上一篇文章我們介紹了littlewood method，這一篇要來跟大家介紹一下這個模型現今的延伸運用，目前就我所知，大約90%以上的航空公司大約都是按照這個框架來生成票價的，只是根據航點以及航空公司的特性進行一些微調。
上一章我們介紹的Littlewood rule,是今日我們使用的方法的基礎。假設今天我們從台北到曼谷有三個位子，而我有來自Y 和M 艙等的客人各兩個，這個情況就非常直觀，我會把我的位子按照價高到價低給票。而littlewood rule就是在預測預期會到來的Y艙有多少人，我要開放多少M艙以避免M艙填滿了座位然後Y艙的人之後又進來卻沒票可以買。
好了緊接著問題來了，我用Littlewood算出來了我要怎麼保護我在特定一段飛行的艙等。所以我知道我要保留多少座位給高票價的人。那要是當我有很多段飛行的時候呢？今天當兩個人各自從A地和B地經過C地要到Ｄ，而C-D段只剩一個位子，我要怎麼決定我的票要給誰呢？
下面的這個例子裡，我有加拿大到台北、洛杉磯到台北、台北到曼谷三段航程且個三個位子，根據我的需求來決定我要把TPE-BKK給哪一段客人，這也是一個很直觀的算法，在沒有任何限制的情況下，我會把所有的票都給YYZ-BKK的客人，因為這段票帶給我最高的效益。
再換一個情況，如果今天我從YYZ-TPE只有一個位子，那利潤最大化的情況就會有所不同，我不能把TPE-BKK全部都用YYZ-BKK填滿，因為從多倫多到台北只有一個位子，而台北到曼谷的機票又比洛杉磯到曼谷有更多的利潤，所以我會把機位給每個航線各一段。
這裏要補充兩點：雖然TPE-BKK看起來比LAX-BKK看起來價格很高有點可笑，但這卻是偶爾會發生的問題，原因有二: 一是因為POS各個國家的消費力，二是進來的需求台北願意付的艙等等級可能比LAX的高。
剛剛舉的例子都只是一維的概念算法，如果今天我有頭等/商務/經濟各n個不同的艙等，並且有m條航線，o種不同的轉機方法……這就不是我們單靠肉眼可以觀察出來的了。
不過其實細想一下，這就是一個有限制的最佳化問題，當我們能提供需求、庫存機位、以及價格，我們就可以最佳化每一個位子應得的利潤是多少。
其實最佳化演算法的結果可以是各種不一樣的形式，我自己也想過有沒有別種不同的approach。不過現行航空業使用的最佳化的結果是每一段航班的座位價格曲線，也叫做Bid price。所以我們會知道，TPE-BKK這個航班中，從座位1到座位100每一個座位的價值是多少，然後透過這個價值去和進來的需求做比較。
例如最佳化的output線型座位價值如下，洛杉磯到台北目前已經賣了11個座位，現行的座位價格為250，所以接下來的票價一定要高於250才會賣出這個位子，且bid price就會位移1個X單位到下一個bid price
而轉機的算法如下，將每一段route的bid price合起來和當天的票價做比較，如果某個艙等的價格高於bid price，這個艙等的價格就會釋出，反之若是艙等的價格低於就會被關起來，由於bid price是浮動的根據座位的售出或是取消訂票，艙等就可能會在這個不定狀態中釋出或是變關起來，形成了一天當中票價的浮動。
很多人時常擔憂「因為同時段很多人一起搜尋票價，所以價格就上升下降」其實都是無稽之談拉哈哈哈
比較有可能的是流量大的時段也有人會在當下買票，造成便宜的艙等價格被鎖死，所以下次當你想要好好的比價時，就放心的查吧，航空業者真的沒有你想像中的這麼聰明。
最後來一個很快的summary，至此你已經知道了基本上航空公司票價變動的方法了。
航空公司會針對特定的航點的不同做需求模型預測，透過這個預測的結果，匯入目前班機剩餘的機位情況、以及各個艙等的票價做最佳化模型分析，並且產生競標價格曲線，在跟艙等票價做比較，就成為了最終票價浮動的機制。
當然，這只是一個最粗淺的概念，其中牽扯到很多精細的概念，例如艙等代表票價的選擇及權重、班機排程的相關條件，還有資料庫的往來都是一套縝密且繁瑣的機制。不過這也成為了航空業走向surge pricing 的絆腳石，相關的討論就下次再聊拉。
延伸閱讀：Aviation 101，你所不知的航空收益管理-這些專有名詞是什麼意思？
延伸閱讀：Aviation 101，你所不知的航空收益管理-航空公司的需求預測？
延伸閱讀：Aviation 101，票價結構：到底什麼時候買機票最划算？
