民航市场基础：航空运输业基本概念、市场参与者与关键术语
航空运输业是一个高度复杂且受多重因素驱动的系统性市场。要准确洞察民航市场趋势，首先需要建立一套统一的“语言体系”和“分析框架”。本章将围绕航空运输业的基本概念、四大核心市场参与者（航司、机场、OTA、旅客）的博弈关系，以及RPK、ASK、客座率、收益管理等关键运营指标展开深度拆解，为后续的数据分析打下坚实的业务基础。
2.1 航空运输业的基本概念与行业属性
核心原理：航空运输业属于典型的网络型基础产业，具有“高固定成本、低边际成本、强周期性、即时性消费”四大特征。其产品本质是“将旅客或货物从A点位移到B点的服务”，且该服务不可存储——航班起飞后，未售出的座位即永久失效。这一特性决定了航空业必须通过精细化的收益管理来最大化每一趟航班的收入。
判断方法：分析民航市场趋势时，应首先区分“行业增长”与“周期波动”。行业增长由城镇化率、人均可支配收入、消费升级驱动；周期波动则由供需错配、油价、汇率引发。建议使用HP滤波或X-13ARIMA-SEATS方法将时间序列分解为趋势项、周期项和季节项。
| 维度 | 特征描述 | 对数据分析的影响 |
|---|---|---|
| 高固定成本 | 飞机购置/租赁、人工、起降费占比高 | 盈亏平衡点高，客座率敏感度大 |
| 低边际成本 | 每增加一名旅客的边际成本极低 | 适合动态定价与超售策略 |
| 不可存储性 | 座位过期作废 | 收益管理核心驱动力 |
| 强周期性 | 与GDP高度相关 | 需剥离周期项看真实增长 |
2.2 市场参与者：航司、机场、OTA与旅客的博弈
核心原理：民航市场并非简单的“航司—旅客”双边关系，而是由航空公司、机场、OTA（在线旅游平台）和旅客构成的四边博弈网络。每一方都有各自的利益诉求与决策逻辑，数据分析师必须理解各方的“KPI”才能准确解读数据背后的含义。
2.2.1 航空公司：运力供给与收益核心
航司是运力的直接提供者，其核心决策变量包括：航线网络规划（飞哪里）、航班频次（飞多密）、机型选择（用多大飞机）、定价策略（卖多少钱）。航司的KPI体系围绕“收益最大化”展开，重点关注客座率、单位收益（RASK）、单位成本（CASK）及辅助收入。
2.2.2 机场：基础设施与流量变现
机场的收入分为航空性收入（起降费、停场费、旅客服务费）和非航空性收入（商业租赁、广告、停车）。机场的核心约束是“时刻资源”和“跑道容量”。数据分析中，机场吞吐量、中转率、时刻利用率是衡量机场运营效率的关键指标。
2.2.3 OTA：流量入口与数据枢纽
OTA（携程、飞猪、Expedia等）掌握着海量的搜索、比价和预订数据。OTA的商业模式是“佣金+广告”，其核心KPI是GMV、转化率和用户粘性。OTA的数据对于预测市场需求、监测竞对价格具有极高价值，但需注意OTA数据存在“渠道偏差”。
2.2.4 旅客：需求端与体验核心
旅客的需求可细分为商务出行（价格不敏感、时间敏感）和休闲出行（价格敏感、时间灵活）。旅客的行为数据（搜索时间窗口、提前购票天数、舱位选择）是收益管理模型的重要输入。
2.3 关键术语：RPK、ASK、客座率与收益管理
核心原理：这四项指标构成了民航市场分析的“四梁八柱”。其中，ASK（Available Seat Kilometer，可用座公里）代表运力供给，RPK（Revenue Passenger Kilometer，收入客公里）代表实际运输量，客座率（SLF，Seat Load Factor）是两者的比值，而收益管理则是基于上述指标进行动态定价与舱位控制的策略体系。
2.3.1 ASK（可用座公里）
计算公式：ASK = 可供销售的座位数 × 航段距离（公里）。ASK衡量的是航司投入的“产能”。例如，一架200座的飞机执飞1000公里的航线，则投入ASK为200,000座公里。分析ASK增速可以判断航司的扩张意愿。
2.3.2 RPK（收入客公里）
计算公式：RPK = 实际承运旅客数 × 航段距离（公里）。RPK衡量的是市场“实际消化”的运力。若RPK增速快于ASK增速，说明需求旺盛，客座率提升；反之则说明运力过剩。
2.3.3 客座率（SLF）
计算公式：客座率 = RPK ÷ ASK × 100%。客座率是衡量供需匹配效率的核心指标，但并非越高越好。过高的客座率（超过95%）往往意味着“收益损失”——因为可能低价票卖多了，而高舱位旅客被挤掉了。
2.3.4 收益管理（Yield Management）
收益管理的本质是“在合适的时间，以合适的价格，把合适的座位卖给合适的旅客”。其核心手段包括：舱位等级管理（将经济舱划分为Y/B/M/H/K/L等子舱位）、超售（基于No-show率多卖2%-5%的票）、动态定价（根据实时需求调整价格）。
| 指标 | 公式 | 业务含义 | 分析应用 |
|---|---|---|---|
| ASK | 座位数 × 距离 | 运力投入 | 航司扩张/收缩信号 |
| RPK | 旅客数 × 距离 | 实际需求 | 市场景气度 |
| 客座率 | RPK ÷ ASK | 供需匹配效率 | 定价与运力调整依据 |
| 单位收益（Yield） | 客运收入 ÷ RPK | 每客公里收入 | 票价水平与结构分析 |
| RASK | 客运收入 ÷ ASK | 每座公里收入 | 航司综合盈利能力 |
2.4 案例拆解：某航司“客座率上升但利润下降”的诊断
背景与约束：某国内中型航司在2024年Q3发现其整体客座率同比上升了3.2个百分点（从82.1%升至85.3%），但净利润却同比下降了8.5%。管理层困惑：客座率明明提升了，为什么利润反而下滑？
初始现象与关键数据：
- 整体ASK同比增长12%（运力扩张明显）
- RPK同比增长16%（需求增长更快）
- 客座率提升至85.3%
- 单位收益（Yield）同比下降6.8%
- 平均票价下降9.2%
分析判断过程：通过拆解发现，客座率上升的“质量”不高。新增的运力主要投放在竞争激烈的中短程航线（如上海-厦门、广州-长沙），这些航线为了维持客座率，大量投放了4折以下的低价票。虽然“量”上去了，但“价”下来了。进一步分析舱位结构发现：高舱位（公务舱、全价经济舱）占比从12%降至8%，而低舱位（折扣票）占比从45%升至58%。
实际操作步骤：
- 将RPK增长拆解为“运力增长贡献”和“客座率提升贡献”，发现运力贡献占80%。
- 按航线维度对比Yield变化，识别出亏损航线集中在“新增运力”上。
- 建立“客座率-票价弹性”模型，测算出该航司在现有航线结构下，客座率每提升1个百分点，平均票价需下降1.8个百分点才能实现。
- 建议管理层：将部分中短程运力转投至国际中长航线（竞争较小），并收紧低舱位配额。
结果对比与复盘：调整后一个月，整体客座率微降至84.1%，但Yield回升4.2%，净利润环比改善6.3%。复盘经验：客座率是“过程指标”，利润才是“结果指标”。数据分析不能只看单一指标，必须将客座率与单位收益结合分析，关注“有效客座率”（即能带来正边际贡献的客座率）。
2.5 总结复盘与数据分析要点
本章的核心在于建立民航市场的“全局观”。在做任何趋势分析之前，请务必确认以下三点：
- 口径统一：确认RPK/ASK数据是“航段”还是“旅客”口径，避免混淆。
- 参与者视角：明确你是在为谁做分析（航司关注收益，机场关注吞吐量，OTA关注转化率）。
- 指标联动：不要孤立看单一指标，建议使用“客座率-Yield-RASK”三维联动分析框架。