如何通過機器學習動態的調整產品價格
每個人看到的價格都是不一樣的，是“個性化”還是“價格歧視”其實很難講的清楚。但是通過AI動態的調整定價正在改變企業的競爭格局。我們一起來看下AI可以從哪些方面進行切入。
預測市場需求與微觀細分
AI微觀細分，可以通過對消費者的多種屬性及行為的分析，來預估消費者的支付意願。為了更好的解釋清楚，我們假設將消費者分為3類：高收益使用者、中等收益使用者、低收益使用者。一個實現利潤最大化的策略是首先將商品銷售給高收益的使用者。然後把剩餘的產品賣給中等收益使用者，最後再把剩餘的產品賣給低收益的使用者。
上面的原理講起來非常的簡單，但操作起來非常的困難，以機票為例。我們都知道，航空公司的機票價格會隨著預訂日期的臨近而上漲。每個人都清楚想要買到價格低的機票需要儘可能的提前預訂。所以，並不像先前說的先賣給高收益使用者，最後才賣給低收益使用者。在大多數情況下，定價和銷售發生是反過來的，即現將商品賣給低收益使用者，最後才賣給高收益使用者。
如果首先向低收益使用者銷售產品，那麼如何對高效益的使用者實現利潤的最大化呢？是什麼組織了所有座位被賣給了低收益的使用者，萬一沒有座位留下來賣給高收益使用者怎麼辦？中間的一部分答案是預測潛在賣家的數量，以及他們每個人願意提前幾周支付多少錢。
積累不對稱資訊
基於人工智慧的定價系統的一個重要組成部分是讓人工智慧瞭解市場上發生的一切。我們的目標是獲得比競爭對手更好的資訊，以便做出更好的決策。這種資訊有事被稱為不對稱資訊。在需求預測方面，不對稱資訊使人工智慧定價引擎能夠比競爭對手實現更準確的需求預測。 最終，這種優勢導致價格引擎更有信心保持一個價格，或將其上升或下降，以最大的利潤迴應市場上發生的事情。
假設有一條比較冷門的航線，如果你是一家航空公司的運營，你指導這條航線的目的將迎來一個盛大的節日，屆時會有更多的人前往該目的地，遠遠超過所有競爭對手的飛機座位數量。 如果你是唯一知道這個盛大節日的航空公司，那麼定價策略就很簡單。把價格抬高，直到所有的參賽者都把座位賣完為止。然後，乘客將不得不購買價格更高的機票。
然而，大多數”長尾”市場並沒有產生足夠的收入，因此在經濟上不值得僱傭一個人來監測小城市的情況，然後對價格進行微調。類似於亞馬遜如何利用技術自主地對5億種產品進行需求預測和定價決策，同樣的事情也發生在其他許多行業。人工智慧可以在全球範圍內實時瞭解當地發生的事件，其經濟效益遠遠超過一群人所能達到的水平。 這使得公司能夠利用人工智慧收集不對稱資訊，從而能夠更好地預測需求和做出戰略定價決策。
預測支付意願
不斷收集有關客戶行為的資料，例如：
- 你看的是什麼型別的物品？
- 你在每個網頁上花了多長時間？
- 你在購物車裡放了什麼東西？
- 你購買過什麼東西？
- 想你一樣的類似使用者會支付多少錢？
所有這些資料以及更多資料被輸入到人工智慧引擎中，將你的行為轉化為一個人物角色，並試圖預測關於你的事情，其中之一就是估計你願意支付的最高價格。”支付意願”可以用來決定你以當前市場價格購買一件商品的可能性有多大。這種可能性被納入到微觀市場的需求預測中，並最終影響到價格。 因此，人工智慧引擎可以通過知道以什麼價格賣多少來控制銷售速度。
動態塑造需求
預測競爭反應 + 需求 + 微觀細分 +”願意支付的最高價格”都是基於概率。 在預測中總會有一定程度的”錯誤”。 換句話說，商品的銷售速度可能比預期的要慢一些。 人工智慧定價引擎利用動態需求成形通過調整價格來改變需求曲線的形狀。 這可以基於實時庫存或任何其他無數因素。在航空公司和酒店定價領域，需求塑造可以被用來優化利潤，最大限度地減少機票和酒店房間的超售或低售。
結論
每個行業都在以一定的價格向客戶銷售產品或服務。文討論的主題廣泛適用於航空公司座位和酒店房間的動態定價之外的各種行業和業務場景。 製造商估計需求是為了知道生產什麼數量的產品。分銷商管理定價和需求預測，以優化庫存和分銷物流 營銷人員利用需求估計來決定促銷、目標定位和營銷支出。 先進的演算法技術和人工智慧引擎正在悄悄地改變組織的競爭方式。
參考連結：https://www.kdnuggets.com/2017/12/how-ai-learns-different-prices.html