• norsk
    • English
  • norsk 
    • norsk
    • English
  • Logg inn
Vis innførsel 
  •   Hjem
  • Master- og hovedoppgaver / Master thesis
  • Master i økonomi og ledelse – markedsføringsledelse heltid 3MMF300
  • Vis innførsel
  •   Hjem
  • Master- og hovedoppgaver / Master thesis
  • Master i økonomi og ledelse – markedsføringsledelse heltid 3MMF300
  • Vis innførsel
JavaScript is disabled for your browser. Some features of this site may not work without it.

Kapasitetsbasert Revenue Management i alpinbransjen: en sammenligning av tidsserieregresjon og nevrale nettverk

Larsen, Kamilla
Master thesis
Thumbnail
Åpne
Larsen.PDF (4.136Mb)
Permanent lenke
https://hdl.handle.net/11250/2787078
Utgivelsesdato
2021
Metadata
Vis full innførsel
Samlinger
  • Master i økonomi og ledelse – markedsføringsledelse heltid 3MMF300 [62]
Sammendrag
Formålet med denne oppgaven var å vurdere to ulike prognosemodeller til å predikere etterspørselen etter dagskort, og å bruke disse prognosemodellene til å fastsette antall lavprisbilletter et alpinanlegg kan tilby.

Det har blitt brukt en tidsserieregresjonsmodell og en multi-layer perceptron modell til å estimere prognosene i to ulike prognosehorisonter. Både prognosehorisontene og modellen er vurdert etter to ulike nøyaktighetsmål for å vurdere hvilken kombinasjon av modellene og prognosehorisontene som gjorde det best.

Tidsserieregresjonsmodellen gjorde det generelt bedre enn MLP-modellen basert på disse to nøyaktighetsmålene. Likevel gjorde MLP-modellen det bedre basert på et nøyaktighetsmål i en av prognosehorisontene.

Begge modellene med begge prognosehorisontene ble brukt til å fastsette antall lavprisbilletter for tre forskjellige prisscenarioer. Det var tidsserieregresjonsmodellen som best klarte å utnytte seg av inntektsmuligheten, og det er tydelig at et alpinanlegg kan øke fortjenesten ved en implementering av et enkelt topris-system.

Abstract (English):

The objective of this thesis was to evaluate two different forecasting models used in predicting demand for ski resort day tickets, and to use these models to determine the amount of low price tickets a ski resort should offer.

A time series regression model (TSR) and a neural network based mulit-layer perceptron model has been used to estimate forecasting in two different forecasting horizons. Both the forecasting horizons and the TSR model was evaluated using two different accuracy measures to evaluate which combination of TSR models and forecasting horizons gives the most correct results.

The TSR model generally performed better than the MLP-model based on these two accuracy measures. In one single instance, the MLP-model did better based on a given accuracy measure in one of the forecasting horizons.

Both models, with both forecasting horizons was used to determine a set amount of lowprice tickets for three different price scenarios. The TSR model was better at utilizing the income opportunity, and it’s clear that a ski resort could increase revenue by implementing a simple two price system.

Kontakt oss | Gi tilbakemelding

Personvernerklæring
DSpace software copyright © 2002-2019  DuraSpace

Levert av  Unit
 

 

Bla i

Hele arkivetDelarkiv og samlingerUtgivelsesdatoForfattereTitlerEmneordDokumenttyperTidsskrifterDenne samlingenUtgivelsesdatoForfattereTitlerEmneordDokumenttyperTidsskrifter

Min side

Logg inn

Statistikk

Besøksstatistikk

Kontakt oss | Gi tilbakemelding

Personvernerklæring
DSpace software copyright © 2002-2019  DuraSpace

Levert av  Unit