνέχεια παρουσιάζονται τα αποτελέσματα που δόθηκαν για το διάστημα των

δύο και τεσσάρων εβδομάδων αντίστοιχα.

Σχήμα 4 : «Εκθετική κατανομή-παραμονή πελατών μία ημέρα-χρόνος προσομοίωσης

δύο εβδομάδες»


82

Σχήμα 5: «εκθετική κατανομή-παραμονή πελατών μία ημέρα-χρόνος προσομοίωσης

τέσσερεις εβδομάδες»

Τα αποτελέσματα που μας δόθηκαν από το πρόγραμμα ARENA για κάθε μια από τις

παραπάνω περιπτώσεις παρουσιάζονται στους παρακάτω πίνακες:


83

Πίνακας 4 : «χρόνος παραμονής στο σύστημα-flow time»

Ο παραπάνω πίνακας μας δείχνει τον μέσο χρόνο παραμονής του κάθε πελάτη στο

σύστημα. Στην πρώτη περίπτωση που η κατανομή είναι εκθετική, ο πελάτης

παραμένει μία ημέρα στο δωμάτιο και ο χρόνος προσομοίωσης είναι δύο εβδομάδες,

ο μέσος χρόνος παραμονής στο σύστημα είναι 10898 λεπτά (7,5 ημέρες) με

maximum 19348 λεπτά (13,4 ημέρες) και minimum 751.07 λεπτά ( 0,5 ημέρες), ενώ

συνολικά επισκέφτηκαν το ξενοδοχείο 58 άτομα. Όταν ο χρόνος προσομοίωσης είναι

τέσσερεις εβδομάδες οι χρόνοι είναι 15206 (10,5 ημέρες), 23100 (16 ημέρες) και

751.07 (0,5 ημέρες) αντίστοιχα με 129 συνολικούς επισκέπτες. Όταν ο χρόνος

παραμονής στα δωμάτια είναι δύο ημέρες και ο χρόνος προσομοίωσης είναι δύο

εβδομάδες, ο μέσος χρόνος παραμονής στο σύστημα είναι 9187 λεπτά (6,4 ημέρες) με

TALLY VARIABLES

Κατανομές Χρόνος παραμονής

Χρόνος προσομοίωσης

Identifier Average Half Width

Minimum Maximum Observations

EXPO 1 ημέρα 2 εβδομάδες χρόνος παραμονής στο σύστημα

10898 (Insuf) 751.07 19348.

58

EXPO 1 ημέρα 4 εβδομάδες χρόνος παραμονής στο σύστημα

15206 (Insuf) 751.07 23100. 129

EXPO 2 ημέρες 2 εβδομάδες χρόνος παραμονής στο σύστημα

9187.0 (Insuf) 1494.8 19305. 36

EXPO 2 ημέρες 4 εβδομάδες χρόνος παραμονής στο σύστημα

17167 (Insuf) 1494.8 36756. 63

NORM 1 ημέρα 2 εβδομάδες χρόνος παραμονής στο σύστημα

9198.4 (Insuf) 139.23 18997. 70

NORM 1 ημέρα 4 εβδομάδες χρόνος παραμονής στο σύστημα

13938. (Insuf) 139.23 27146. 135

NORM 2 ημέρες 2 εβδομάδες χρόνος παραμονής στο σύστημα

10249. (Insuf) 277.31 19690. 35

NORM 2 ημέρες 4 εβδομάδες χρόνος παραμονής στο σύστημα

19342. (Insuf) 277.31 37970 77


84

maximum τα 19305 λεπτά (13,4 ημέρες) και minimum τα 1494.8 λεπτά (10,4 ημέρες),

ενώ οι πελάτες είναι μόλις 36. Όταν ο χρόνος προσομοίωσης είναι τέσσερεις

εβδομάδες οι χρόνοι είναι 17167, 36756 και 1494.8 λεπτά αντίστοιχα (11,9 25,5 και 1

ημέρες) με 63 συνολικούς πελάτες. Από τα παραπάνω στοιχεία συμπεραίνουμε ότι η

καλύτερη περίπτωση είναι η δεύτερη όταν η παραμονή των πελατών στα δωμάτια

είναι μία ημέρα και ο χρόνος προσομοίωσης τέσσερεις εβδομάδες, γιατί όλοι οι

χρόνοι παραμονής έχουν μικρές τιμές και εξυπηρετούνται περισσότεροι πελάτες.

Στη δεύτερη περίπτωση όταν η κατανομή είναι κανονική τα αποτελέσματα που

πήραμε από το ARENA ήταν παρόμοια. Πιο συγκεκριμένα όταν ο χρόνος

προσομοίωσης είναι δύο εβδομάδες και οι πελάτες επιθυμούν να παραμείνουν για μία

ημέρα ο μέσος χρόνος παραμονής στο σύστημα είναι 9198.4 λεπτά (6,4 ημέρες) με

maximum τα 18997 και minimum τα 139.23 λεπτά (13,2 και 0,09 ημέρες) με 70

συνολικά πελάτες. Όταν ο χρόνος προσομοίωσης είναι τέσσερεις βδομάδες οι χρόνοι

γίνονται 13938, 27146 και 139.23 αντίστοιχα (9,6, 18,8 και 0,09 ημέρες) με 135

πελάτες να εξυπηρετούνται συνολικά. Όταν ο χρόνος παραμονής στα δωμάτια είναι

δύο ημέρες οι χρόνοι παραμονής στο σύστημα γίνονται 13938, 19690 και 277.31

αντίστοιχα (9,7, 13,67 και 0,1 ημέρες) για δύο εβδομάδες με 35 πελάτες, ενώ για

τέσσερεις γίνονται 19342, 37970 και 277.31 (13,43 26 και 0,1 ημέρες) με 77 πελάτες.

Όπως και παραπάνω συμπεραίνουμε ότι η καλύτερη περίπτωση είναι όταν είναι μία η

ημέρα παραμονής στα δωμάτια και τέσσερεις εβδομάδες ο χρόνος προσομοίωσης,

γιατί έχει μικρούς χρόνους παραμονής στο σύστημα και τον μεγαλύτερο αριθμό

πελατών.


85

Πίνακας 5: «χρόνος παραμονής στην ουρά στη reception»

TALLY VARIABLES





EXPO 1 ημέρα 2 εβδομάδες χρόνος παραμονής στην ουρά στη reception

18.342 5.2537 .00000 121.65 4060

EXPO 1 ημέρα 4 εβδομάδες χρόνος παραμονής στην ουρά στη reception

17.737 3.8364 .00000 121.65 8076

EXPO 2 ημέρες 2 εβδομάδες Χρόνος παραμονής στην ουρά στη reception

20.133 4.4411 .00000 110.97 4069

EXPO 2 ημέρες 4 εβδομάδες χρόνος παραμονής στην ουρά στη reception

18.716 3.3227 .00000 124.89 8102

NORM 1 ημέρα 2 εβδομάδες χρόνος παραμονής στην ουρά στη reception

50.501. (Corr) .00000 176.01 4943

NORM 1 ημέρα 4 εβδομάδες χρόνος παραμονής στην ουρά στη reception

55.458 (Corr) .00000 189.84 9857

NORM 2 ημέρες 2 εβδομάδες χρόνος παραμονής στην ουρά στη reception

52.877 (Corr) .00000 148.84 4940

NORM 2 ημέρες 4 εβδομάδες χρόνος παραμονής στην ουρά στη reception

55.132 (Corr) .00000 195. 9899

Ο παραπάνω πίνακας μας δείχνει τον χρόνο παραμονής που περιμένουν οι πελάτες

στην ουρά όταν βρίσκονται στη reception. Όπως παρατηρούμε είναι ελάχιστος ο

χρόνος παραμονής στην ουρά στη reception σε όλες τις περιπτώσεις, αλλά όπως και

πριν στην εκθετική κατανομή η καλύτερη περίπτωση είναι όταν ο χρόνος παραμονής

των πελατών στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης τέσσερεις

εβδομάδες με τιμές 17,737 λεπτά ο μέσος χρόνος και 121,65 ο maximum χρόνος.

Παρόμοια και στην κανονική κατανομή η καλύτερη περίπτωση είναι με τα παραπάνω

δεδομένα και με χρόνους 50,501 ο μέσος και 176,01 ο maximum. Επομένως το


86

σύστημα λειτουργεί σωστά γιατί όλοι ο χρόνοι παραμονής στην ουρά είναι πολύ

μικροί.

Πίνακας 6: «χρόνος παραμονής στην ουρά για τα δίκλινα δωμάτια»

TALLY VARIABLES





EXPO 1 ημέρα 2 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

10077 (Insuf) .00000 19332. 29

EXPO 1 ημέρα 4 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

14536 (Insuf) .00000 21586 58

EXPO 2 ημέρες 2 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

8573.6 (Insuf) .00000 19039 15

EXPO 2 ημέρες 4 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

16184. (Insuf) .00000 36722 25

NORM 1 ημέρα 2 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

8057.5 (Insuf) .00000 18949. 28

NORM 1 ημέρα 4 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

15546. (Insuf) .00000 25924. 54

NORM 2 ημέρες 2 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

8050.5 (Insuf) .00000 19658 16

NORM 2 ημέρες 4 εβδομάδες χρόνος παραμονής στην ουρά για τα δίκλινα

18632 (Insuf) .00000 37856. 33

Ο πίνακας 6 μας δείχνει τους χρόνους παραμονής στην ουρά για τα δίκλινα δωμάτια.

Πιο συγκεκριμένα όταν η κατανομή είναι εκθετική, ο χρόνος παραμονής στα δωμάτια

είναι μία ημέρα και ο χρόνος προσομοίωσης του συστήματος είναι δύο εβδομάδες, ο


87

μέσος χρόνος παραμονής στην ουρά για τα δίκλινα δωμάτια είναι 10077 λεπτά (7

ημέρες) με maximum 19332 (13,4 ημέρες) και όταν ο χρόνος προσομοίωσης γίνεται

τέσσερεις εβδομάδες οι χρόνοι είναι 14536 (19 ημέρες) και 21586 (15ημέρες)

αντίστοιχα. Στην περίπτωση που παραμένουν δύο ημέρες οι πελάτες στα δωμάτια και

ο χρόνος προσομοίωσης είναι δύο εβδομάδες τα νούμερα είναι 8573.6 λεπτά (6

ημέρες) για τον μέσο χρόνο παραμονής και 19039 (13.2 ημέρες) για τον maximum

χρόνο παραμονής, ενώ όταν προσομοιώνουμε το σύστημα για τέσσερεις εβδομάδες οι

αριθμοί γίνονται 16184 λεπτά (11,2 ημέρες) και 36722 λεπτά (25,5 ημέρες)

αντίστοιχα. Από τα παραπάνω συμπεραίνουμε ότι η καλύτερη περίπτωση είναι η

τρίτη κατά την οποία οι πελάτες παραμένουν δύο ημέρες στα δωμάτιά τους έχοντας

χρόνο προσομοίωσης τις δύο εβδομάδες, γιατί είναι ο μικρότερος χρόνος παραμονής

στην ουρά .

Στη δεύτερη περίπτωση όπου η κατανομή είναι κανονική τα συμπεράσματα στα

οποία καταλήγουμε είναι παρόμοια. Πιο συγκεκριμένα όταν ο χρόνος παραμονής των

πελατών στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης είναι δύο

εβδομάδες, ο μέσος χρόνος παραμονής στα δίκλινα δωμάτια είναι 8057.5 λεπτά (5,6

ημέρες) με maximum τα 18949 λεπτά (13,15 ημέρες). Όταν ο χρόνος προσομοίωσης

γίνεται τέσσερεις εβδομάδες τα αποτελέσματα είναι 15546 λεπτά (10,8 ημέρες) και

25924 λεπτά (18 ημέρες) αντίστοιχα. Όταν ο χρόνος παραμονής των πελατών είναι

δύο ημέρες και ο χρόνος προσομοίωσης δύο εβδομάδες οι χρόνοι είναι 8050.5 λεπτά

(5,6 ημέρες) ο μέσος και 19658 λεπτά (13,65 ημέρες) ο μέγιστος και όταν ο χρόνος

προσομοίωσης γίνεται τέσσερεις εβδομάδες οι χρόνοι γίνονται 18632 λεπτά (12,9

ημέρες) και 37856 λεπτά (26,3 ημέρες). Από όλα τα παραπάνω συμπεραίνουμε ότι

και πάλι η καλύτερη περίπτωση είναι η τρίτη όπου ο χρόνος παραμονής στα δωμάτια

είναι δύο ημέρες και ο χρόνος προσομοίωσης δύο εβδομάδες, γιατί έχει τους

μικρότερους χρόνους αναμονής στην ουρά .


88

Πίνακας 7: «χρόνος παραμονής στην ουρά για τα τρίκλινα δωμάτια»

Επίσης και ο πίνακας 7 μας δείχνει τον χρόνο παραμονής των πελατών για τα

τρίκλινα δωμάτια. Πιο συγκεκριμένα όταν η κατανομή είναι εκθετική, ο χρόνος

παραμονής στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης του

συστήματος είναι δύο εβδομάδες, ο μέσος χρόνος παραμονής στην ουρά για τα

τρίκλινα δωμάτια είναι 9871.7 λεπτά (6,85 ημέρες) με maximum 18327 λεπτά (12,7

TALLY VARIABLES





EXPO 1 ημέρα 2 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

9871.7 (Insuf) .00000 18327 34

EXPO 1 ημέρα 4 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

13214. (Insuf) .00000 18383 76

EXPO 2 ημέρες 2 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

7679.9 (Insuf) .00000 19137 26

EXPO 2 ημέρες 4 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

15408. (Insuf) .00000 32922 43

NORM 1 ημέρα 2 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

8434.1 (Insuf) .00000 13287. 47

NORM 1 ημέρα 4 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

10927. (Insuf) .00000 15050. 86

NORM 2 ημέρες 2 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

9494.7 (Insuf) .00000 19520. 24

NORM 2 ημέρες 4 εβδομάδες xρόνος παραμονής στην ουρά για τα τρίκλινα

16996 (Insuf) .00000 26919. 49


89

ημέρες). Όταν ο χρόνος προσομοίωσης είναι τέσσερεις εβδομάδες οι αριθμοί γίνονται

αντίστοιχα 13214 λεπτά (9,2 ημέρες) και 18383 λεπτά (12,8 ημέρες). Όταν ο χρόνος

παραμονής των πελατών στα δωμάτια είναι δύο ημέρες ο μέσος χρόνος παραμονής

στην ουρά για τα τρίκλινα είναι 7679.9 (5,3 ημέρες) με maximum 19137 λεπτά (13,3

ημέρες), ενώ όταν ο χρόνος γίνεται τέσσερεις εβδομάδες τα αποτελέσματα είναι

15408 λεπτά (10,7 ημέρες) και 32922 λεπτά (22,9 ημέρες) αντίστοιχα. Προκύπτει από

τα παραπάνω ότι η καλύτερη περίπτωση είναι η τρίτη, γιατί έχει τους μικρότερους

χρόνους αναμονής.

Στη δεύτερη περίπτωση όπου η κατανομή είναι κανονική τα συμπεράσματα στα

οποία καταλήγουμε είναι τα ίδια. Πιο συγκεκριμένα όταν ο χρόνος παραμονής των

πελατών στα τρίκλινα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης είναι δύο

εβδομάδες, ο μέσος χρόνος παραμονής είναι 8434.1 λεπτά (5,85 ημέρες) και ο

μέγιστος 13287 λεπτά (9,3 ημέρες) ενώ όταν ο χρόνος προσομοίωσης γίνεται

τέσσερεις εβδομάδες οι χρόνοι αναμονής γίνονται αντίστοιχα 10927 (7,6 ημέρες) και

15050 λεπτά (10,45 ημέρες). Όταν ο χρόνος παραμονής των πελατών είναι δύο

ημέρες και ο χρόνος προσομοίωσης δύο εβδομάδες οι χρόνοι είναι 9494.7 λεπτά (6,6

ημέρες) και 19520 λεπτά (13,5 ημέρες) αντίστοιχα και όταν γίνεται τέσσερεις

εβδομάδες τα αποτελέσματα είναι 16996 λεπτά (11,8 ημέρες) και 26919 λεπτά (18,7

ημέρες) αντίστοιχα. Όπως και στις άλλες περιπτώσεις η καλύτερη περίπτωση είναι η

πρώτη όταν ο χρόνος διαμονής είναι μία ημέρα και ο χρόνος προσομοίωσης δύο

εβδομάδες, γιατί έχει τους μικρότερους χρόνους παραμονής στην ουρά.


90

Πίνακας 8: « ποσοστό του συνολικού χρόνου που είναι κατειλημμένη η reception»

Ο πίνακας 8 μας δείχνει το ποσοστό του συνολικού χρόνου που είναι κατειλημμένη η

reception. Πιο συγκεκριμένα όταν η κατανομή είναι εκθετική, ο χρόνος παραμονής

στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης του συστήματος είναι δύο

εβδομάδες το 80,5% του συνολικού χρόνου είναι κατειλημμένη η reception, ενώ όταν

ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες το ποσοστό περίπου παραμένει

το ίδιο 80,56%. Όταν η παραμονή των πελατών είναι δύο ημέρες το ποσοστό γίνεται

DISCRETE-CHANGE VARIABLES




Minimum Maximum Final value

EXPO 1 ημέρα 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.80505 .03689 .00000 1.0000 .00000

EXPO 1 ημέρα 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.80567 .02544 .00000 1.0000 1.0000

EXPO 2 ημέρες 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.81933 .03297 .00000 1.0000 1.0000

EXPO 2 ημέρες 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.81347 .02188 .00000 1.0000 1.0000

NORM 1 ημέρα 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.97993 .00863 .00000 1.0000 1.0000

NORM 1 ημέρα 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.97902 .00966 .00000 1.0000 1.0000

NORM 2 ημέρες 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.97799 (Corr) .00000 1.0000 1.0000

NORM 2 ημέρες 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένης reception

.98086 (Corr) .00000 1.0000 1.0000


91

81,93% και 81.34% σε χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων

αντίστοιχα.

Στην περίπτωση της κανονικής κατανομής το ποσοστό του συνολικού χρόνου που

είναι κατειλημμένη η reception είναι μεγαλύτερο. Πιο συγκεκριμένα όταν ο χρόνος


συστήματος είναι δύο εβδομάδες το ποσοστό είναι 97,99% και ενώ όταν ο χρόνος

προσομοίωσης γίνεται τέσσερεις εβδομάδες το ποσοστό περίπου παραμένει το ίδιο

97,9%. Όταν η παραμονή των πελατών είναι δύο ημέρες το ποσοστό γίνεται 97,7%

και 98% σε χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων αντίστοιχα.


92

Πίνακας 9 : « ποσοστό του συνολικού χρόνου που είναι κατειλημμένα τα δίκλινα»

Ο πίνακας 9 μας δείχνει το ποσοστό του συνολικού χρόνου που είναι κατειλημμένα

τα δίκλινα δωμάτια. Πιο συγκεκριμένα όταν η κατανομή είναι εκθετική, ο χρόνος


συστήματος είναι δύο εβδομάδες το 99,92% του συνολικού χρόνου είναι

κατειλημμένα και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες το






EXPO 1 ημέρα 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9992 (Insuf) 00000 2.0000 2.0000

EXPO 1 ημέρα 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9996 (Insuf) .00000 2.0000 2.0000

EXPO 2 ημέρες 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9992 (Insuf) .00000 2.0000 2.0000

EXPO 2 ημέρες 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9996 (Insuf) .00000 2.0000 2.0000

NORM 1 ημέρα 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9994 (Insuf) .00000 2.0000 2.0000

NORM 1 ημέρα 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9997 (Insuf) .00000 2.0000 2.0000

NORM 2 ημέρες 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9994 (Insuf) .00000 2.0000 2.0000

NORM 2 ημέρες 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων δίκλινων

1.9997 (Insuf) .00000 2.0000 2.0000


93

ποσοστό περίπου παραμένει το ίδιο 99,96%. Όταν η παραμονή των πελατών είναι

δύο ημέρες το ποσοστό είναι πάλι το ίδιο 99,92% και 99,96%. και σε χρόνους

προσομοίωσης δύο και τεσσάρων εβδομάδων αντίστοιχα.


είναι κατειλημμένη τα δίκλινα δωμάτια είναι περίπου το ίδιο. Πιο συγκεκριμένα όταν

ο χρόνος παραμονής στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης του

συστήματος είναι δύο εβδομάδες το ποσοστό είναι 99.94% και ενώ όταν ο χρόνος

προσομοίωσης γίνεται τέσσερεις εβδομάδες το ποσοστό γίνεται 99,97%. Όταν η

παραμονή των πελατών είναι δύο ημέρες το ποσοστό είναι το ίδιο 99.94% και

99,97% σε χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων αντίστοιχα.

Πίνακας 10 : « ποσοστό του συνολικού χρόνου που είναι κατειλημμένα τα τρίκλινα»






EXPO 1 ημέρα 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9901 (Insuf) 00000 3.0000 3.0000

EXPO 1 ημέρα 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9950 (Insuf) 00000 3.0000 3.0000

EXPO 2 ημέρες 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9901 (Insuf) 00000 3.0000 3.0000

EXPO 2 ημέρες 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9950 (Insuf) 00000 3.0000 3.0000

NORM 1 ημέρα 2 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9941 (Insuf) 00000 3.0000 3.0000

NORM 1 ημέρα 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9970 (Insuf) 00000 3.0000 3.0000


94

NORM 2 ημέρες 2 εβδομάδες Ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9941 (Insuf) 00000 3.0000 3.0000

NORM 2 ημέρες 4 εβδομάδες ποσοστό συνολικού χρόνου κατειλημμένων τρίκλινων

2.9970 (Insuf) 00000 3.0000 3.0000

Παρόμοια ο πίνακας 10 μας δείχνει το ποσοστό του συνολικού χρόνου που είναι

κατειλημμένα τα τρίκλινα δωμάτια. Πιο συγκεκριμένα όταν η κατανομή είναι

εκθετική, ο χρόνος παραμονής στα δωμάτια είναι μία ημέρα και ο χρόνος

προσομοίωσης του συστήματος είναι δύο εβδομάδες το 99% του συνολικού χρόνου

είναι κατειλημμένα και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες το

ποσοστό γίνεται 99,5%. Όταν η παραμονή των πελατών είναι δύο ημέρες το ποσοστό

είναι πάλι το ίδιο 99,9% και 99,5%. και σε χρόνους προσομοίωσης δύο και

τεσσάρων εβδομάδων αντίστοιχα.


είναι κατειλημμένη τα τρίκλινα δωμάτια είναι περίπου το ίδιο. Πιο συγκεκριμένα

όταν ο χρόνος παραμονής στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης

του συστήματος είναι δύο εβδομάδες το ποσοστό είναι 99.41% και ενώ όταν ο χρόνος

προσομοίωσης γίνεται τέσσερεις εβδομάδες το ποσοστό γίνεται 99,7%. Όταν η

παραμονή των πελατών είναι δύο ημέρες το ποσοστό είναι το ίδιο 99.41% και 99,7%

σε χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων αντίστοιχα.


95

Πίνακας 11 : «ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη»






EXPO 1 ημέρα 2 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

EXPO 1 ημέρα 4 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

EXPO 2 ημέρες 2 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

EXPO 2 ημέρες 4 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

NORM 1 ημέρα 2 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

NORM 1 ημέρα 4 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000


96

NORM 2 ημέρες 2 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

NORM 2 ημέρες 4 εβδομάδες ποσοστό του συνολικού χρόνου που η reception είναι ελεύθερη

1.0000 (Insuf) 1.0000 1.0000 1.0000

Πίνακας 12 : «ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα»






EXPO 1 ημέρα 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000

EXPO 1 ημέρα 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000

EXPO 2 ημέρες 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000

EXPO 2 ημέρες 4 εβδομάδες ποσοστό του συνολικού χρόνου

2.0000 (Insuf) 2.0000 2.0000 2.0000


97

που τα δίκλινα είναι ελεύθερα

NORM 1 ημέρα 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000

NORM 1 ημέρα 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000

NORM 2 ημέρες 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000

NORM 2 ημέρες 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα δίκλινα είναι ελεύθερα

2.0000 (Insuf) 2.0000 2.0000 2.0000


98

Πίνακας 13 : ««ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα»






EXPO 1 ημέρα 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

EXPO 1 ημέρα 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

EXPO 2 ημέρες 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

EXPO 2 ημέρες 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

NORM 1 ημέρα 2 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

NORM 1 ημέρα 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι

3.0000 (Insuf) 3.0000 3.0000 3.0000


99

ελεύθερα NORM 2 ημέρες 2 εβδομάδες ποσοστό

του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

NORM 2 ημέρες 4 εβδομάδες ποσοστό του συνολικού χρόνου που τα τρίκλινα είναι ελεύθερα

3.0000 (Insuf) 3.0000 3.0000 3.0000

Οι πίνακες 11, 12 και 13 μας δείχνουν την διαθεσιμότητα του κάθε εξυπηρετητή. Πιο

συγκεκριμένα ο πίνακας 11 δείχνει ότι η reception μπορεί να εξυπηρετήσει κάθε

φορά έναν πελάτη, ο πίνακας 12 δείχνει ότι στα δίκλινα μπορούν να παραμείνουν

μόνο δύο πελάτες και αντίστοιχα στα τρίκλινα όπως δείχνει και ο πίνακας 13

μπορούν να παραμείνουν μόνο τρεις πελάτες.

Πίνακας 14 : «αριθμός των πελατών που περιμένουν στην ουρά για τη reception»






EXPO 1 ημέρα 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

3.6939 1.2749 00000 27.000 00000

EXPO 1 ημέρα 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

3.5566 .77833 0000 27.000 8.0000


100

EXPO 2 ημέρες 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

4.0740 .99448 .00000 27.000 9.0000

EXPO 2 ημέρες 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

3.7614 .70956 .00000 27.000 7.0000

NORM 1 ημέρα 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

12.382 (Corr) .00000 30.000 .00000

NORM 1 ημέρα 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

13.620 2.4087 .00000 30.000 30.00000

NORM 2 ημέρες 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

12.957 (Corr) .00000 30.000 2.0000

NORM 2 ημέρες 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τη reception

13.601 (Corr) .0000 30.000 29.000

Ο πίνακας 14 παρουσιάζει τον αριθμό των πελατών που περιμένουν στην ουρά για τη

reception. Πιο συγκεκριμένα όταν η κατανομή είναι εκθετική, ο χρόνος παραμονής

στα δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης του συστήματος είναι δύο


101

εβδομάδες περίπου 3,7 πελάτες κατά μέσο όρο παραμένουν στην ουρά με maximum

27 και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες 3,5 πελάτες

παραμένουν στην ουρά με τον ίδιο αριθμό maximum πελατών. Όταν η παραμονή

των πελατών είναι δύο ημέρες ο αριθμός γίνεται 4 και 3,7 με ίδιο μέγιστο αριθμό τους

27 πελάτες και χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων αντίστοιχα.

Από τα παραπάνω συμπεραίνουμε ότι η καλύτερη περίπτωση είναι η δεύτερη με

χρόνο διαμονής τη μία ημέρα και χρόνο προσομοίωσης τις τέσσερεις εβδομάδες, γιατί

παραμένουν λιγότεροι πελάτες στην ουρά.

Στην περίπτωση της κανονικής κατανομής ο αριθμός των πελατών που περιμένουν

στην ουρά για τη reception.είναι μεγαλύτερος. Πιο συγκεκριμένα όταν ο χρόνος


συστήματος είναι δύο εβδομάδες περιμένουν 12,4 περίπου πελάτες με maximum 30

πελάτες και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες 13,6 πελάτες


των πελατών είναι δύο ημέρες ο αριθμός γίνεται 12,96 και 13,6 με ίδιο μέγιστο

αριθμό τους 30 πελάτες και χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων


πρώτη με χρόνο διαμονής τη μία ημέρα και χρόνο προσομοίωσης τις δύο εβδομάδες,

γιατί παραμένουν λιγότεροι πελάτες στην ουρά.

Πίνακας 15 : «αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα»






EXPO 1 ημέρα 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.792 (Insuf) .00000 30.000 30.000

EXPO 1 ημέρα 4 εβδομάδες αριθμός των πελατών που περιμένουν

29.891 (Insuf) .00000 30.000 30.000


102

στην ουρά για τα δίκλινα

EXPO 2 ημέρες 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.794 (Insuf) .00000 30.000 30.000

EXPO 2 ημέρες 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.895 (Insuf) .00000 30.000 30.000

NORM 1 ημέρα 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.823 (Insuf) .00000 30.000 30.000

NORM 1 ημέρα 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.908 (Insuf) .00000 30.000 30.000

NORM 2 ημέρες 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.826 (Insuf) .00000 30.000 30.000

NORM 2 ημέρες 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα δίκλινα

29.910 (Insuf) .00000 30.000 30.000


103

Ο πίνακας 15 παρουσιάζει τον αριθμό των πελατών που περιμένουν στην ουρά για τα

δίκλινα δωμάτια. Πιο συγκεκριμένα όταν η κατανομή είναι εκθετική, ο χρόνος


συστήματος είναι δύο εβδομάδες περίπου 29,8 πελάτες κατά μέσο όρο παραμένουν

στην ουρά με maximum 30 και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις

εβδομάδες 29,89 πελάτες παραμένουν στην ουρά με τον ίδιο αριθμό maximum

πελατών. Όταν η παραμονή των πελατών είναι δύο ημέρες ο αριθμός γίνεται 29,79

και 29.89 με ίδιο μέγιστο αριθμό τους 30 πελάτες και χρόνους προσομοίωσης δύο και

τεσσάρων εβδομάδων αντίστοιχα. Από τα παραπάνω συμπεραίνουμε ότι η καλύτερη

περίπτωση είναι η πρώτη με χρόνο διαμονής τη μία ημέρα και χρόνο προσομοίωσης

τις δύο εβδομάδες, γιατί παραμένουν λιγότεροι πελάτες στην ουρά.


στην ουρά για τα δίκλινα είναι λίγο μεγαλύτερος. Πιο συγκεκριμένα όταν ο χρόνος


συστήματος είναι δύο εβδομάδες περιμένουν 29,823 περίπου πελάτες με maximum

30 πελάτες και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες 29,9

πελάτες παραμένουν στην ουρά με τον ίδιο αριθμό maximum πελατών. Όταν η

παραμονή των πελατών είναι δύο ημέρες ο αριθμός γίνεται 29,826 και 29,91 με ίδιο

μέγιστο αριθμό τους 30 πελάτες και χρόνους προσομοίωσης δύο και τεσσάρων

εβδομάδων αντίστοιχα. Από τα παραπάνω συμπεραίνουμε ότι η καλύτερη περίπτωση

είναι η πρώτη με χρόνο διαμονής τη μία ημέρα και χρόνο προσομοίωσης τις δύο

εβδομάδες, γιατί παραμένουν λιγότεροι πελάτες στην ουρά.

Πίνακας 16 : «αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα»






EXPO 1 ημέρα 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.300 (Insuf) .00000 30.000 30.000


104

EXPO 1 ημέρα 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.625 (Insuf) .00000 30.000 30.000

EXPO 2 ημέρες 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.311 (Insuf) .00000 30.000 30.000

EXPO 2 ημέρες 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.647 (Insuf) .00000 30.000 30.000

NORM 1 ημέρα 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.406 (Insuf) .00000 30.000 30.000

NORM 1 ημέρα 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.686 (Insuf) .00000 30.000 30.000

NORM 2 ημέρες 2 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά για τα τρίκλινα

29.486 (Insuf) .00000 30.000 30.000

NORM 2 ημέρες 4 εβδομάδες αριθμός των πελατών που περιμένουν στην ουρά

29.728 (Insuf) .00000 30.000 30.000


105

για τα τρίκλινα

Τέλος ο πίνακας 16 παρουσιάζει τον αριθμό των πελατών που περιμένουν στην ουρά

για τα τρίκλινα δωμάτια. Όταν η κατανομή είναι εκθετική, ο χρόνος παραμονής στα

δωμάτια είναι μία ημέρα και ο χρόνος προσομοίωσης του συστήματος είναι δύο

εβδομάδες περίπου 29,3 πελάτες κατά μέσο όρο παραμένουν στην ουρά με maximum

30 και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες 29,62 πελάτες


των πελατών είναι δύο ημέρες ο αριθμός γίνεται 29,31 και 29.65 με ίδιο μέγιστο

αριθμό τους 30 πελάτες και χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων



γιατί παραμένουν λιγότεροι πελάτες στην ουρά για τα τρίκλινα δωμάτια.


στην ουρά για τα τρίκλινα είναι περίπου ο ίδιος. Πιο συγκεκριμένα όταν ο χρόνος


συστήματος είναι δύο εβδομάδες περιμένουν 29,4 περίπου πελάτες με maximum 30

πελάτες και όταν ο χρόνος προσομοίωσης γίνεται τέσσερεις εβδομάδες 29,68 πελάτες

παραμένουν στην ουρά με τον ίδιο αριθμό maximum πελατών. Όταν η παραμονή των

πελατών είναι δύο ημέρες ο αριθμός γίνεται 29,48 και 29,73 με ίδιο μέγιστο αριθμό

τους 30 πελάτες και χρόνους προσομοίωσης δύο και τεσσάρων εβδομάδων



γιατί παραμένουν λιγότεροι πελάτες στην ουρά.

Από τους παραπάνω πίνακες οδηγούμαστε στο συμπέρασμα ότι η εκθετική κατανομή

μας δίνει τα καλύτερα αποτελέσματα, δηλαδή τους μικρότερους χρόνους αναμονής

στο σύστημα και στις ουρές, τους λιγότερους πελάτες να περιμένουν στην ουρά και

τους περισσότερους πελάτες που εξυπηρετούνται σε όλες τις περιπτώσεις που

εξετάσαμε.


106

Κεφάλαιο 5: Επίλογος

5.1 Περίληψη

Στην εργασία αυτή μελετήσαμε τη μέθοδο και τα χαρακτηριστικά του revenue

management. Η μέθοδος αυτή έχει εξελιχθεί μία από τις πιο επιτυχημένες εφαρμογές

των λειτουργιών της έρευνας μέχρι σήμερα και χρησιμοποιείται συνήθως από

επιχειρήσεις παροχής υπηρεσιών. Έχει σαν στόχο την μεγιστοποίηση των κερδών των

επιχειρήσεων αυτών μέσω διάφορων τεχνικών, όπως η τμηματοποίηση της πελατείας

της, η πρόβλεψη της ζήτησης, η κατάλληλη μορφή τιμολόγησης και η πολιτική του

overbooking. Οι επιχειρήσεις αυτές αντιμετωπίζουν το πρόβλημα της φθαρτότητας

των αποθεμάτων τους και της σταθερής δυναμικότητας και προσπαθούν μέσω του

revenue management να προωθήσουν τα αποθέματά τους στον κατάλληλο πελάτη με

όσο πιο προσοδοφόρο τρόπο μπορούν.

Το revenue management άρχισε να εφαρμόζεται στις αεροπορικές εταιρίες και

σταδιακά χρησιμοποιήθηκε και σε άλλες επιχειρήσεις παροχής υπηρεσιών. Στο

πρώτο κεφάλαιο μελετήσαμε τη γενική μορφή του, την ιστορία του καθώς και τις

συνθήκες εφαρμογής του, μερικές από τις οποίες αναφέραμε και προηγουμένως.

Επίσης παρουσιάσαμε τον στόχο του που είναι η μεγιστοποίηση των κερδών των

επιχειρήσεων, αλλά και τα πλεονεκτήματα του, μερικά από τα οποία είναι η

απόκτηση ανταγωνιστικού πλεονεκτήματος, η μεγιστοποίηση των κερδών, η

μεγιστοποίηση της απόδοσης της επένδυσης-ROI, αλλά και η απόκτηση ηγετικού

ρόλου. Στο τελευταίο μέρος παρουσιάσαμε τα μειονεκτήματα που πιστεύουν κάποιοι

συγγραφείς ότι προκαλεί στις επιχειρήσεις η μέθοδος αυτή, τα οποία όμως

εξαλείφονται όταν εφαρμόζεται με σωστό τρόπο, αλλά και τους μύθους που

δημιουργούνται από μη κατάλληλα ενημερωμένους εργαζόμενους που χρησιμοποιούν

το revenue management.

Στο δεύτερο κεφάλαιο περιγράψαμε την εφαρμογή του revenue management στις

αεροπορικές εταιρίες και αναφερθήκαμε στις διάφορες δυσκολίες που αντιμετωπίζει,

μερικές από τις οποίες είναι η αβέβαιη ζήτηση, οι on line αποφάσεις, οι πτήσεις

δικτύων, η εκπαίδευση των υπαλλήλων και η διαχείριση των διάφορων δυσκολιών


107

των πελατών. Συγχρόνως η μέθοδος του revenue management στις αεροπορικές

εταιρίες περιλαμβάνει τους τομείς της τιμολόγησης, της μεθόδου του overbooking και

της ανάλυσης της ιστορικής και μελλοντικής ζήτησης, που τη χρησιμεύουν στις

αποφάσεις που θα πρέπει να πάρει προκειμένου να μεγιστοποιήσει τα κέρδη της.

Επίσης μελετήσαμε τις πιο δημοφιλείς μεθόδους που χρησιμοποιεί το revenue

management στην πολιτική ελέγχου των κρατήσεων που είναι τα booking limits και

οι bid prices. Η πρώτη προκαθορίζει την επιθυμητή ανάθεση των θέσεων σε όλα τα

είδη των πελατών και η δεύτερη υπολογίζει την αξία της κάθε θέσης που θα πωληθεί.

Και οι δύο πολιτικές έχουν τα πλεονεκτήματα και τα μειονεκτήματα τους και είναι

εύκολες στην πράξη.

Στη συνέχεια αναφερθήκαμε στα μαθηματικά μοντέλα που παρουσιάζονται στη

βιβλιογραφία του προβλήματος του revenue management και αφορούν τις πτήσεις

προς ένα προορισμό, τα οποία είναι το στατικό και το δυναμικό μοντέλο. Το στατικό

μοντέλο (static model) ασχολείται με τον προσδιορισμό του ορίου των κρατήσεων

(booking limits) για κάθε κατηγορία τιμών, ενώ το δυναμικό μοντέλο (dynamic

model) με την κάθε αίτηση κράτησης σε ένα συγκεκριμένο χρόνο. Επίσης

αναφερθήκαμε και στα μοντέλα πτήσεων προς πολλούς προορισμούς τα οποία είναι

πιο σύνθετα από τα μοντέλα πτήσεων προς ένα προορισμό.

Έπειτα μελετήσαμε τη εφαρμογή του revenue management στις ξενοδοχειακές

επιχειρήσεις, η οποία έχει πολλά κοινά χαρακτηριστικά με αυτή του airline revenue

management. Η μέθοδος αυτή κρίνει ποια αίτηση κράτησης θα γίνει δεκτή και ποιος

συνδυασμός πελατών θα αποφέρει τα μεγαλύτερα έσοδα έτσι ώστε να

μεγιστοποιηθούν τα κέρδη των ξενοδοχείων. Επίσης περιγράψαμε τον μαθηματικό

τύπο που χρησιμοποιείται για τον υπολογισμό της αποδοτικότητας με βάση τον

δείκτη που προκύπτει από το λόγο των εισπράξεων που έχουν πραγματοποιηθεί, προς

τη δυνατότητα εισπράξεων του ξενοδοχείου. Οι πραγματοποιημένες εισπράξεις είναι

το γινόμενο του αριθμού των πωληθέντων δωματίων από τη μέση τιμή τους, ενώ

δυνατότητα εισπράξεων είναι η δυναμικότητα του ξενοδοχείου, δηλαδή όλα τα

δωμάτια που διαθέτει, επί τη μέση δυνατή τιμή πώλησης των δωματίων.


108

Στην επόμενη ενότητα γίνεται η περιγραφή των συνθηκών εφαρμογής του Hotel

revenue management, οι οποίες πέρα από αυτές που περιγράψαμε στο πρώτο

κεφάλαιο είναι η τήρηση και επεξεργασία ιστορικών στοιχείων (αρχείο πελατών), η

γνώση των τιμών που επικρατούν στην αγορά, η πολιτική του overbooking που είναι

απαραίτητη σε κάθε σύστημα έτσι και η χρήση συστημάτων πληροφορικής και

δικτύων μέσω των οποίων διακινείται η πληροφορία με υψηλότερη ταχύτητα και

αξιοπιστία. Συγχρόνως αναφέραμε τις δυσκολίες που παρουσιάζονται κατά την

εφαρμογή του, οι οποίες είναι αρκετές αλλά με την σωστή αντιμετώπιση και

διαχείριση μπορούν να ξεπεραστούν. Στο τελευταίο μέρος παρουσιάσαμε τις

ενέργειες και τους τομείς του revenue management που θα μπορούσαν να βελτιωθούν

για να έχουν στο μέλλον οι ξενοδοχειακές επιχειρήσεις καλύτερα αποτελέσματα.

Στο τελευταίο μέρος της διπλωματικής αυτής εργασίας περιγράψαμε την εφαρμογή

της μεθόδου του revenue management στην ξενοδοχειακή επιχείρηση Galaxy στην

πόλη των Σερρών. Στόχος της έρευνας ήταν μελετηθεί η επιχείρηση και να αναλυθεί

η εφαρμογή της μεθόδου του overbooking που χρησιμοποιεί κάποιες φορές η

επιχείρηση σε περιόδους 100% πληρότητας προκειμένου να μεγιστοποιηθούν τα

κέρδη της επιχείρησης αυτής. Επίσης με τα αριθμητικά δεδομένα που μας δόθηκαν

χρησιμοποιώντας το πρόγραμμα βελτιστοποίησης ARENA οδηγηθήκαμε σε διάφορα

συμπεράσματα που σχετίζονται με τους πελάτες που εξυπηρετούνται σε

συγκεκριμένα χρονικά διαστήματα, για τον αριθμό των κατειλημμένων δωματίων και

για την λειτουργία γενικά του ξενοδοχείου.

5.2 Κυριότερα συμπεράσματα

Το revenue management παρόλο που είναι μία μέθοδος που έχει δεχθεί αρκετή

κριτική, προσφέρει θετικά αποτελέσματα αν εφαρμοστεί στις σωστές επιχειρήσεις με

τον κατάλληλο τρόπο. Όσον αφορά την ξενοδοχειακή επιχείρηση που μελετήσαμε,

καταλήξαμε στο συμπέρασμα ότι σε ελάχιστες περιπτώσεις έχει εφαρμόσει την

πολιτική του overbooking και αυτό γιατί δεν υπάρχουν συχνά υψηλές πληρότητες,

εξαιτίας της αύξησης του ανταγωνισμού που θα της έδιναν τη δυνατότητα να την

εφαρμόσει. Επίσης ο διευθύνοντας σύμβουλος του ξενοδοχείου θεωρεί ότι θα έχει

αρνητικές επιπτώσεις στη σχέση που υπάρχει με τους πελάτες της. Επίσης


109

συμπληρώνει λέγοντας ότι πολλές φορές είναι καλύτερο να διαθέτει ένα ή δύο

δωμάτια άδεια, παρά να βρεθεί στη δυσάρεστη θέση να μην εξυπηρετήσεις τους

πελάτες της και να εκτεθεί σε αυτούς. Συνήθως οι μεγάλες ξενοδοχειακές

επιχειρήσεις τόσο στο εσωτερικό όσο και στο εξωτερικό ως επί το πλείστον

εφαρμόζουν τη μέθοδο αυτή, γιατί οι συνθήκες είναι διαφορετικές και διαθέτουν

μεγαλύτερη χωρητικότητα, ενώ είναι πιο αποδεκτή από τους πελάτες.

Ο διαχωρισμός των πελατών σε διαφορετικές κατηγορίες και η κατανόηση των

αναγκών και των επιθυμιών, είναι η πιο σημαντική λειτουργία που πρέπει διαθέτει η

κάθε ξενοδοχειακή επιχείρησης. Όσο πιο σωστά είναι κατανεμημένοι οι πελάτες,

τόσο πιο πολλές πληροφορίες θα διαθέτει για αυτούς προκείμενου να έχει επιτυχία.

Στην προκειμένη περίπτωση η συγκεκριμένη ξενοδοχειακή επιχείρηση χωρίζει τους

πελάτες της σε δύο κατηγορίες ανάλογα με συχνότητα και τον σκοπό της επίσκεψης

τους έχοντας μελετήσει την συμπεριφορά και τις επιθυμίες των πελατών της. Πολλές

φορές είναι σε θέση να γνωρίζει τις ανάγκες και τις προθέσεις τους και μπορεί να τις

ικανοποιεί πλήρως προκειμένου να είναι πάντοτε ευχαριστημένοι. Συγχρόνως με την

μελέτη αυτή μπορεί να διαχειριστεί τα παράπονα που κατά καιρούς υπάρχουν, τα

οποία μπορεί να προκαλέσουν αρνητικές συνέπειες για την επιχείρηση τόσο για τα

κέρδη όσο και για την υπόληψή της.

Θα πρέπει να αναφερθεί ότι η μέθοδος του revenue management δεν προϋποθέτει

πολύπλοκα και ακριβά συστήματα ηλεκτρονικών υπολογιστών. Αντιθέτως θα πρέπει

να είναι απλά και σχεδιασμένα με βάση τις ανθρώπινες δυνατότητες, αλλά και με

βάση το μέγεθος, τη δομή και τον στόχο των ξενοδοχειακών επιχειρήσεων. Στην

συγκεκριμένη ξενοδοχειακή επιχείρηση το σύστημα των ηλεκτρονικών υπολογιστών

ήταν απλό και αρκετά αποδοτικό για αυτή.

5.3 Προτάσεις για μελλοντική έρευνα

Σημαντικό ερευνητικό πεδίο θα μπορούσαμε να αναφέρουμε την εφαρμογή του

revenue management σε ξενοδοχειακές επιχειρήσεις που λειτουργούν με βάση την

εποχή, όπως για παράδειγμα στις παραθαλάσσιες ή ορεινές περιοχές. Στην Ελλάδα

υπάρχει ένας μεγάλος αριθμός τέτοιων επιχειρήσεων οι οποίες παρόλο που έχουν


110

μικρή πιθανότητα να εφαρμόσουν τις πρακτικές του revenue management, μπορούν

να επωφεληθούν από την χρήση κάποιων από αυτών. Οι επιχειρήσεις αυτές

αποτελούν ένα σημαντικό τμήμα στον τομέα των ξενοδοχειακών επιχειρήσεων στον

ελλαδικό χώρο και είναι αναγκαίο να μελετηθεί αναλυτικά η εφαρμογή των

πρακτικών του revenue management.

Επίσης ένας άλλος τομέας που θα μπορούσε να μελετηθεί η εφαρμογή του revenue

management είναι οι μεγάλες ξενοδοχειακές επιχειρήσεις παγκόσμιας εμβέλειας. Το

σημαντικό σε αυτή την περίπτωση είναι ότι εξαιτίας της μεγάλης δυναμικότητάς τους

είναι απαραίτητη η εφαρμογή του revenue management προκειμένου να

μεγιστοποιηθούν τα κέρδη τους. Επομένως η μελέτη για τις μεθόδους του revenue

management που χρησιμοποιούν στη χώρα μας θα είναι πιο ακριβής και

ολοκληρωμένη.

Τέλος θα μπορούσαμε να αναφέρουμε ότι άλλος ένας σημαντικός τομέας μελέτης του

revenue management είναι το πόσο μπορεί η εφαρμογή του να επηρεάσει την

ικανοποίηση των πελατών. Όπως έχουμε αναφέρει σε προηγούμενα κεφάλαια, η

βάση του revenue management είναι η μελέτη και κατανόηση των αναγκών του κάθε

πελάτη και η αξιολόγηση του, προκειμένου να μείνει ευχαριστημένος και να

επισκεφθεί και στο μέλλον το ίδιο ξενοδοχείο. Επομένως η κατανόηση των απόψεων,

των αναγκών, του τρόπου αντίδρασης των πελατών, αλλά και οι λύσεις για όλα τα

πιθανά προβλήματα, είναι ένας σημαντικός τομέας για περισσότερη μελέτη στο

μέλλον.


111

ΒΙΒΛΙΟΓΡΑΦΙΑ-ΑΡΘΡΟΓΡΑΦΙΑ

1) ΑΚΡΙΒΟΣ Χ. Yield management: Ένα εργαλείο αύξησης της κερδοφορίας των

οργανισμών. Η εφαρμογή του στα ξενοδοχεία. [WWW], Available from: http://www.special-edition.gr/pdf_dioik_enim/pdf_de_36/AKRIBOS.pdf

2) BADINELLI R. D. (2000) An optimal, dynamic policy for hotel yields management.

European Journal of Operational Research pp.476-503.

3) BALL M. O. and QUEYRANNE M. (2006) Toward Robust Revenue Management:

Competitive Analysis of Online Booking. Working paper Available from:

http://ssrn.com/abstract=896547.

4) BALL M., CHEN C. Y., ZHAO Z. and SMITH R. H. Optimization Based

Available to Promise. School of Business and Institute for Systems Research

University of Maryland, College Park, MD USA.

5) BARUT M. and SRIDHARAN V (2004) Design and evaluation of a dynamic

capacity apportionment procedure. European Journal of Operational Research

pp.112–133.

6) BELLANTUONO N., GIANNOCCARO I., PONTRANDOLFO P. and TANG.C.

(2006) The implications of joint adoption of revenue sharing=g and advance booking

programs. Int. Production Economics.

7) BELLANTUONO, N., et al. (2007) The implications of joint adoption of revenue

sharing and advance booking discount programs, International Journal of Production

Economics.

8) BELOBABA P. P. (1989) Application Of a Probabilistic Decision Model To

Airline Seat Inventory Control. Operational Research, 37, (2) pp. 183-197.


112

9) BIRBIL S. I., FRENK J.B.G., GROMICHO J.A.S. and ZHANG S. (2007) The

Role of Robust Optimization in Single-Leg Airline Revenue Management.

Management Science Articles in advance pp.1-16.

10) BOYD E. A. and BILEGAN I. C. (2003) Revenue Management and E-Commerce.

Management Science, 49 (10), pp. 1363–1386.

11) CACHON G. P. and. LARIVIERE M. A. (2005) Supply Chain Coordination with

Revenue-Sharing Contracts: Strengths and Limitations. Management Science 51, (1),

pp.30-44.

12) CALDENTEY R. and VULCANO G. (2007) Online Auction and List Price

Revenue Management. Management Science, 53, (5), pp. 795–813.

13) CHANDLER S. and JA S. S. (2007) A revenue management system which can

learn by itself. Journal of Revenue and Pricing Management, 6 (4), pp. 253–255.

14) CHAPUIS J. M. (2007) Basics of Dynamic Programming for Revenue

Management. Available from: http://ssrn.com/abstract=1123768

15) CHAUHAN S. S. and PROTH J.M. (2005) Analysis of a supply chain partnership

with revenue sharing. Int J. Production Economics 97 pp. 44-51.

1) CHOI H., GMALSTROM E. M. and CLASSEN R. J. (1984) Computer Simulation

of Lot-Sizing Algorithms In Three-Stage Multi-Echelon Inventory Systems. Journal of

Operations Research 4, (3).

17) CHIANG W. C., CHEN J. C. H and XU X.(2007) An overview of research on

revenue management: current issues and future research. Int. J. Revenue

Management, 1 (1), pp.97-128.

18) COOPER W. L. (2001) Solution Techniques for Revenue Management Problems.

Department of Mechanical Engineering University of Minnesota INFORMS Revenue

Management Conference New York.


113

19) COSTA A. M., CORDEAU J. F.and LAPORTE G. (2008) Fast heuristics for the

Steiner tree problem with revenues, budget and hop constraints. European Journal of

Operational Research 190, pp. 68-78.

20) CROSS R. G. (1997) REVENUE MANAGEMENT Hard-core Tactics for Market Domination New York, Broadway Books.

21) DAI Y., CHAO X., FANG S.C. and NUTTLE H.L.W. (2004) Pricing in revenue

management for multiple firms competing for customers. Int. Production Economics

98 pp. 1-16.

22) DE BOER S. V., FRELING R. and PIERSMA N. (2001) Mathematical

programming for network revenue management revisited. European Journal of

Operational Research 137 pp.72-92.

23) DEFREGGER F. and KUHN H. (2005) Revenue management for a make-to-

order company with limited inventory capacity. OR Spengler pp. 137-156.

24) DEMIGUEL V. and MISHRA N. (2006) What Multistage Stochastic

Programming Can Do for Network Revenue Management. London Business School,

London, United Kingdom.

25) DIRKS P. (1994) MIS investments for operations management; Relevant costs

and revenues. Int J. Production Economics 35 pp. 137-148.

26) DUNN K. and BROOKS D. (1990) Profit Analysis: Beyond Yield Management.

Cornell Hotel and Restaurant Administration Quarterly, 31, (3), pp.80-90.

27) Feng Y. and Xiao B. (2006) Integration of pricing and capacity allocation for

perishable products European Journal of Operational Research pp. 17–34.

28) FITZSIMMONS J. A. and FITZSIMMONS M. J. (2008) Service Management:

Operations, Strategy, Information Technology. 6th ed. International edition, McGraw-

Hill.


114

29) FLEISCHMANN M. and HALL J. M. AND PYKE D. F. (2005) A Dynamic

Pricing Model for Coordinated Sales and Operations. Erim Report Series Research In

Management www.erim.eur.nl 30) GALLEGO G. and KOU S. G and PHILLIPS R. (2008) Revenue Management of

Callable Products. Management Science 54, (3), pp.550-564.

31) GALLIEN J., LE TALLEC Y. and SCHOENMEYR T. (2004) A Model for Make-

To-Order Revenue Management. MIT Sloan School of Management, Cambridge.

32) GERAGHTY M. K. and JOHNSON E. (1997) Revenue Management Saves

National Car Rental. Institute of Operation Research and the Management Sciences,

pp.107-127.

33) GERCHAK Y., KHMELNITSKY E. and ROBINSON L.W., (2007) Untruthful

Probabilistic Demand Forecasts in Vendor-Managed Revenue-Sharing Contracts:

Coordinating the Chain. Wiley Periodicals.

34) GIANNOCCARO I. and PONTRANDOLFO P. (2002) Supply chain

coordination by revenue sharing contracts. Int J. Production Economics 89, pp. 131-

139.

35) GOSAVI A., BANDLA N. and DAS T. K. (2001) A reinforcement learning

approach to a single leg airline revenue management problem with multiple fare

classes and overbooking. IIE Transactions, pp. 729-742.

36) GOSAVI A., OZKAYA E and KAHRAMAN A. (2005) Simulation optimization

for revenue management of airlines with cancellations and overbooking. OR

Spectrum pp. 21-38.

37) HA A. Y. και TONG S. (2008) Revenue Sharing Contracts in a Supply Chain

with Uncontractible Actions. Wiley Periodicals. Available from:

http://www.interscience.wiley.com


115

38) HAERIAN L., HOMEM-DE-MELLO T. and MOUNT-CMPBELL C.A. (2006)

Modeling revenue yield of reservation systems that use nested capacity protection

strategies. Int. Production Economics 104 pp. 340-353.

39) HANKS R. D., CROSS R. G. and NOLANDR. P. (1992) Discounting in the

Hotel Industry: A New Approach. Cornell Hotel and Restaurant Administration

Quarterly.33, (1), pp. 15-23.

40) HARRIS F. H. and PINDER J. P. (1995) A revenue management approach to

demand management and order booking in assemble-to-order manufacturing.

Journal of Operation Management 13, pp.299-309.

41) HELSEL C. and CULLEN K. (2006) A Future Vision for Revenue Management.

Hospitality Upgrade.

42) HORNER P. (2000) The Sabre Story The making of OR magic at AMR. Lionheart

Publishing.

43) IOANNIDIS S.and. KOUIKOGLOU V. S (2007) Revenue management in single-

stage CONWIP production systems. International Journal of Production Research,

pp.1-20.

44) JONES P. and HAMILTON D. (1992) Yield Management: Putting people in the

Big Picture. Cornell Hotel and Restaurant Administration Quarterly. 33, (1), pp. 89-

95.

45) KARAESMEN I. Z. (2001) Three Essays on Revenue Management. Thesis (PhD) Columbia University.

46) KIMES S. E. (1989a) The basics of yield management. Cornell Hotel and

Restaurant Administration Quarterly, 30, (3) pp.14-19.

47) KIMES S. E. (1989b) Yield Management: A Tool for Capacity-Constrained

Service Firms. JOURNAL OF OPERATIONS MANAGEMENT 8, (4), pp. 348-363.


116

48) KIMMS A. and BUNGART M. M. (2006) Simulation of stochastic demand data

streams for network revenue management problems. OR Spectrum pp. 5-20.

49) KIMMS A. and KLEIN R. (2007) Revenue management Springer-Verlag OR

Spectrum 29 pp.1–3. 50) KLEIN R. (2007) Network capacity control using self-adjusting bid-prices

Springer-Verlag 2006OR Spectrum pp. 39–60.

51) KUYUMCU A. and DIAZ G.(2000) A polyhedral graph theory approach to

revenue management in the airline industry. Computers & Industrial Engineering 38

pp. 375-396.

52) LAHOTI A. (2007 The benefits of revenue management [WWW] Available from:

http://rmforum.blogspot.com/2007/02/benefits-of-revenue-management.html.

53) LAI K. and WAN-LUNG NG (2003) A stochastic approach to hotel revenue

optimization. Computer and operation research 32 (2005) pp.1059-1072.

54) LAUTENBACHER C. J. and STIDHAM S. (1999) The Underlying Markov

Decision Process in the Single-Leg Airline Yield-Management problem.

Transportation Science, 33, (2), pp. 136-146.

55) LEE L. H, CHEW E.P. and SIM M.S. (2006) A heuristic to solve a sea cargo

revenue management problem. OR Spectrum pp.123-136.

56) LIEBERMAN W. H. (1993) Debunking the myths of yield management. Cornell

Hotel and Restaurant Administration Quarterly, 34, (1), pp. 34.

57) LIN K. Y. (2006) Dynamic pricing with real-time demand learning. European

Journal of Operational Research pp. 522–538. 58) LITTLEWOOD K. (2005) Forecasting and control of passenger bookings.

Journal of Revenue and Pricing Management, 4 (2), pp.111-123.


117

59) LIU T. (2005) Revenue management models in the manufacturing industry.

60) MAGLARAS C. and MEISSNER J. (2006) Dynamic Pricing Strategies for

Multiproduct Revenue Management Problems. Manufacturing and Service Operation

Management, 8, (2), pp. 136–148.

61) MARCUS B. and ANDERSON C. K (2008) Revenue management for low-cost

providers. European Journal of Operational Research 188 pp.258–272.

62) MCGILL J. I. and VAN RYZIN G. J. (1999) Revenue Management: Research

Overview and Prospects. Transportation Science 33 (2) pp.233-256.

63) METTERS R., CRYSTAL C., FERGUSON M., HARRISON L., HIGBIE J.,

WARD S., BARFIELD B., FARLEY T., KUYUMCU A., and DUGGASANI A. R.

The “Killer Application” of Revenue Management: Harrah’s Cherokee Casino &

Hotel. United States.

64) MODARRES, M. and SHARIFYAZDI, M., (2007) Revenue management

approach to stochastic capacity allocation approach. European Journal of

Operational Research.

65) MORTON A. (2004) Structural Properties of Network Revenue Management

Models: An Economic Perspective. Wiley Periodicals. Available from:

http://www.interscience.wiley.com

66) MORTON A. (2004) Structural Properties of Network Revenue Management

models: an economic perspective Working Paper No: LSEOR 04.71

67) MUKHOPADHYAY S. K. and ROBERT SETAPUTRA (2007) A dynamic model

for optimal design quality and return policies. European Journal of Operational

Research pp. 1144–1154.

68) NETESSINE S. and SHUMSKY R. A. (2005) Revenue Management Games:

Horizontal and Vertical Competition. Management Science 51, (5), pp.813-831.


118

69) OLINICK E. V. and ROSENBERGER J. M. (2008) Optimizing revenue in

CDMA networks under demand uncertainty. European Journal of Operational

Research 186 pp. 812-825.

70) ORKIN E. B. (1988) Boosting Your Bottom Line With Yield Management. Cornell

Hotel and Restaurant Administration Quarterly. 28, (4), pp.52-56.

71) PAK Κ. (2005) Revenue Management: New Features and Models. Thesis (PhD),

Erasmus University Rotterdam.

72) PARKER G. (2004) The Basics of Revenue Management. Canada, Incorporated.

73) PHILLIPS R. L. (2006) A Decision Analytic Approach to Revenue Management. Nomis Solutions Stanford University.

74) PHILLIPS R. L (2005) Pricing And Revenue Optimization. California Stanford

Business Books

75) PINDER J. (2004) Using revenue management to improve pricing and capacity

management in programme management Journal of Operational Research 56, pp. 75-

87.

76) QIN, Z. and YANG, J. (2007) Analysis of a revenue-sharing contract in supply

chain management. International Journal of Logistics Research and Applications, pp.

17-29.

77) QUANTE R., MEYR H. and FLEISCHMANN M. (2008) Revenue management

and demand fulfilment: matching applications, models and software OR Spectrum.

78) RELIHAN W. (1989) The yield-Management Approach to Hotel-Room Pricing.

Cornell Hotel and Restaurant Administration Quarterly, 30, (1), pp. 40-45.

79) ROELS G. and PERAKIS G. (2006) Distribution-free Revenue Management.

MIT RM conference, London.


119

80) BARRY C., SMITH J. F., LEIMKUHLER R. and M. DARROW Yield

Management at American Airlines

81) SPENGLER T., REHKOPF S. and VOLLING T. (2005) Revenue management in

make-to-order manufacturing-an application to the iron and steel industry. OR

Spengler pp.157-171.

82) SPENGLER T., AKYOLB D. E., VOLLINGA T. and WITTEK K. A New

Dynamic Bid-Price Approach for Make-to-Order Revenue Management. Department

of Production and Logistics Management, Technical University of Braunschweig

Germany and Department of Industrial Engineering, Dokuz Eylul University Turkey.

83) STREITFELD D. (2000) On the Web, Price Tags Blur What You Pay Could

Depend on Who You Are. Washington Post Staff Writer.

84) SWAN W. M. (2002) Airline demand distributions: passenger revenue

management and spill. Transporation Research Part E 38 pp.253-263.

85) TALLURI K. and RYZIN G. V. (1998) An analysis of bid-price controls for

network revenue management. Management Science, 44, (11) pp. 1577-1593.

86) TALLURI K. and RYZIN G. V. (2004a) The theory and practice of revenue

management. Springer US.

87) TALLURI K. and RYZIN G. V. (2004b) Revenue Management Under a General

Discrete Choice Model of Consumer Behaviour. Management Science, 50, (1), pp.

15–33.

88) TIEMING L. (2005) Revenue Management Models in the Manufacturing Industry.

Thesis (PhD), Massachusetts Institute of Technology.

89) TOPALOGLU H. (2007) On the asymptotic optimality of the randomized linear

program for network revenue management. European Journal of Operational

Research.


120

90) TSAIA W. H. and HUNGA S. J. (2007) Dynamic pricing and revenue

management process in Internet retailing under uncertainty: An integrated real

options approach. Omega.

91) UPCHURCHA R. S., ELLISB T. and SEO J. (2002) Revenue management

underpinnings: an exploratory review. Hospitality Management 21 pp. 67–83.

92) VULCANO G., RUZIN T. V. and MAGLARAS K., (2002) Optimal Dynamic

Auctions for Revenue Management. Management Science 48, (11), pp. 1388-1407.

93) WAGNER MR. BHADURY J. and PENG S. (2007) Risk management in

uncapacitated facility location models with random demands. Computers and

Operations Research.

94) WANG X. and REGAN A. (2006) Dynamic yield management when aircraft

assignments are subject to swap. Transportation Research Part B pp. 563–576.

95) WANG X. and WANG F. (2007) Dynamic network yield management.

Transportation Research Part B pp. 410–425.

96) WEATHERFORD, LAWRENCE R. BODILY, SAMUEL E (1992) A Taxonomy

and Research Overview of Perishable-Asset Revenue Management: Yield

Management, Overbooking and Pricing. Operations Research pp. 831-844.

97)) WEATHERFORD LR and BELOBABA PP (2002) Revenue impacts of fare

input and demand forecast accuracy in airline yield management. Journal of the

Operational Research Society 53, pp. 811–821.

98) WEATHERFORD L. R. and KIMES S. E. (2003) A comparison of forecasting

methods for hotel revenue management. International Journal of Forecasting 19 pp.

401–415


121

99) WIRTZ J., KIMES S., THENG J. H. P. and PATTERSON P. (2003) Revenue

management: Resolving potential customer conflicts. Journal of Revenue and Pricing

Management, 2, (3), pp. 216-226.

100) WU K. T. and LIN F. C. (1999) Forecasting Airline Seat Show Rates with

Neural Networks Dept. Of Math & Computer Science University of Maryland Eastern

Shore Princess Anne, MD, U.S.A.

101) YAO J.S. and SHITH T.S. (2001) Fuzzy revenue for fuzzy demand quantity

based on interval-valued fuzzy sets. Customers and Operations Research 29 pp. 1495-

1535.

102) YAO Z., LEUNG S.C.H. and LAI K.K. (2007) Manufacturer’s revenue-sharing

contract and retail competition. European Journal of Operational Research 186

pp.637-651.

103) YEOMAN I. και MCHON-BEATTIE U. (2004) Revenue Management and

Pricing: Case Studies and Applications. London, Thomson Learning

104) ZAKI H. (2000) Forecasting for Airline Revenue Management. The journal for

Business Forecasting.

105) ZHANG D. and COOPER, W. L. (2008) Pricing substitutable flights in airline

revenue management. European Journal of Operational Research.


122

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ: REVENUE...

Documents

Transcript of ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ: REVENUE...