中国旅游研究院近期发布的相关统计报告显示,城乡居民的旅游消费心理开始从谨慎转向积极,近郊旅游和跨省旅游意愿大幅上升,机票订单量加剧,热门航线机票紧张。对于五一出游党而言,如何杀出重围买到划算的机票成为一大难题。本文来自微信公众号:严肃的人口学八卦(ID:renkou8gua),作者:陈文琪,头图来自:视觉中国


一、合适的旅游目的地


据央视财经报道,今年五一黄金周有望成为“史上最热黄金周”,出游人次或超2亿。在此背景下,选择合适的旅游目的地显得尤为重要。


纵观去年五一出行情况,深圳、广州、成都、上海、东莞位居迁出人口最多城市前五名,成都、广州、深圳、东莞、苏州则位居迁入人口最多城市前五名。华南地区城市群在“五一”期间的人口迁入、迁出的规模最大;五天时间里,深圳、广州、东莞、佛山四城均排入了全国迁入迁出人口规模前十。而华东地区城市群的迁徙规模,仅次于华南地区。


在华北、西北地区,北京、郑州、西安等地的人员流动规模较大。而在西南地区,成都市“一枝独秀”,分别为全国该时段迁入人口规模第1名与迁出人口规模第3名。可以说,华南华东出行人员规模较大,成都“一枝独秀”。


图1  澎湃美数课2020五一出行数据图解,来源:张轶君,王亚赛.图解|五一出行数据出炉,你的家乡是热门目的地吗?[EB/OL].澎湃美数课,2020-5-7.
图1  澎湃美数课2020五一出行数据图解,来源:张轶君,王亚赛.图解|五一出行数据出炉,你的家乡是热门目的地吗?[EB/OL].澎湃美数课,2020-5-7.


4月26日发布的《2021年五一假期出行预测报告》则指出:在热门迁徙城市方面,全国人口迁徙规模TOP10的城市仍将集中在一线、新一线城市。其中,一线城市北京、上海、广州、深圳和新一线城市成都,预计将占据五一假期热门迁入、迁出城市前五的位置,而杭州、苏州、西安、东莞、郑州、武汉等城市也位列榜单前十。



图2  2021年五一假期全国热门迁徙城市预测 ,注:《2021年五一假期出行预测报告》由百度地图联合交通运输部科学研究院综合交通大数据应用技术重点实验室、第一财经·新一线城市研究所、携程旅行、KuWeather共同撰写并发布。
图2  2021年五一假期全国热门迁徙城市预测 ,注:《2021年五一假期出行预测报告》由百度地图联合交通运输部科学研究院综合交通大数据应用技术重点实验室、第一财经·新一线城市研究所、携程旅行、KuWeather共同撰写并发布。


马蜂窝旅游预测,2021年五一期间,重庆-上海、上海-成都、北京-成都将占据热门航线前三位,北上广之间航线热度不减,而杭州-广州、杭州-青岛、广州-上海、重庆-北京、厦门-上海也位列榜单前十, 与清明假期情况类似。


想要避开汹涌人潮的出游党,在没有明确偏好的情况下,避开那些热门一线城市和新一线城市,及时调整目的地,不失为一个明智选择。另外,根据供需定理,越热门的航线,机票数量越紧张,价格也往往越昂贵。选择合适的旅游目的地,不仅能轻松获取价格相对实惠的机票,还不必面对浩浩荡荡的旅游大军。


图3  2021年清明假期热门航线TOP10
图3  2021年清明假期热门航线TOP10


二、如何把握最佳机票价格


解决了目的地问题,迎面而来的就是堪称错综复杂的机票价格。与铁路客票实施统一定价不同,航空公司为实现收益最大化,往往会在原有的定价策略下根据供需情况对机票价格实行动态浮动。即使是同一航班,在预售期内,机票价格也会处于不断变化中。对价格敏感型的旅客而言,如何根据出行计划,选择合适的购票时间,获得低价机票就成为一个棘手问题。


在大众的常规认知里,航班价格通常随时间推移而一路水涨船高。航空公司的对外声明里也反复强调这一点,号召普通旅客尽量早订票。这是否意味着,越早预订,就越能获得最实惠的票价?


图4  南方航空公司的价格声明<br>
图4  南方航空公司的价格声明


一些学者对此展开研究,思路基本分为三大类:


第一类思路直接给出当前时间“购买”或“等待”的建议,主要通过用堆叠泛化的方法将规则学习、强化学习以及时间序列分析这几个弱分类器组合起来,构造出 Hamlet 算法,从而预测特定航线之间的航班未来几天的机票价格走势,并给出“购买”或“等待”的建议(Etzioni et al., 2003);或者先用标记点过程的预处理技术,筛选出机票价格序列中显著变化的点,减少数据集大小,基于简化的数据求出未来一段时间价格下降的概率,从而给出“购买”或“等待”的建议(Wohlfarth et al., 2011)


第二类思路通过预测出未来一段时间的机票价格,让旅客自行选择合适的购票时间。传统的做法是通过时间序列分析方法进行预测,近年来随着机器学习的兴起,也有学者开始运用多层神经网络算法、决策值域θ等技术进行预测(Tziridis et al., 2017;Chen et al., 2015)。如果说前两类思路尚属于纯粹的经济学领域,那么钟丽珍等人则结合社会人口特征变量,借助航线特征对日均航班数较少且历史数据不完整甚至缺失的航线进行了票价预测。


研究显示,在通常情况下,对于日均航班数较少且历史数据不完整甚至缺失、价格波动大的航线,与年度相关的变量(该年第几周、年份之差)比与周相关的变量(星期几、是否周一、是否周五、是否周末)更重要,即同一航线不同年度之间的机票价格波动规律更相似;其机票价格波动与两地之间的航程显著相关,但与高铁服务水平(高铁单位里程票价、高铁日均开行班次)不相关;其票价波动也与航线的社会经济特征(出发/到达城市的城市等级、人均GDP、人口数)有关(钟丽珍等,2019)


在起飞时刻上,旅客选择非黄金时刻(下午五点到次日上午九点)起飞,机票的价格更为便宜;机型方面,相比于空客 A319,波音 B737和空客 A330的机票价格平均而言更低;节假日对机票价格具有很大影响,旺季出行人数更多,促使机票价格上涨; 提前预定时间对于机票价格则有显著的负向影响,提前预定的天数越多,票价越低;但淡旺季和提前预定天数的叠加效应会使得二者的交互项对于票价的影响相互抵消,变为不显著(陈欣然,2017)


此外,各种折扣活动对于机票价格的影响也不容小觑。赶上各大航空公司的会员日、活动大促时节购票,往往会有意想不到的收获。而航空公司为了尽可能提高客座率,在起飞前的较短时期内也会放出少量特价票。综合而言,临近五一假期,一味追求提前订票不一定是最佳选择。反复比价,关注各种优惠信息,你也可以在五一黄金周杀出重围,以合算价格买到心仪机票。


图5  部分航空公司会员日信息<br>
图5  部分航空公司会员日信息


三、避开“大数据杀熟”陷阱


通过上述理论知识的学习,你心想:这下总算可以买到较为划算的机票了。然而,随着大数据时代的到来,总有一些私人信息不可避免地被泄露出去。用户的多次搜索信息、历史飞行数据、用户消费习惯等等,早已悄无声息地暴露了自己的消费偏好,平台借此设置价格壁垒,“大数据杀熟”让人付出不必要的金钱成本。


以北京-成都航线5月2日起飞的某班次为例,同一时刻,H同学与C同学登录手机官方公众号准备购买,二人可选择的特价经济舱余票数量和价格存在明显差异。航空公司对不同的旅客实行“价格歧视”勉强还算常规操作,然而即使是同一名旅客,在同一时间登录官方公众号和电脑网页版竟然也会面临显著的价格差异。


图6  同一个世界,不同的票价,注:价格信息于2021年4月28日晚上10:00获取。
图6  同一个世界,不同的票价,注:价格信息于2021年4月28日晚上10:00获取。


事实上,“大数据杀熟”已经不是什么新鲜事了。新华社、澎湃新闻等媒体早前多次报道在线平台“杀熟”这一问题。杀熟投诉样本中,机票买得多、买得勤、买的愿望很迫切,都可能导向同一个结果——买得贵。


如何避免“大数据杀熟”?目前流传较广的方法主要有:


1. 能用浏览器就别用手机APP;


2. 关闭 Cookie 追踪,阻止第三方网站保存和读取Cookie数据;


3. 开启无痕浏览模式;


4. 苹果等高价手机更容易被“杀熟”,有条件的可以使用低价安卓机作为备机;


5. 同一类型的互联网服务,多个提供商交替使用,一来可以使用不同的优惠券,二来可以避免成为某APP的忠实用户,落入“杀熟圈套”;


6. 货比三家,善用比价网站查询价格信息;


7. 金融支付不要图方便,可以交替使用不同的支付方式。


那时候的我们还太天真,不知道所有五一出行的机票,早已在暗中标好了价格。


我们赤手空拳来到真相前,为找到最优惠的机票斗智斗勇,暂时逃离生活的苟且,寻找诗和远方的田野。


五一假期,每一个旅者,都在人间。


参考文献:

1. Etzioni O, Tuchinda R, KnoblockC, et al. To Buy or Not to Buy:Mining Airfare Data to Minimize Ticket PurchasePrice[C]//Proceedings of the 9th ACM SIGKDD International Conference onKnowledge Discovery and Data Mining. ACM, 2003: 119-128.

2. WohlfarthT, Clémençon S, Roueff F, et al. A Data-Mining Approach to Travel PriceForecasting[C]// Proceedings of the 10th International Conference on MachineLearning & Applications & Workshops. 2011: 84-89.

3. Tziridis K, Kalampokas T,Papakostas G A, et al. Airfare Prices Prediction Using Machine LearningTechniques[C]// Proceedings of the 25th European Signal Processing Conference.2017: 1036-1039.

4. Chen Y, Cao J, Feng S, et al. AnEnsemble Learning Based Approach for Building Airfare Forecast Service[C]//Proceedings of the 2015 IEEE International Conference on Big Data. 2015:964-969.

5. 钟丽珍, 马敏书, 周长锋. 考虑航线特征的机票价格预测方法研究[J]. 数据分析与知识发现, 2020,v.4;No.38No.39(Z1):196-203.

6. 陈欣然. 节假日对机票价格的影响研究[D]. 西南财经大学.


本文来自微信公众号:严肃的人口学八卦(ID:renkou8gua),作者:陈文琪