Dynamic Pricing und Demand Forecasting für perishable Inventory

# Dynamic PricingDynamic PricingAutomatically adjusting prices in real time based on demand, competition or user behaviour to optimise revenue, margin or conversion.Vollständige Definition ansehen → und Demand Forecasting für perishable Inventory

Ein Freitagabendflug von Chicago nach New York hat 150 Sitze. Die Airline hat 158 Tickets verkauft. Das ist kein Fehler. Das ist Mathematik.

Airlines verkaufen regelmäßig mehr Sitze, als das Flugzeug hat, weil sie aus jahrelangen Daten wissen, dass ein vorhersagbarer Anteil der Passagiere nicht erscheint. Ein leerer Sitz, der ungefüllt mitfliegt, ist in dem Moment, in dem die Türen schließen, exakt null wert. Genauso ein Hotelzimmer um Mitternacht, ein Mietwagen am Dienstag und eine Kreuzfahrtkabine beim Auslaufen. Das ist das prägende Problem von Travel und Hospitality: perishable Inventory, eine Einheit, die zu einem festen Zeitpunkt ihren gesamten Wert verliert.

Revenue Management ist die Disziplin, aus diesem Inventory so viel Geld wie möglich herauszuholen, bevor es verfällt. Bauen wir die Maschine Stück für Stück auf.

Warum Perishability alles verändert

Ein Händler mit unverkauften Schuhen kann sie im nächsten Monat rabattieren. Ein Reiseanbieter kann das nicht. Sobald der Flug abhebt oder die Uhr Mitternacht schlägt, ist unverkaufte Kapazität für immer weg.

Daraus entsteht ein brutaler Tradeoff:

• Verkaufen Sie zu früh zu billig, füllen Sie das Flugzeug, lassen aber Geld liegen, wenn später zahlungskräftige Geschäftsreisende auftauchen.
• Halten Sie an hohen Preisen fest, riskieren Sie leere Sitze, die etwas hätten einbringen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

Das Ziel ist nicht ein hoher Load Factor (der Anteil besetzter Sitze) oder ein hoher Durchschnittspreis. Es ist die Maximierung des Gesamtumsatzes pro Abflug. Ein zu 100 Prozent gefülltes Flugzeug, das komplett zu Billigpreisen verkauft wurde, kann weniger einbringen als ein zu 90 Prozent gefülltes mit einem klugen Fare Mix.

Schritt 1: Nachfrage prognostizieren

Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen nicht bepreisen, was Sie nicht vorhersagen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Forecasting schätzt, wie viele Menschen zu welchem Preis an welchem kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →ünftigen Datum buchen wollen.

Reisenachfrage folgt starken, erlernbaren Mustern:

• Saisonalität: Sommerstrände, Feiertagsspitzen, Skiwochen.
• Wochentag: Flüge am Freitag und Sonntag tragen Leisure-Nachfrage; Dienstag und Mittwoch tragen Geschäftsreisen.
• Booking Curve: wie sich Buchungen über die Zeit aufbauen. Geschäftsreisende buchen spät und zahlen mehr. Leisure-Reisende buchen früh und suchen Deals.
• Events: Konferenzen, Konzerte, Sportfinals, die die lokale Hotelnachfrage hochtreiben.

Die zentrale Falle ist censored demand. Wenn eine Fare Class drei Wochen vor Abflug ausverkauft ist, zeigen Ihre Buchungsdaten, dass die Nachfrage dort endete. Die echte Nachfrage stieg aber weiter; Sie hatten nur nichts mehr zu verkaufen. Naive Modelle unterschätzen beliebte Termine, weil sie nur sehen, was gebucht wurde, nicht was gewünscht war. Gute Revenue-Systeme korrigieren das durch „Unconstraining“ der Nachfrage.

Eine solide, nicht-technische Einführung: das Cornell Center for Hospitality Research veröffentlicht zugängliche Papers zum Hotel Revenue Management.

Schritt 2: Fare Fences

Sobald Sie die Nachfrage prognostiziert haben, segmentieren Sie Kunden so, dass jeder nahe an seiner maximalen Zahlungsbereitschaft zahlt. Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen Reisende nicht nach ihrem Budget fragen, also bauen Sie Fare Fences: Regeln, die preissensible von preisunempfindlichen Kunden trennen.

Typische Fences:

• Advance Purchase: billige Tarife erfordern eine Buchung 14 oder 21 Tage im Voraus. Leisure-Reisende planen; Last-Minute-Geschäftsreisende zahlen den Vollpreis.
• Samstagnacht-Aufenthalt: ein Klassiker der Airlines. Geschäftsreisen umfassen selten ein Wochenende, also filtert die Pflicht zur Samstagnacht Firmenreisende aus den billigsten Tarifen heraus.
• Erstattbarkeit und Umbuchung: flexible Tickets kosten mehr. Unternehmen schätzen Flexibilität; Urlauber nehmen Einschränkungen in Kauf, um zu sparen.
• Product Bundling: ein Hotelzimmer mit Frühstück und kostenloser Storno gegenüber einer abgespeckten, nicht erstattbaren Rate.

Der Fence ist der Punkt. Zwei Personen im selben Flug und in derselben Kabine kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen sehr unterschiedliche Preise zahlen, weil sie unterschiedliche Hürden übersprungen haben.

Schritt 3: Die zentrale Preismathematik

Hier die grundlegende Logik, oft Littlewood's Rule genannt, der Keim des modernen Yield Management.

Stellen Sie sich zwei Fare Classes vor: einen Discount-Tarif und einen Volltarif. Sie haben begrenzte Sitze. Die Frage: Sollten Sie jetzt einen weiteren Sitz zum Discount-Preis verkaufen oder ihn für einen möglichen Volltarif-Kunden später schützen?

Schützen Sie den Sitz nur, wenn der Erwartungswert des Haltens den sicheren Discount-Umsatz übersteigt.

Verkaufen Sie den Discount-Sitz, wenn:

Discount fare  >  Full fare  ×  P(full-fare demand exceeds seats protected)

Umgestellt: Sie schützen weiter Sitze für den Volltarif, solange gilt:

P(full-fare demand > protected seats)  >  Discount fare / Full fare

Ein kurzes Beispiel. Der Volltarif liegt bei 400 Dollar, der Discount-Tarif bei 100 Dollar. Das Verhältnis ist 0,25. Sie schützen also weiter Sitze für Volltarif-Reisende, solange die Wahrscheinlichkeit, sie zu verkaufen, über 25 Prozent liegt. Sinkt diese Wahrscheinlichkeit unter 25 Prozent, öffnen Sie den Sitz für Discount-KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →äufer.

Dieses eine Verhältnis steuert Umsatzentscheidungen in Milliardenhöhe. Moderne Systeme erweitern es auf viele Fare Classes und stetige Nachfrage, aber die Intuition bleibt: knappe Kapazität für hochwertige Nachfrage schützen, aber nicht über den Punkt hinaus, an dem der Discount die bessere Wette ist.

Schritt 4: Overbooking

Zurück zu unserem überbuchten Freitagsflug. Overbooking steuert No-Shows, also Passagiere, die buchen, aber nie erscheinen.

Zeigt die Historie 5 Prozent No-Shows auf dieser Strecke, füllt der Verkauf von 5 Prozent zusätzlichen Sitzen das Flugzeug im Durchschnitt. Die Rechnung wägt zwei Kosten ab:

• Spoilage: ein leerer Sitz, den Sie hätten verkaufen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.
• Denied Boarding: die Kosten, einen Passagier abzuweisen, inklusive Kompensation und Goodwill.

Sie überbuchen bis zu dem Punkt, an dem die marginalen Kosten eines wahrscheinlichen Bumps dem marginalen Umsatz eines wahrscheinlichen Zusatzverkaufs entsprechen. In den USA ist die Kompensation bei Denied Boarding durch das US Department of Transportation reguliert, Airlines modellieren diese Auszahlungsregeln also direkt in den Tradeoff ein.

Hotels machen dasselbe. Ein Haus, das Stornierungen erwartet, bestätigt mehr Reservierungen als es Zimmer hat und „walkt“ dann überzählige Gäste auf eigene Kosten in ein vergleichbares Hotel, wenn alle erscheinen.

🎬 [VIDEO: "Revenue Management and Dynamic PricingDynamic PricingAutomatically adjusting prices in real time based on demand, competition or user behaviour to optimise revenue, margin or conversion.Vollständige Definition ansehen →" - youtube.com - ein klarer Durchgang im MIT-Stil zu Yield Management und der Logik des Seat Protection]

Schritt 5: Dynamic PricingDynamic PricingAutomatically adjusting prices in real time based on demand, competition or user behaviour to optimise revenue, margin or conversion.Vollständige Definition ansehen → in der Praxis

Fare Fences und Littlewood's Rule sind das klassische Framework. Modernes Dynamic PricingDynamic PricingAutomatically adjusting prices in real time based on demand, competition or user behaviour to optimise revenue, margin or conversion.Vollständige Definition ansehen → aktualisiert Preise laufend auf Basis von Live-Signalen:

• Aktuelles Booking Pace gegenüber dem Forecast für dieses Datum.
• In Echtzeit erfasste Wettbewerbspreise.
• Restliches Inventory und Tage bis zum Abflug.
• Suchnachfrage und Conversion Rates der Website.

Laufen die Buchungen für eine bestimmte Hotelnacht über dem Forecast, erhöht das System die Raten. Bucht ein Flug zwei Wochen vor Abflug langsam, öffnet es billigere Fare Classes, um Nachfrage zu stimulieren.

Hotels legen darüber Length-of-Stay-Controls. Ein Hotel, das einen ausverkauften Samstag erwartet, lehnt möglicherweise eine Ein-Nacht-Buchung für Samstag ab und nimmt stattdessen einen Gast von Donnerstag bis Sonntag, weil der Mehrnächte-Gast über den Gesamtzeitraum mehr wert ist.

Ein Hinweis zur Vorsicht für 2026: Dynamic PricingDynamic PricingAutomatically adjusting prices in real time based on demand, competition or user behaviour to optimise revenue, margin or conversion.Vollständige Definition ansehen → zieht regulatorische und reputationsbezogene Aufmerksamkeit an. Preise, die sensible personenbezogene Daten zu nutzen scheinen oder in Notlagen opportunistisch hochschnellen, führen zu Rechtsstreitigkeiten und öffentlichem Gegenwind. Transparenz und Fairness sind heute geschäftliche Randbedingungen, keine Nachgedanken.

Alles zusammen: ein Hotelwochenende

Nehmen Sie ein Stadthotel mit 200 Zimmern, das einem Samstag mit einer großen Konferenz in der Stadt gegenübersteht.

1. Forecast: das Modell, korrigiert um censored demand aus früheren ausverkauften Konferenzen, prognostiziert eine Nachfrage deutlich über 200 Zimmern.

2. Fences: das Hotel schließt seine billigsten Advance-Purchase- und nicht erstattbaren Raten. Es bleiben nur höhere flexible und Premium-Raten.

3. Length of Stay: es verlangt ein Minimum von zwei Nächten, um das ganze Wochenende abzuschöpfen, statt sich mit Ein-Nacht-Buchungen zu füllen.

4. Overbooking: mit Erwartung einer kleinen Stornoquote bestätigt es einige Reservierungen über 200 hinaus, mit einem fertigen Walk-Plan.

5. Dynamische Anpassung: füllt sich das Datum schneller als prognostiziert, steigen die Raten weiter; stockt das Pace, wird eine Restriktion gelockert.

Jeder Hebel dient einem Ziel: einen perishable, fixen Zimmerbestand in den maximalen Umsatz zu verwandeln, bevor Mitternacht am Samstag jeden unverkauften Wert löscht.

Key Takeaways

• Perishability treibt die ganze Disziplin. Ein Sitz oder Zimmer, das zum Deadline-Zeitpunkt unverkauft ist, ist null wert. Das Ziel ist deshalb die Maximierung des Umsatzes pro Abflug oder pro Nacht, nicht das bloße Füllen der Kapazität.
• Forecasting muss um censored demand korrigieren. Ausverkaufte Termine verbergen die echte Nachfrage; das Unconstraining dieser Daten verhindert chronische Unterbepreisung Ihres beliebtesten Inventory.
• Fare Fences machen aus einem Produkt viele Preise. Advance Purchase, Erstattbarkeit und Aufenthaltsregeln sortieren Kunden nach Zahlungsbereitschaft, ohne sie zu fragen.
• Littlewood's Rule ist die zentrale Protection-Logik. Verkaufen Sie einen Discount-Sitz nur, wenn ihn für den Volltarif zu schützen die schlechtere Wette ist, entschieden durch das Tarifverhältnis.
• Overbooking und Dynamic Pricing sind kalkulierte Tradeoffs, die Spoilage gegen Denied-Boarding-Kosten abwägen und inzwischen von Regulierung und Fairness-Erwartungen begrenzt werden.