Decentralized Code-Share Revenue Management in Airline Alliances

Abstract

Airlines form alliances to benefit from synergies and to raise additional revenues. A central tool in this strategy is the shared marketing of flights, referred to as code-sharing. As industry data from Lufthansa shows, alliances become increasingly important and code-share sales grow constantly. This trend imposes new challenges on the revenue management process and in particular on the valuation of the code-share fragments in the internal information systems of the independent airlines. This thesis investigates how alliance partners can control code-share products such that the overall revenue is maximized. We propose a decentralized code-share revenue management model with limited information exchange, as it could be implemented in practice, and examine coordination strategies. In the process, we derive necessary and sufficient conditions for central optimality. The local optimization results must satisfy these conditions in order to implement the central optimal solution. Otherwise the code-share valuations must be updated and we specify rules for this such that the local solutions converge to the central one. We refer to this concept as adaptive valuation and test its performance with Monte Carlo Experiments as well as stochastic simulations. The results show that adaptive valuation outperforms other common static and dynamic schemes. In the Monte Carlo Experiments, it provides the highest percentage of central optimal solutions as well as minimizes the average error between the local and the central solution. The large-scale simulations are evaluated in REMATE, a revenue management simulator developed at Lufthansa. It models the entire revenue management process and the system’s interaction with stochastic customer requests. Also in this more complex environment the adaptation schemes give the best results and the revenues are close to the central ones.

Allianzen helfen Fluggesellschaften Synergien zu nutzen und zusätzliche Erträge zu generieren. Ein zentraler Baustein ist dabei die gegenseitige Vermarktung von Flügen, bekannt unter der Bezeichnung Codesharing. Wie Daten der Deutschen Lufthansa belegen, gewinnen Allianzen zunehmend an Bedeutung und die Nutzung von Codesharing wird konsequent ausgebaut. Dieser Trend sorgt für neue Herausforderungen bei der Ertragsoptimierung und dabei insbesondere in Bezug auf die Bewertung von Codeshare-Produkten in den internen Informationssystemen der einzelnen Fluggesellschaften. Im Rahmen dieser Arbeit untersuchen wir wie Codeshare-Verbindungen ertragsoptimal gesteuern werden können. Wir entwicklen ein praxistaugliches Revenue-Management-Modell und leiten notwendige sowie hinreichende Bedingungen für die lokale Implementierung der zentralen Lösung her. Sollten diese nicht erfüllt sein, müssen neue Optimierungsparameter berechnet werde, wofür wir zusätzliche Update-Regeln definieren. Diese passen die Bewertungen der einzelnen Codeshare-Segmente an, so dass die lokalen Lösungen zum Optimum konvergieren. Wir zeigen die Wirkung der adaptiven Updates sowohl mit Monte Carlo Experimenten als auch mit stochastischen Simulationen. Die Ergebnisse zeigen, dass adaptives Updaten besser funktioniert als andere statische und dynamische Bewertungsmethoden. Bei den Monte Carlo Experimenten erzielt es den höchsten Prozentsatz an optimalen Lösungen und minimiert den durchschnittlichen Fehler zwischen der lokalen und der optimalen Lösung. Zur Berechnung der stochastischen Simulationen nutzen wir den von Lufthansa entwickelten Revenue- Management-Simulator REMATE. Er bildet den gesamten Steuerungsprozesses samt stochastischen Kundenanfragen ab. Auch hier erzielt der adaptive Ansatz die besten Ergebnisse mit annähernd optimalen Erträgen.