AI在收益管理中的应用：商家定价难题

接下来介绍一下AI在收益管理中的应用，这个是基于我们跟很多家电商合作时碰到的实际问题。在收益管理中间，关键的一个问题就是如何定价。这个问题很复杂。

首先，对于不同产品定价逻辑不一样。很多商家只是简单地预测定一个价格能够卖多少件，然后选取一个看上去比较合适的价格。但这是不够的。有些产品在市场上采用最简单的成本定价，就是成本是多少，加一个权重，产生售价。而在电商环境中，大部分关键产品采用的定价逻辑都是比价活着跟价，就是要保证比竞争对手价格低。大家现在能看到很多电商平台的产品都会保证比竞争对手产品价格低，如果高了会赔偿损失。还有一些产品，它面临的竞争环境不是很激烈，那么它的定价逻辑要考虑供需关系。

这种时候往往是利润空间比较大的。还有其他的定价方式，比如价格歧视，区别于一般的定价对所有顾客都是统一价格，价格歧视需要对不同顾客给出不同价格，从而最大化利润。我们还提出一种定价模式，叫做鲁棒定价。本质上是即使预测精度不尽人意，依然有可能通过模型和理论保证给出的定价策略有效，并且风险可控。综上所述，如果对产品没有比较好的理解，那么根本不可能做到一个合适的定价。对不同的产品，首先要了解不同的产品定位，决定基本的定价逻辑。

其次，定价需要考虑很复杂的因素，简单拿数据分析的时候，容易把一些关键因素漏掉。比如说需要考虑友商的价格和客户的心理价位。今天我一直定价20，但是友商可能从20调到25，如果数据中不包括友商的价格因素不可能做出高精度的预测。

此外还有顾客价格的敏感度，有些顾客对于价格无所谓，小幅度调整的时候，他关心的是你的服务。但是另外有些顾客会比较敏感。 这会产生一个有趣的问题，商家是做周期性做促销，还是一直让价格定在中间保持平稳更好？另外还有季节性的产品。或者替代性产品，比如手机，三星、苹果、华为等等，他们之间有严重的替代效应。最后是互补性产品，顾客买电脑的时候会买键盘、鼠标各种配件。

2015年的“双12”，郑州某商场也打出了促销招牌@视觉中国

定价的时候最大的挑战是促销，不光是你自己做促销，竞争对手也长期做促销，很多产品，你会发现一年90%的时候，你或者你的竞争对手都在做促销。这时候怎么定价，促销会产生各种各样的影响。

比如说从跟价和比价的时候使用对象是什么？高关注度和竞争度比较高的产品，在比价的时候，有一个很严重的问题。计算顾客对价格的量价关系，传统的统计或者经济学模型往往用参数模型，很多人用线型模型。但是在比价的时候，量价关系一般极度脱离线型关系。顾客在心理价格段附近比较敏感，偏离心理价格比较远的时候不太敏感，这里会牵涉到很多问题，比如说怎么捕捉心理价格位，这往往和友商的价格以及类似产品的价格有关。

还有一个就是我调了价格，友商很可能跟着调。这种情况是动态的，我可以选择跟着友商一起调价，也可以避开调价做促销的日子，拿到他不做促销的时候去做。这时所要采用的手段包括网络爬虫及机器学习，预测和捕捉对方的行为。因为牵扯到博弈，需要知道在市场上，我们是一个价格主导者，还是价格跟随者，跟竞争对手处于一个什么关系？具体的决策和市场定位密切相关。

另外，我的当期利益和远期利益的平衡点是什么。比如亚马逊的策略，是在竞争对手中保持绝对低价。这个策略在美国大获成功，使得亚马逊取到垄断地位。但是在中国同样的策略效果很差，亚马逊基本被挤出市场。

在美国，亚马逊的网络销售占据总销量（包括线下销售）的14.3%，远超第二名沃尔玛网络商店（图：statista）

关于供需关系，我们可以看到利用供需关系去做定价的话，通过整体的一个调整，可以让销量、营收和利润都大幅增加，而且幅度相当高，这是鲁棒定价的效果。图中所示是某闪购电商平台的订货策略效果，我们通过两阶段，第一阶段采用鲁棒定货，第二阶段结合人工智能学习的手段，把新数据运用进去，可以对绩效产生大幅度提升。