الگوریتم های قیمت گذاری به طور مداوم فروشگاه های آنلاین دیگر را تماشا می کنند. کاسپار گرین والدز / شاترستوک

آیا تا به حال یک صبحانه را برای یک محصول آنلاین جستجو کرده اید و دوباره آن را در عصر ظاهر می کنید تا قیمت را تغییر دهید؟ در این صورت شما ممکن است به الگوریتم قیمت گذاری خرده فروشی پرداخت شود.

به طور سنتی هنگام تصمیم گیری بر روی قیمت یک محصول، بازاریابان ارزش آن را به خریدار در نظر می گیرند و هزینه های مشابه آن را هزینه می کنند و اگر خریداران بالقوه به تغییرات قیمت حساس باشند، تعیین می شود. اما در بازار تکنولوژیکی امروز، همه چیز تغییر کرده است. الگوریتم های قیمت گذاری اغلب این فعالیت ها را انجام می دهند و قیمت محصولات را در محیط دیجیتال تنظیم می کنند. علاوه بر این، این الگوریتم ها به نحو موثری ممکن است به گونه ای مخدوش شوند که برای مصرف کنندگان بد باشد.

در اصل، خرید آنلاین به عنوان یک مزیت برای مصرف کنندگان مورد تقدیر قرار گرفت، زیرا به آنها اجازه داد که به راحتی قیمت ها را مقایسه کنند. افزایش رقابت این باعث خواهد شد (همراه با تعداد رو به رشد خرده فروشان) نیز قیمت را کاهش می دهد. اما آنچه که به آن معروف است سیستم های قیمت گذاری مديريت درآمد اجازه داده است خرده فروشان آنلاین از داده های بازار برای پیش بینی تقاضا و تعیین قیمت بر اساس حداکثر سود استفاده کنند.

این سیستم ها در صنعت مهمان نوازی و گردشگری به ویژه از آنجا که هتل ها هزینه های ثابت، موجودی فاسد شده (غذای مورد نیاز قبل از خوردن غذا) و تغییرات تقاضا را ثابت کرده است، بسیار محبوب بوده است. در اغلب موارد، سیستم های مدیریت درآمد اجازه می دهد هتل ها به سرعت و با دقت محاسبه نرخ اتاق ایده آل با استفاده از الگوریتم های پیچیده، داده های عملکرد گذشته و داده های بازار فعلی. سپس نرخ اتاق می تواند به راحتی در همه جا تنظیم شود آنها تبلیغ می شوند.

این سیستم های مدیریت درآمد منجر به اصطلاح "قیمت گذاری پویا" این به توانایی های ارائه دهندگان آنلاین اشاره می کند که بلافاصله قیمت کالاها یا خدمات را در پاسخ به کوچکترین تغییر در عرضه و تقاضا تغییر می دهند، چه این یک محصول غیرمعمول در یک انبار کامل یا سوار ابری در طی یک تحول در اواخر شب است. بر این اساس، مصرف کنندگان امروز با این ایده که قیمت آنلاین می تواند و نه تنها در زمان فروش، بلکه چند بار در طی یک روز تغییر می کند، راحت تر می شود.

با این حال، جدید برنامه های قیمت گذاری الگوریتمی به دلیل پیشرفت در هوش مصنوعی، از سیستم های اصلی مدیریت درآمد بسیار پیچیده تر می شوند. انسانها با تجزیه و تحلیل داده های جمع آوری شده و تصمیم گیری نهایی در مورد قیمت ها در سیستم های مدیریت درآمد نقش مهمی ایفا می کنند. اما سیستم های قیمت گذاری الگوریتمی تا حد زیادی به تنهایی کار می کنند.

همانطور که دستیارهای صوتی خانگی مانند آمازون اکو در مورد کاربران خود یاد بگیرند با گذشت زمان و تغییر نحوه عمل آنها، برنامه های قیمت گذاری الگوریتمی را از طریق تجربه بازار یاد می گیرند.

الگوریتمها فعالیت های فروشگاه های آنلاین را برای یادگیری دینامیک بازار در بازار (چگونگی قیمت محصولات، الگوهای مصرف طبیعی، سطوح عرضه و تقاضا) مطالعه می کنند. اما آنها همچنین می توانند به طور غیرقانونی "به" برنامه های دیگر قیمت گذاری صحبت کنند، به طور مداوم به تماشای قیمت قیمت سایر فروشندگان برای یادگیری آنچه که در بازار

این الگوریتم ها لزوما برای نظارت بر الگوریتم های دیگر برنامه نویسی نمی شوند. اما آنها می دانند که بهترین کار برای رسیدن به هدف خود برای به حداکثر رساندن سود است. این نتیجه به یک مخالفت ناخواسته از قیمت گذاری، که در آن قیمت ها در یک مرز بسیار نزدیک از یکدیگر قرار گرفته است. اگر یک شرکت قیمت ها را افزایش دهد، سیستم های رقیب بلافاصله با افزایش خود، با ایجاد یک بازار غیر رقابتی مخالفت خواهند کرد.

نظارت بر قیمت رقبا و واکنش به تغییرات قیمت ها، فعالیت عادی و قانونی برای کسب و کار است. اما سیستم های قیمت گذاری الگوریتمی می توانند چیزهایی را با قیمتی بالاتر از آن که در غیر این صورت در یک قیمت قرار دارند، بکشند بازار رقابتی زیرا همه آنها به همان شیوه عمل می کنند تا سود خود را به حداکثر برسانند.

این ممکن است از دیدگاه شرکت ها خوب باشد، اما مشکل برای مصرف کنندگان است که باید در هر جا که هستند، پرداخت کنند، حتی اگر قیمت ها پایین باشد. بازارهای غیر رقابتی نیز به نوآوری کمتر دست می یابند بهره وری پایین تر و در نهایت رشد اقتصادی کمتر است.

چه می توانیم بکنیم؟

این یک سوال جالب است اگر برنامه نویسان (ناخواسته) موفق به جلوگیری از این توافق نکنند، چه اتفاقی می افتد؟ در اغلب کشورها، تلویحی باطل (که شرکت ها به طور مستقیم با یکدیگر ارتباط برقرار نمی کنند) در حال حاضر به عنوان یک فعالیت غیر قانونی دیده نمی شود.

با این حال، شرکت ها و توسعه دهندگان آنها هنوز هم می توانند مسئول باشند زیرا این الگوریتم ها توسط انسان برنامه ریزی شده و توانایی یادگیری نحوه ارتباط و تبادل اطلاعات با الگوریتم های رقیب را دارند. این کمیسیون اروپا هشدار داده است که استفاده گسترده از الگوریتم های قیمت گذاری در تجارت الکترونیک می تواند به قیمت های مصنوعی بالا در سراسر بازار منجر شود و نرم افزار باید به نحوی ساخته شود که اجازه دهید آن را به مخالفت.

اما تا زمانی که الگوریتم ها برنامه ریزی شده اند تا بیشترین سود را به دست آورند، می توانند یاد بگیرند که چگونه این کار را به طور مستقل انجام دهند، ممکن است برنامه نویسان بتوانند بر این توافق غلبه کنند. حتی با وجود برخی محدودیت ها، الگوریتم ها ممکن است راه هایی برای غلبه بر آنها را در راه یافتن راه های جدید برای رسیدن به هدف خود بیاموزند.

تلاش برای کنترل محیط بازار برای جلوگیری از نظارت آگاهانه قیمت ها یا شفافیت بازار، بدون شک، منجر به سوءاستفاده بیشتر و ایجاد مشکلات جدید خواهد شد. با در نظر داشتن این موضوع، قبل از اینکه مقررات جدیدی را وارد کنیم، باید این نوع یادگیری ماشین و قابلیت های آن را بهتر درک کنیم.

درباره نویسنده

گریم مک لین، مدرس بازاریابی، دانشگاه استراتکلاید

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

کتاب های مرتبط

at InnerSelf Market و آمازون