قیمت‌گذاری داده‌محور بر مبنای پیش‌بینی تقاضا با استفاده از روش‌های یادگیری ماشین

در این مقاله مسئله قیمت‌گذاری داده محور محصولات در شرایط عدم قطعیت در پیش بینی تقاضا بررسی می شود و نوعی رویکرد جدید در این مورد معرفی می‌گردد. با توجه به اینکه تعیین قیمت مناسب منجر به افزایش فروش محصولات ، افزایش وفاداری مشتریان و ایجاد مزیت رقابتی برای شرکت خواهد شد، این مسئله از اهمیت بالایی برای شرکت ها برخوردار است. یکی اصلی‌ترین چالش‌ها برای قیمت‌گذاری محصولات وجود عدم قطعیت در تقاضای آن‌ها است. هرچند روش های پیش بینی که در علم آمار و یادگیری ماشین توسعه داده شده است کمک شایانی به پیش بینی تقاضا و قیمت‌گذاری داده محور کرده است، با این حال به دلیل عدم قطعیت در تقاضا همواره این خطر برای شرکت ها وجود دارد که با تخمین نادرست تقاضا، قیمتی را ارایه دهند که با قیمت بهینه فاصله زیادی دارد و منجر به از دست رفتن سود بالقوه شرکت شود. در این پژوهش سعی شده ‌است تا به منظور افزایش اعتبار قیمت‌های ارائه شده بر مبنای پیش‌بینی تقاضا، به جای پیش‌بینی نقطه‌ای از روش‌های پیش‌بینی توزیع استفاده شود. بدین منظور، ابتدا با استفاده از روش جنگل رگرسیون چندکی، توزیع تقاضای محصولات تخمین زده می‌شوند و سپس قیمت‌گذاری براساس توزیع پیش‌بینی شده‌ی تقاضا انجام می‌شود. نتایج عددی نشان می‌دهند که قیمت ارائه شده با این روش، در مقایسه با قیمتی که از طریق تخمین نقطه‌ای تقاضا به دست می‌آید، دارای اعتبار بیشتری بوده و در نتیجه سودآوری بیشتری را در شرایط عدم قطعیت برای شرکت‌ها به همراه خواهد داشت.