چکیده
همان طور که یک سیاست موثر برای خدمت گزاران، نرخ تصرف بالایی به همراه می آورد و سود بیشتری نسبت به قیمت گذاری ثابت بوجود می آورد، روش قیمت گذاری پویا بطور گسترده در رده توزیع اینترنتی مورد استفاده قرار می گیرد. این مقاله روش قیمت گذاری بهینه پویا را براساس تقسیم بندی بازار برای محصولات خدماتی در رده توزیع اینترنتی، با در نظرگرفتن اتاق های هتل به عنوان یک نمونه مورد مطالعه قرار می دهد. در ابتدا، مدل قیمت گذاری برای به حداکثر رساندن سود هتل از طریق یک فرآیند پویا ساخته خواهد شد. سپس، روش های حل براساس نامساوی جمع چبیشف و برنامه نویسی پویا برای حالت تقاضای خطی و تقاضای غیرخطی ارائه خواهد شد. نتایج به این اشاره دارند که یک سیاست مناسب در تقسیم بندی بازار با استفاده از سامانه های رزرو اینترنتی، سودی برای تولیدکنندگان و نیز مصرف کنندگان خواهد بود. در نهایت یک مثال براساس یک هتل 300 اتاقه برای حالت واقع بینانه تر غیرخطی ارائه خواهد شد.
1-مقدمه
در صنایع خدماتی، خدمت گزاران با سختی هایی روبرو می شوند که تنها درصد کوچکی از محصولات در یک زمان مشخص و یک ظرفیت مشخص فروخته می شوند، در حالی که بخش به فروش نرفته نمی تواند زمانی که تقاضا از ظرفیت موجود فراتر می رود، در موجودی انبار برای استفاده در آینده نگه داشته شود. برای مثال، صنعت هتلداری، اتاق های رزرو نشده در فصولی که تقاضا کم است، نمی توانند برای فصول پرتقاضا جهت فروش در فهرست موجودی نگه داشته شوند. به عنوان دلیلی دیگر، صندلی های به فروش نرسیده در یک هواپیما نمی توانند برای یک پرواز در آینده، نگه داشته شوند. افرون بر این، سود حاشیه ای در هر محصول فروخته شده (مانند یک اتاق هتل و یک صندلی هواپیما) بسیار قابل ملاحظه است، در حالی که هزینه متغیر واحد بسیار کمتر از هزینه ثابت زیاد می باشد. بنابراین، این که چگونه به بهره برداری کامل ازظرفیت حاشیه ای زیاد و صفرمازاد محصول دست یابیم، به موضوعی مهم برای خدمت گزاران تبدیل شده است.
abstract
As an effective policy which brings the service providers high occupancy rate and generates more profit than fixed pricing,the dynamic pricing strategy is extensively used in the online distribution channel. This paper studies the optimal dynamic pricing strategy based on market segmentation for service products in the online distribution channel taking hotel rooms as an example. Firstly, the pricing model is built to maximize the hotel profit through a dynamic process. Then the solution methodologies based on Chebyshev’s Sum Inequality and dynamic programming are provided for the linear demand case and non-linear demand case, respectively. The optimal number of segments and optimal boundaries can be obtained. The results suggest that an appropriate policy of market segmentation in using of online reservation systems is benefit for the service suppliers as well as the consumers. Finally, an illustration based on a 300-room hotel is provided for the more realistic non-linear case.
1. Introduction
In the service industries, numerous service providers are confronted with the dilemma that only a small fraction of products are sold on a given time and given capacity, while the unsold part cannot be kept in inventory for future use when the market demand surpasses the available capacity (Stolarz, 1994). For instance, in the hotel industry,the unbooked rooms in the low demand season cannot be inventoried to the high demand season for sale. As further evidence, the unsold seats of a plane cannot be retained to a future fight. Furthermore,the marginal profit of each sold product(such as a hotel room and an airplane ticket) is very considerable, while the unit variable cost is much lower than the high fixed cost (Ladany, 1996). Therefore, how to achieve the full utilization ofthe high margin and zero-salvage product capacity becomes a significant issue for the service providers.
چکیده
1- مقدمه
2- مروری بر مطالعات گذشته
2-1- روش قیمت گذاری پویا
2-2- تجارت الکترونیکی سازمان به مشتری (B2C) و تقسیم بندی بازار
3- شرح مدل
4- روش حل
4-1- حالت خطی
4-2-حالت غیرخطی
5- بررسی های حالت غیرخطی
5-1- مدل پایه
5-2- تصمیمات بهینه در فصول با تقاضای متفاوت
6- نتیجه گیری، محدودیت ها و تحقیقات آتی
6-1- یافته ها و بینش های مدیریتی
6-2. محدودیت ها و مسیرهای تحقیقاتی آینده
abstract
1. Introduction
2. Literature review
2.1. Dynamic pricing strategy
2.2. B2C E-commerce and market segmentation
3. Model description
4. Solution methodology
4.1. The linear case
4.2. The non-linear case
5. Experiments for the non-linear case
5.1. Base example
5.2. Optimal decisions in different demand seasons
6. Conclusions, limitations and future research
6.1. Findings and managerial insights
6.2. Limitations and future research directions