伴随着航空公司运价结构简化的趋势，收益管理系统应用方面也出现了一些新问题，例如“价格漩涡”效应：由于施加在运价舱位上的使用限制条件减少，旅客自然会预订当时最低的可用舱位，那么收益管理系统获得的订座数据中高价舱位的预订就会减少。这样，收益管理系统的预测算法会认为市场上高价需求减小，因而在计算库存控制的限制销售数时，会减少高价舱位的库存，增加低价舱位的库存，结果导致更多的旅客购买低价舱位，高价舱位预订更少，循环往复直到人工干预，此时已经造成较大的收入损失。出现这种情况的原因在于低估了旅客的高支付意愿。
本文所摘录内容将解释在实际中应该如何解决“价格漩涡”问题。
基于支付意愿预测需求
在一个完全无限制或无差异的运价结构中，旅客必然会购买可利用的最低票价。如前所述，基于这样的历史预订数据预测未来需求会导致“漩涡”效应。因而我们需要一种新的预测方法，能够基于每位旅客可能的支付意愿预测每个运价舱位上的需求，这与根据旅客在以前航班上被允许支付的金额进行预测的方式正好相反。
Belobaba和Hopperstad（2004）给出了上述思路的一种实现——称为“Q-forecasting”（Q预测）。
在现实中，多数航空公司的运价结构既不会完全无限制，也不会完全受限，而是根据需求细分的要求处于“精简的限制”或者半受限的状态。Boyd和Kallesen（2004）提出了一种预测方法，能够区分价格导向型（低价的）需求——只购买可利用的最低票价和产品，以及产品导向型（可伸缩的）需求——愿意为产品的特定属性或因较少使用限制而支付较高票价。他们建议，在RMS数据库中识别价格导向型和产品导向型需求，能使航空公司分别预测出两种需求，并可将之混合为一种“混合型”预测结果。
混合预测方法最适宜用在半受限型运价结构中，这类运价结构以使用限制条件区分高价舱位和低价舱位，但低价舱位之间并无差异。混合预测的基本思路是将所有的历史预订分配到两个需求类型中，然后针对每个类型应用恰当的预测算法。在收益管理系统预处理历史订座数据时，如果旅客在订座当时就选择了可用的最低票价，则这类旅客被认为是价格导向的；如果在旅客订座时还有更低的舱位可选但旅客购买了较高的票价产品，则这类旅客被认为是产品导向的。传统基于时间序列统计模型的RM预测模块可用于预测产品导向型需求，Q预测方法则可用于价格导向型需求。
Q预测及混合预测都对早前的收益管理预测方法提出了重大改进。由于在需求预测过程中显式考虑了“可能的超买”，就使避免在原来较少限制的运价结构下必然出现的“价格漩涡”效应成为可能。在半受限运价结构下的模拟测试说明，混合预测方法至少可提升航空公司收入2%（Reyes，2006）。如下图所示，如果航空公司在最低价舱位6上接受的预订请求较少，就能将旅客预订需求“挤到”较高的运价舱位上。此时，平均客座率会出现轻微下降，但平均利润率提升会使收入增加。
混合预测过程对运价舱位组合的影响