Analyse exploratoire

L’objectif de ce chapitre est de présenter la structure de nos données, leur origine et en extraire les statistiques nécessaires à nos futurs choix de paramètres. La bonne connaissance de la nature et du comportement de nos données est essentielle pour la construction de notre infrastructure et pour la validation de notre approche. Elle passe par l’étude des techniques d’optimisation de prix appliquées par les différents sites marchands et par une analyse des effets de ces optimisations sur les courbes de prix. Les changements de prix dans le domaine aérien suivent des règles régies par des algorithmes de yield management ou revenue management décrits dans de nombreux ouvrages [2][15] ou [46], laissant entrevoir que certaines de ces règles, communes à tous les marchands, peuvent être apprises pour prévoir leurs évolutions. Le Yield Management est une discipline économique adaptée à des secteurs où la tarification par segments de marché est pratiquée et combinée à une analyse statistique poussée. Cette pratique a pour objectif d’augmenter le revenu de la compagnie par siège disponible. Les paramètres déterminants dans l’optimisation des prix sont donc le taux de remplissage de l’avion et l’évolution de la demande mais d’autres variables peuvent introduire des subtilités dans la maximisation des revenus [51]. Ces informations n’étant pas publiques, nous pouvons uniquement percevoir ces variables cachées par le biais de l’évolution des séries temporelles et de la répartition par destination du trafic de liligo.com.

Nous rappelons que liligo.com est un moteur de recherche de voyages permettant aux utili- sateurs, de comparer plus de 250 sites d’agences de voyages et compagnies aériennes. A chaque recherche utilisateur, toutes les informations de la page de résultats sont conservées en base de données représentant une source volumineuse d’informations à traiter. Il est donc nécessaire de faire des choix quant aux vols que nous souhaitons utiliser et quant à l’architecture de notre base de données. Notre base d’apprentissage devra représenter la majorité des comportements existants tout en conservant une taille raisonnable. L’architecture doit permettre de reconstruire les séries temporelles de prix, de comparer les mêmes vols proposés par des sites différents et d’accéder rapidement aux caractéristiques des vols. Nous introduisons la notion de vol unique, qui décrit un trajet défini par des dates de départ et de retour, des aéroports de départ et d’arrivée ainsi que les codes des vols correspondants (AF5653 par ex.). Ces vols sont vendus par la ou les compagnie(s) qui les affrète(nt) (elles sont plusieurs en cas de vols à escales ou de partage de code) mais aussi la plupart du temps par des agences de voyages. Chaque vol unique possède donc une série temporelle de prix par site marchand. Il est de fait intéressant de constater que les évolutions de prix d’un même vol unique peuvent être similaires ou alors complètement différentes selon le site qui les vend.

La première partie de ce chapitre est consacrée à la description du phénomène à l’origine de ce projet : le yield management. Après en avoir expliqué les tenants et les aboutissants, nous détaillons une des méthodes utilisées par les compagnies aériennes. Dans un second temps, nous décrivons l’origine de nos données (recherches utilisateur, alertes mail) et l’architecture de données qui nous a semblé la plus proche de la réalité du transport aérien. Nous avons notamment pris soin de conserver le lien entre un billet vendu directement par la compagnie aérienne et indirectement par le biais d’une agence de voyages. Nous illustrons ce phénomène Puis nous expliquons le choix de nos paramètres de construction de la base d’apprentissage par l’analyse statistique du comportement des utilisateurs dans l’achat de leurs billets d’avion. Nous y discutons de la sélection des routes étudiées, de la durée de séjour et de la longueur des séries temporelles ainsi que de leur quantité et de leur qualité. Enfin nous expliquons les enjeux du service et la pertinence d’un conseil à l’achat du point de vue de l’utilisateur. Si le lieu commun est que les prix ne font qu’augmenter et qu’il faut acheter le plus tôt possible pour avoir le meilleur prix, nous démontrons qu’avec notre service il est possible d’économiser de l’argent quelque soit le jour avant la date de départ. Nous rappelons que notre service ne consiste pas à indiquer le meilleur moment pour acheter son billet mais à fournir à l’utilisateur une indication sur la future évolution de son billet à un instant..