يادگيري تقاضا و قيمت گذاري پويا در حضور مشتريان استراتژيك

Demand Learning and Dynamic Pricing with Strategic Consumers

در اين مقاله، به قيمت گذاري بهينه كالاهاي فصلي با موجودي محدود در حضور مشتريان استراتژيك مي پردازيم. نرخ ورود مشتريان در اين مطالعه نامعلوم است. فرض مي كنيم كه فروشنده و مشتريان يك تخمين اوليه مشابه از نرخ ورود براساس عملكردهاي گذشته دارند. جهت قيمت گذاري سه سياست زير را در نظر ميگيريم: قيمت گذاري پوياي شرطي مبتني بر موجودي با يادگيري تقاضا، قيمت گذاري پوياي شرطي مبتني بر موجودي بدون يادگيري تقاضا، قيمت گذاري اعلام شده در ابتداي دوره فروش. از يك مطالعه عددي براي بررسي تأثير مشتريان استراتژيك روي هريك از سياست هاي قيمت گذاري و درآمدهاي مورد انتظار هنگامي كه تقاضا نامعلوم است استفاده نموديم و دريافتيم كه سياست قيمت گذاري شرطي با يادگيري تقاضا در برخي از شرايط عملكرد بهتري دارد.

We study the optimal pricing of a finite quantity of a fashion-like seasonal good in the presence of forward-looking (strategic) customers. Arrival rate of customers is unknown. We assume retailer and customers have same initial belief about the arrival rate on the basis of the information from previous performances. We distinguish between three classes of pricing strategies: Inventory contingent dynamic pricing with demand learning, Inventory contingent dynamic pricing without demand learning and announced pricing in beginning of the sale period. We conducted a numerical study to explore the way by which strategic consumer behavior impacts pricing policies and expected revenue performance when demand is unknown. We find Inventory contingent dynamic pricing with demand learning have the best performance in some situation.