Why do airlines sell too many tickets? - Nina Klietsch

Translator: Myo Aung Reviewer: sann tint

Have you ever sat in a doctor's office for hours

ခင်ဗျားတို့ဟာ အချိန်ပါတဲ့ ရက်ချိန်းကို ရယူခဲ့ပေမဲ့

despite having an appointment at a specific time?

ဆရာဝန်အတွက် နာရီများစွာကြာ စောင့်ခဲ့ရဘူးပါသလား။

Has a hotel turned down your reservation because it's full?

ဟော်တယ် တစ်ခုခုက နေရာပြည့်နေလို့ ခင်ဗျားရဲ့ မှာထားမှုကို ငြင်းခဲ့ဘူးသလား။

Or have you been bumped off a flight that you paid for?

ဒါမှမဟုတ် လက်မှတ် ဝယ်ခဲ့လျက်နဲ့ လေယာဉ်ပေါ် တက်ခွင့် မရခဲ့တာ ကြုံခဲ့ဘူးလား။

These are all symptoms of overbooking,

ဒါတွေ အားလုံးဟာ လိုတာထက် တိုးပြီး ရောင်းခဲ့မှုတွေပါ၊

a practice where businesses and institutions

လုပ်ငန်း ဌာနများက သူတို့မှာ ရှိတဲ့ နေရာများထက်

sell or book more than their full capacity.

တိုးပြီး ရောင်းချလေ့ ရှိကြတဲ့ လုပ်ရိုးလုပ်စဉ် ကြောင့်ပါ။

While often infuriating for the customer,

အဲဒါ သုံးစွဲသူများအတွက် စိတ်ပျက်စရာကောင်းပေမဲ့၊

overbooking happens because it increases profits

တိုးပြီး ရောင်းချမှုက လုပ်ငန်း အမြတ်ကို တိုးလာစေသလို

while also letting businesses optimize their resources.

သူတို့ရဲ့ အရင်းအမြစ်များအား အသုံးချမှုကို ကောင်းမွန်လာစေပါတယ်။

They know that not everyone will show up to their appointments,

လူတိုင်းဟာ သူတို့ရဲ့ ရက်ချိန်းတွေမှာ၊ မှာယူထားမှု၊ လေယာဉ်

reservations,

ခရီးစဉ်များအတွက်

and flights,

ပေါ်လာကြမှာ မဟုတ်ဘူး

so they make more available than they actually have to offer.

ဆိုတာ သိကြလို့ လက်တွေ့ ရှိတာထက်ကို တိုးပြီး ရောင်းချကြတာပါ။

Airlines are the classical example, partially because it happens so often.

လေကြောင်း ကုမ္ပဏီတွေဆိုရင် အဲဒီလို အဖြစ်အများဆုံး သာဓကပါ။

About 50,000 people get bumped off their flights each year.

နှစ်စဉ်နှစ်တိုင်း လူ ၅၀၀၀၀ တို့ဟာ သူတို့ လေယာဉ်ကို မစီးရဘဲ ငြင်းပယ်ခံကြရတယ်။

That figure comes at little surprise to the airlines themselves,

စာရင်းအင်းနဲ့ တွက်ချက်ပြီး လက်မှတ် ဘယ်လောက် ရောင်းရမှာကို ဆုံးဖြတ်ကြတဲ့

which use statistics to determine exactly how many tickets to sell.

လေကြောင်း ကုမ္ပဏီတွေအတွက် အဲဒီ ကိန်းဂဏန်းဟာ အံ့အားသင့်စရာပါ။

It's a delicate operation.

အဲဒါဟာ တွက်ရန် ခက်ခဲလှပါတယ်။

Sell too few, and they're wasting seats.

လျော့ပြီး ရောင်းလိုက်ရင် နေရာတွေ အလဟသ ဆုံးရှုံးသွားကြမယ်။

Sell too many, and they pay penalties -

ရောင်းတာ သိပ်များရင်၊ သူတို့ဟာ ဒဏ်ငွေတွေ ပေးချေရမယ်-

money, free flights, hotel stays, and annoyed customers.

ငွေကြေး၊ အခမဲ့ ခရီးစဉ်၊ နေဖို့ ဟော်တယ်တွေ ပေးရတဲ့ အပြင် မကျေနပ်သူတွေ ရှိလာမယ်။

So here's a simplified version of how their calculations work.

သူတို့ရဲ့ တွက်ချက်ပုံကို ရှင်းပြဖို့ ရိုးရှင်းတဲ့ ပုံသေနည်း တစ်ခုကို ချပြမယ်။

Airlines have collected years worth of information

ခရီးစဉ် တချို့အတွက် ဘယ်သူတွေ လာကြပြီး ဘယ်သူတွေ မလာကြတာကို

about who does and doesn't show up for certain flights.

လေကြောင်း ကုမ္ပဏီများဟာ တစ်နှစ်တာအတွက် အချက်အလက်တွေကို စုစည်းခဲ့ကြတယ်။

They know, for example, that on a particular route,

ဥပမာ၊ လမ်းကြောင်း တစ်ခုခုမှာ ဆိုရင်၊

the probability that each individual customer will show up on time is 90%.

ခရီးသည် တစ်ဦး အချိန်မီ ရောက်လာမယ့် အလားအလာဟာ ၉၀% ရှိတာကို သိလာရတယ်။

For the sake of simplicity,

ရိုးရှင်းမှုအတွက်ငှာ

we'll assume that every customer is traveling individually

ခရီးသည်တိုင်းဟာ မိသားစု သို့မဟုတ် မိသားစုလိုက် မဟုတ်ဘဲ

rather than as families or groups.

တစ်ဦးချင်း ခရီးသွားမယ်လို့ ယူဆကြပါမယ်။

Then, if there are 180 seats on the plane and they sell 180 tickets,

အဲ့တော့၊ လေယာဉ်တွင် ထိုင်ခုံ ၁၈၀ ရှိလို့ သူတို့က လက်မှတ် ၁၈၀ ကို ရောင်းလိုက်ရင်၊

the most likely result is that 162 passengers will board.

လေယာဉ်ကို တက်ဖြစ်မယ့် သူတွေဟာ ၁၆၂ ဦးရှိဖို့ အလားအလာများပါတယ်။

But, of course, you could also end up with more passengers,

လက်တွေ့မှာ၊ ခရီးသည်တွေ တိုးပြီး ရောက်လာနိုင်ကြသလို၊

or fewer.

နည်းချင် နည်းနိုင်တာ အမှန်ပါပဲ။

The probability for each value is given by what's called

အဲဒီလို အလားအလာ ရှိနိုင်တဲ့ တန်ဖိုး တစ်ခုချင်းစီကို

a binomial distribution,

binomial distribution မှ ရရှိနိုင်တယ်၊

which peaks at the most likely outcome.

အလားအလာ အများဆုံး နေရာမှာ အကြီးဆုံး ဂဏန်းကို ပြပါတယ်။

Now let's look at the revenue.

အခုတော့ ဝင်ငွေကို လေ့လာကြည့်ကြပါစို့။

The airline makes money from each ticket buyer

လေကြောင်းကုမ္ပဏီတွေ လက်မှတ် ရောင်းတိုင် ဝင်ငွေ

and loses money for each person who gets bumped.

ရကာ၊ ငြင်းပယ်ခံရသူတိုင်း အတွက် ကျခံဆုံးရှံးမှုတွေ ရှိပါတယ်။

Let's say a ticket costs $250 and isn't exchangeable for a later flight.

လက်မှတ်ဟာ $၂၅၀ တန်ပြီး နောက်ပိုင်း ခရီးစဉ်ဆီ လွဲပြောင်းမရဘူးလို့ ခံယူကြမယ်။

And the cost of bumping a passenger is $800.

ခရီးသည်ကို လက်မခံ ငြင်းပယ်မှုကျတော့ $800 ကုန်ကျခံရမယ်။

These numbers are just for the sake of example.

ဒီဂဏန်းတွေကို သာဓကအဖြစ် တွက်ပြရန် ဖေါ်ပြပေးတာပါ။

Actual amounts vary considerably.

လက်တွေ့ ပမာဏတွေ ခြားနားနိုင်ကြပါတယ်။

So here, if you don't sell any extra tickets, you make $45,000.

ဒီတော့ လက်မှတ်တွေကို တိုးပြီး မရောင်းခဲ့ပါက $၄၅၀၀၀ ရမယ်။

If you sell 15 extras and at least 15 people are no shows,

၁၅ တိုးပြီး ရောင်းလိုက်ပြီး အနည်းဆုံး လူ ၁၅ ရောက် မရောက်မလာကြပါက၊

you make $48,750.

ကျွန်ုပ်တို့ $၄၈၇၅၀ ရရှိကြပါမယ်။

That's the best case.

အဲဒါဟာ အကောင်းဆုံး ရလဒ်ပါ။

In the worst case, everyone shows up.

အဆိုးဆုံး အဖြစ်က လူတွေ အားလုံး လာခြင်းပါ။

15 unlucky passengers get bumped, and the revenue will only be $36,750,

ကံဆိုးမယ့် ခရီးသည် ၁၅ ဦး ငြင်းခံရမှာမို့လို့ ဝင်ငွေ $၃၆၇၅၀ သာ ရမယ်။

even less than if you only sold 180 tickets in the first place.

ကနဦး နေရာ ၁၈၀ ကိုသာ ရောင်းခဲ့မှာထက်ကို ဝင်ငွေဟာ နည်းသွားတယ်။

But what matters isn't just how good or bad a scenario is financially,

ဒါပေမဲ့ ကိုယ်ရွေးလိုက်တဲ့ ပုံသေနည်းက ဘဏ္ဍာရေးအရ ကောင်းလား ဆိုးတာထက်

but how likely it is to happen.

အရေးကြီးတာက ဖြစ်နိုင်မယ့် အလားအလာပါ။

So how likely is each scenario?

တစ်ခုချင်းစီရဲ့ အလားအလာက ဘယ်လိုများလဲ။

We can find out by using the binomial distribution.

ကျွန်ုပ်တို့ဟာ ခုနက binomial distribution ကိုသုံးပြီး ရှာယူနိုင်ပါတယ်။

In this example, the probability of exactly 195 passengers boarding

ဒီဥပမာထဲမှာ၊ ခရီးသည် ၁၉၅ ဦး အတိအကျ ရောက်လာကြမယ့် အလားအလာဟာ

is almost 0%.

၀% နီးပါးပါပဲ။

The probability of exactly 184 passengers boarding is 1.11%, and so on.

ခရီးသည် ၁၈၄ ဦး အတိအကျ ရောက်လာမယ့် အလားအလာဟာ ၁.၁၁% စသဖြင့် ရှိပါတယ်။

Multiply these probabilities by the revenue for each case,

ဖြစ်ရပ် တစ်ခုစီအတွက် အလားအလာတွေကို ရမယ့် ဝင်ငွေနဲ့ မြှောက်ယူပြီး

add them all up,

အဲဒါတွေကို ပေါင်းလျက်၊

and subtract the sum from the earnings by 195 sold tickets,

နေရာ ၁၉၅ ခုကို ရောင်းလိုက်လို့ ရမယ့် ဝင်ငွေထဲမှ နှုတ်ယူလိုက်မယ်ဆိုရင်၊

and you get the expected revenue for selling 195 tickets.

ကိုယ်က လက်မှတ် ၁၉၅ ခုကို ရောင်းလိုက်လို့ မျှော်လင့်နိုင်တဲ့ ဝင်ငွေကို ရပါလိမ့်မယ်။

By repeating this calculation for various numbers of extra tickets,

တိုးပြီး ရောင်းလိုက်တဲ့ လက်မှတ် အရေအတွက် အတွက် အဲဒီလို ထပ်တလဲလဲ တွက်လျက်၊

the airline can find the one likely to yield the highest revenue.

လေကြောင်း ကုမ္ပဏီဟာ ဝင်ငွေ အများဆုံး ရနိုင်မယ့် အလားအလာကို ရှာယူနိုင်တယ်။

In this example, that's 198 tickets,

လက်ရှိ ဥပမာထဲမှာ အဲဒါဟာ လက်မှတ် ၁၉၈ ခုပါ၊

from which the airline will probably make $48,774,

လေကြောင်း ကုပ္မဏီဟာ $၄၈၇၇၄ ရရှိဖို့ အလားအလာများပါတယ်၊

almost 4,000 more than without overbooking.

တိုးပြီး မရောင်းချဘဲနဲ့ စာရင် ၄၀၀၀ နီးပါး ပိုပါတယ်။

And that's just for one flight.

အဲဒါဟာ ခရီးစဉ် တစ်ခုတည်းထံမှပါ။

Multiply that by a million flights per airline per year,

လေကြောင်း ကုမ္ပဏီတိုင်း နှစ်စဉ် ပျံသန်းတဲ့ ကြိမ်ရေ တစ်သန်းနဲ့

and overbooking adds up fast.

မြှောက်ကြည့်ရင် တိုးရောင်းမှုရဲ့ အမြတ်ဟာ တိုးတိုးလာမှာပါ။

Of course, the actual calculation is much more complicated.

လက်တွေ့ တွက်ချက်မှုတွေဟာ ပိုပြီး ရှုပ်ထွေးတာ အမှန်ပါပဲ။

Airlines apply many factors to create even more accurate models.

ပိုပြီး တိကျတဲ့ ပုံစံကို ဖေါ်ထုတ်ရန် ၎င်းတို့ သုံးကြတဲ့ အချက်တွေ အများကြီးပါ။

But should they?

သူတို့ အဲဒီလို သုံးပြီး တွက်ချင်သင့်လား။

Some argue that overbooking is unethical.

တိုးပြီး ရောင်ချမှုဟာ လူ့ကျင့်ဝတ်နဲ့ မကိုက်ဘူး ယူဆကြတယ်။

You're charging two people for the same resource.

အရင်းအမြစ် တစ်ခုတည်းအတွက် လူ နှစ်ဦးထံမှ ငွေတောင်းယူမှုမို့လို့ပါ။

Of course, if you're 100% sure someone won't show up,

ဒါပေမဲ့၊ တစ်ဦးဦး မလာဘူးလို့ သေချာတယ် ဆိုရင်တော့၊

it's fine to sell their seat.

သူ့နေရာကို ရောင်းတာကို ဘာမှ ပြောမရနိုင်ပါ။

But what if you're only 95% sure?

ဒါပေမဲ့ ကိုယ်က ၉၅ % မျှသာ သေချာတယ်ဆိုရင်ကော။

75%?

၇၅ % ဆိုရင်ကော။

Is there a number that separates being unethical from being practical?

လူ့ကျင့်ဝတ်နဲ့ မကိုက်ညီမှုကို လက်တေွ့ ကျမှုနဲ့ ခြားပေးနိုင်မယ့် ဂဏန်း ရှိရဲ့လား။