在线场景下面向批量折扣的动态定价
机器学习
2022-11-18 v1
摘要
根据主要国际报告，得益于机器学习和高级分析工具，更普及的工业与业务流程自动化到2030年每年将在全球释放超过14万亿美元的价值。在本文所研究的定价问题这一具体类别中，预计每年释放的价值约为0.5万亿美元。特别地，本文关注电子商务中的定价问题，其目标函数为利润最大化且仅有交易数据可用。该设定是现实世界应用中最常见的情形之一。我们的工作旨在寻找一种定价策略，能够在不同批量阈值下定义最优价格，以服务不同类别的用户。此外，我们面对现实场景中常见的重大挑战，即处理可用数据有限的问题。我们设计了一种两阶段在线学习算法，即PVD-B，能够以在线方式增量式地利用数据。该算法首先估计需求曲线并获取最优平均价格，随后提供折扣以区分各批量阈值下的价格。我们与一家意大利电子商务公司合作开展了一项为期4个月的真实世界A/B测试实验，其中我们的算法PVD-B（对应A配置）与人类定价专家（对应B配置）进行了比较。实验结束时，我们的算法产生了约30万欧元的总营业额，比B配置的性能高出约55%。我们合作的意大利公司自2022年1月起已决定对超过1200种产品采用我们的算法。
引用
@article{arxiv.2211.09612,
title = {Dynamic Pricing with Volume Discounts in Online Settings},
author = {Marco Mussi and Gianmarco Genalti and Alessandro Nuara and Francesco Trovò and Marcello Restelli and Nicola Gatti},
journal= {arXiv preprint arXiv:2211.09612},
year = {2022}
}
备注
Accepted to IAAI 2023