• شماره ركورد
    17039
  • عنوان
    بررسي نقش فروش داده‌محور در مديريت درآمد و قيمت‌گذاري بليت‌هاي پرواز
  • سال تحصيل
    1401
  • استاد راهنما
    دكتر هادي صاحبي شاهم آبادي
  • چکيده
    قيمت بليط هواپيما به دليل شوك هاي تقاضا و تغييرات بين زماني در تمايل به پرداخت در نوسان است. از آنجايي كه مشتريان سفري شخصي و يكپارچه تقاضا مي‌كنند، خطوط هوايي و بسياري از هتل‌ها به طور فزاينده‌اي استراتژي‌هاي قيمت‌گذاري را اجرا مي‌كنند كه با اهداف درآمدي آن‌ها همسو است. سيستم‌هاي مديريت درآمد آن‌ها اطلاعات دقيق و بي‌درنگ را در قالب مناسب ارائه مي‌كنند و همچنين آن‌ها را قادر ميسازد تا خرده فروشي خود را بهبود بخشند و در عين حال به پويايي بازار در حال تغيير پاسخ دهند. در عين حال، سيستم‌هاي مديريت بازده مي‌تواند به كسب و كارها كمك كند تا سهم بازار خود را حفظ و گسترش دهند و سود خود را به صورت روزانه افزايش دهند. به منظور تعيين قيمت هاي پويا، اطلاعاتي مانند پارامترهاي فعلي، پارامترهاي تاريخي و قيمت هاي گذشته مورد نياز است. يك استراتژي فروش مبتني بر داده از داده‌ها و اطلاعات جمع‌آوري شده در طول هر تعامل فروش براي كمك به شخصي‌سازي پيام‌هاي فروش، پيش‌بيني بهتر نيازهاي مشتريان و ايجاد موفقيت تكرارپذير با مشتريان بالقوه استفاده مي‌كند. با داده‌هايي كه در اختيار است، مي‌توان تعيين كرد كه كدام پيشنهادها را تبليغ كرد، كدام روز از هفته را پيشنهاد داد، و اهداف ايده‌آل براي فروش چه كساني هستند. در نهايت با كمك داده‌هاي گرداوري شده بهترين مدل قيمت‌گذاري براي محصول انتخاب ميشود. براي اين منظور اين روش‌ها و تاريخچه آنان بررسي شده است. در ادامه مروري بر ادبيات انجام شده و پژوهش هاي مربوط به اين حوزه به صورت خلاصه عنوان گرديدند. در نهايت با توجه به مطالعات صورت گرفته، شكاف‌هاي موجود براي تحقيقات آينده ذكر شده‌اند.
  • نام دانشجو

    فاطمه صنعتي اردستاني

  • تاريخ ارائه
    11/29/2023 12:00:00 AM
  • متن كامل
    90287
  • پديد آورنده

    فاطمه صنعتي اردستاني

  • تاريخ ورود اطلاعات
    1405/02/23
  • عنوان به انگليسي
    Exploring the role of data-driven sales in revenue management an‎d airline ticket pricing
  • كليدواژه هاي فارسي
    مديريت درآمد , قيمت‌گذاري , خطوط هوايي , بليت هواپيما , پيشبيني قيمت , داده‌كاوي
  • كليدواژه هاي لاتين
    Revenue management , airfare , price forecasting , data mining , airlines , pricing