قيمت‌گذاري داده‌محور بر مبناي پيش‌بيني تقاضا با استفاده از روش‌هاي يادگيري ماشين

Data-driven pricing based on demand forecasting using machine learning methods

در اين مقاله مسئله قيمت‌گذاري داده محور محصولات در شرايط عدم قطعيت در پيش بيني تقاضا بررسي مي شود و نوعي رويكرد جديد در اين مورد معرفي مي‌گردد. با توجه به اينكه تعيين قيمت مناسب منجر به افزايش فروش محصولات ، افزايش وفاداري مشتريان و ايجاد مزيت رقابتي براي شركت خواهد شد، اين مسئله از اهميت بالايي براي شركت ها برخوردار است. يكي اصلي‌ترين چالش‌ها براي قيمت‌گذاري محصولات وجود عدم قطعيت در تقاضاي آن‌ها است. هرچند روش هاي پيش بيني كه در علم آمار و يادگيري ماشين توسعه داده شده است كمك شاياني به پيش بيني تقاضا و قيمت‌گذاري داده محور كرده است، با اين حال به دليل عدم قطعيت در تقاضا همواره اين خطر براي شركت ها وجود دارد كه با تخمين نادرست تقاضا، قيمتي را ارايه دهند كه با قيمت بهينه فاصله زيادي دارد و منجر به از دست رفتن سود بالقوه شركت شود. در اين پژوهش سعي شده ‌است تا به منظور افزايش اعتبار قيمت‌هاي ارائه شده بر مبناي پيش‌بيني تقاضا، به جاي پيش‌بيني نقطه‌اي از روش‌هاي پيش‌بيني توزيع استفاده شود. بدين منظور، ابتدا با استفاده از روش جنگل رگرسيون چندكي، توزيع تقاضاي محصولات تخمين زده مي‌شوند و سپس قيمت‌گذاري براساس توزيع پيش‌بيني شده‌ي تقاضا انجام مي‌شود. نتايج عددي نشان مي‌دهند كه قيمت ارائه شده با اين روش، در مقايسه با قيمتي كه از طريق تخمين نقطه‌اي تقاضا به دست مي‌آيد، داراي اعتبار بيشتري بوده و در نتيجه سودآوري بيشتري را در شرايط عدم قطعيت براي شركت‌ها به همراه خواهد داشت.