明尼蘇達大學助理教授，杉數(shù)科技 CTO 王子卓
鈦媒體按：本文整理自王子卓在鈦媒體 AI 大師圓桌會·北京站關于“數(shù)據(jù)驅動的定價策略系統(tǒng)詳解”的演講。王子卓是明尼蘇達大學助理教授，同時也是杉數(shù)科技 CTO。
“AI 大師圓桌系列”是鈦媒體聯(lián)合杉數(shù)科技舉辦的深度 AI 系列論壇，也是鈦媒體大師圓桌會的重要組成部分（點擊報名參加 AI 大師圓桌會）。在大數(shù)據(jù)初創(chuàng)公司杉數(shù)科技的支持下，2017 年系列“AI 大師圓桌會”邀請到了人工智能、運籌學等專業(yè)領域具有極高話語地位的多位國際知名學者和教授來到中國，巡回北京、上海、深圳三地，旨在共同探討 AI 對產(chǎn)業(yè)的顛覆性影響。
眾所周知的是，對于任何企業(yè)而言，無論他們提供的是實物，還是服務，如何給這些商品定價是至關重要的事情。這關乎著企業(yè)能否在激烈的競爭中脫穎而出。
對于標準化生產(chǎn)的商品而言，定價策略制定得好，能夠有效地去庫存，提高銷量；對于非標準商品，比如定制設備，個性化服務而言，合理的定價能讓企業(yè)在獲取最大利益的同時又能促成與買家的交易。
那么怎樣才是一個好的定價策略呢？
王子卓表示，它遵循 4W+H 的原則，同時這些定價策略都是基于大數(shù)據(jù)建立模型而形成的。為了拿到這些數(shù)據(jù)，必須要了解消費者的各種消費習慣，這其中既有理性因素，又有非理性因素。無論是受到那種因素的影響，都能被量化，形成一個消費者選擇的刻畫。
鈦媒體在7月、8月將繼續(xù)舉辦“高維預測和大數(shù)據(jù)處理”、“人工智能：在不確定中博弈”、“AI創(chuàng)業(yè)與硅谷”、“AI社交網(wǎng)絡”共四場與大師面對面的機會。點擊上圖或下面鏈接進入AI大師圓桌會·上海站、深圳站報名地址：
我的研究方向主要是關于收益管理，定價的這個方向，當然里邊也用很多的這個機器學習，人工智能內容。今天我把過去五六年在研究中的一些觀察，給大家稍微分享一下，并且來討論一下，我們現(xiàn)在國內國外，在數(shù)據(jù)管理方面的一些新的趨勢和進展，以及我們杉數(shù)科技希望在這個領域做的一些事情。
什么是一個好的定價策略？定價對企業(yè)來說，是非常重要的環(huán)節(jié)。不管企業(yè)生產(chǎn)什么樣的產(chǎn)品，提供什么樣的服務，最終都需要把它賣出去。當然我有了好的產(chǎn)品，好的服務之后，每個企業(yè)都希望能夠利用這個產(chǎn)品和服務，獲得更大的收益，所以這其中定價是非常重要的環(huán)節(jié)。
什么是好的定價策略呢？可能很多人覺得這很簡單，無非就是每個產(chǎn)品的我給它一個合理價格，但是實際上，定價的策略要包含更多的一些東西。
從比較廣泛的意義來說，一個好的定價策略意味著我們需要在正確的時間，正確的地點，以正確的價格，把正確的服務和商品賣給正確的消費者。這里面包含很多很多需要做決策的地方，當然價格是其中的最的一部分，一個好的定價策略對企業(yè)來說，是非常重要的。
在行業(yè)里面產(chǎn)品和服務方面是非常類似的：哪個企業(yè)能夠利用有限的資源獲得更大的收益，那這個企業(yè)就可能在這個行業(yè)中脫穎而出，獲得成功。在上個世紀，無論是美國航空公司也好，酒店也好，租車公司也好，包括很多零售行業(yè)也好，實際上都是定價策略決定了他們之中哪些公司能獲得生存和更大的發(fā)展。
所以定價策略可謂是很多公司的“生命線”。
在“生命線”獲得成功，就要有好的定價策略，怎么能夠制定出好的定價策略？無非就是以什么樣的價格、時間、地點賣什么樣的服務給消費者。那么我們要做一個好的策略，顯然要了解消費者的構成、偏好，以及他們的行為。不管你在哪個行業(yè)，了解了我們每一個消費者或者消費者群體之后，才能對我們產(chǎn)品和服務的這個偏好和行為之后我們才能做一個好的定價決策。
下一個問題就是我們怎么了解我們消費者的構成、偏好和行為。我們有那么多的消費者，怎樣才能做到了解這些信息？這是我們今天整個演講的主題，也是我們接下來要討論的很重要的問題——我們需要用數(shù)據(jù)驅動的方式，去了解消費者的構成還有偏好的行為。
實際上，過去 10 到 20 年收益管理這個學科有本質上的發(fā)展。如果大家想 10 年以前我們去一個超市買一個東西，超市完全不知道消費者以前購買過哪些商品，這次購買的時候，還關注過什么其他的商品，有哪些是考慮過的。這在以前是無法做到的事情，但是這 10 年隨著互聯(lián)網(wǎng)的發(fā)展信息科技的發(fā)展，顯然大家也體會到這樣的發(fā)展。
那么現(xiàn)在絕大多數(shù)的購買都是在網(wǎng)上產(chǎn)生的。那么在這樣的過程中，賣家就拿到了大量的數(shù)據(jù)，能夠知道每一個消費者他歷史的購買記錄，每一次 ta 觀察了哪些產(chǎn)品，比較了哪些產(chǎn)品，產(chǎn)品的價格是什么，需求是什么，最后做了哪些決定，花了多少的時間，這些給提供了賣家很多的信息。如果我們能做到從這些數(shù)據(jù)中挖掘到這些信息，就有可能制定一個好的定價策略。一個好的定價策略，往往能夠決定一個企業(yè)是否能夠成功。
今天接下來我們會更加詳細的討論在大數(shù)據(jù)時代一些定價的策略，這個實際上也是我們杉數(shù)科技非常希望做的一部分事情。我們杉數(shù)科技希望能夠用大數(shù)據(jù)機器學習方法，解決很多企業(yè)中的問題。我們主要做的事情就希望通過智能決策，基于數(shù)據(jù)幫助企業(yè)制定一套完整的價格方案。
接下來我介紹一下我們所做的事情以及我們的目標場景，我們用到的一些方法，以及我們的一些架構，以及還有一些少量的案例。
談到定價并不是一件非常簡單的一件事情，那么在不同的商業(yè)領域里，通常有很多不同的定價場景，在我們杉數(shù)科技所做的事情里，基本上我們把場景分為 6 大類。
第一類我們叫做標準定價的場景，這可能是最常見的場景。不管是一個大的在線零售電商也好，還是線下的超市也好，他們面臨的都是標準定價的場景。在這個場景中它的特點就是這些商品是所謂的標準品，比如說一瓶洗發(fā)水也好，或者說食物也好，辦公用品也好，這些都是標準的商品，生產(chǎn)出來后，在每個商店都是同樣的商品。通常這種情況都是商品比較大量的進行銷售，那么在這個場景下，我們所需要決定的就是，幫助它們來決定每一個商品。每一個 SKU 到底如何去定價，能夠幫助企業(yè)獲得最大的收益。那么收益又包括利潤，銷量等等。那么我們可以根據(jù)企業(yè)的需求來制定我們的定價策略。這是標準定價場景。
第二個屬于非標準定價場景。在這個場景下，這個商品并不是標準品，它沒有一個廠商定價。在非標的情況下，我們通?？紤]的是消費者。消費者提出需求來組合這個產(chǎn)品，比如說物流運輸?shù)膱鼍埃M者希望在某天把一個貨物從某地運到他地。時間上，地點上，運輸車的型號上，所需要的服務，是否需要搬運和裝箱等等，這些都是不同的需求。你作為平臺也好或者商家也好，你都需要給消費者提供價格，能夠盡可能接受你的價格，而且在接受的時候價格越高越好。這個商品可能是非常獨特的商品，在歷史記錄里沒有出現(xiàn)過這種組合的商品，但是我們需要通過機器學習的方法和人工智能的方法，來學習對消費組合的價格。做出最好的定價。
第三是組合定價的場景，這也是非常廣泛的場景，不管是在線上還是線下都有很多的應用。比如說快餐店，比如說話費套餐，也有很多捆綁銷售行為。那么在這樣的情況下，我們就需要決定哪些產(chǎn)品應該捆綁在一起銷售，是對這個商家最有利的，哪些產(chǎn)品可以通過互補提高整個商家的銷售或利潤。那么這些都是在組合定價的場景下，需要解決的一個問題。
以上都是靜態(tài)的場景：這一個商品我們定一次價格之后，在一段時間內這個價格就不會發(fā)生改變了。在實際當中，我們還有很多需要動態(tài)定價的場景，旅行行業(yè)中，機票的價格，酒店的價格隨著這個時間和動態(tài)的調整，有的時候會學習消費者的偏好行為等等內容。在這個場景下我們就需要有一個動態(tài)的價格策略來幫助企業(yè)去學習消費者的行為，獲得更大的收益。
那么再接下來就是差異化定價場景。收益管理的一個核心就是如何進行差異化的定價，如何對不同消費者群體，不同的渠道進行差異化，從而獲得更大的收益。在這里我們也做了很多工作，來幫助商家在這樣的場景下進行定價。
最后一種我叫做創(chuàng)新產(chǎn)品的定價。隨著互聯(lián)網(wǎng)的發(fā)展，以及新技術的發(fā)展，隨之而來的是很多新的銷售模式。這幾年產(chǎn)生很多很新穎的模式，比如拍賣的方法，模糊產(chǎn)品的方法，甚至讓消費者提供產(chǎn)品的價格。在這方面我們也會根據(jù)企業(yè)的實際情況和需求提出一些適合這個企業(yè)的創(chuàng)新定價模式。如何去選擇模式，如何去制定具體的價格和這個機制呢？這也需要大量的機器學習，或者說優(yōu)化。
那么在最開始的時候我也提到，想做出一個好的定價策略，非常重要的一點，就是要了解你的消費者的構成、偏好和行為。當一個消費者面臨著很多選擇的時候，這些產(chǎn)品各有有不同的特點，不同的價格，不同的質量。了解了消費者如何做出決定之后，賣家就能可以決定我如何設置我的價格還有排列，還有產(chǎn)品線的這些特征。
具體而言，我們希望了解某一件商品的價格發(fā)生變化之后，會對消費者的選擇行為產(chǎn)生什么樣的影響：有多少人從一個商品的選擇轉到另外一個商品的選擇；比如說新增一個新的產(chǎn)品產(chǎn)生之后，或一個產(chǎn)品消失之后，會對消費者選擇發(fā)生什么樣的變化；我也想知道對于不同的消費者群體，產(chǎn)品的這些參數(shù)發(fā)生變化之后，對 ta 的選擇會有什么樣的影響。
這些都屬于一個我們需要學習的事情，那我們會用到很多機器學習的模型，同時這里我們需要用到非常特殊的一些學習的模型。我們學習的是這些消費者的行為，目前有一些現(xiàn)成的理論專門刻畫消費者的模型，在收益管理理論里面比較常用的選擇模型。
當然有很多的模型我們都可以使用，到底實際上我們應該用哪類的模型來刻畫消費者的選擇，這里面涉及到大量的機器學習的問題——用什么方法來判斷正在處在這個場景中的消費者的選擇。
那么這個是有關消費者選擇的一個模型。消費者的選擇模型基于一個假設，消費者會比較不同商品的這個優(yōu)劣，價格等等。
作為消費者在很多時候，我們做的選擇也不見得是非常理性的，很多時候是不理性的，這樣的一些選擇。
那么比如說，消費者可能會受到一些其它東西的干擾——本來模型之外的干擾。常見的一些消費者不理性行為，包括參考價格的行為，可能會受到周邊無關的這個價格的干擾；可能會有所謂的網(wǎng)絡效應，可能會對我購買行為產(chǎn)生影響；可能會有所謂的光環(huán)效應：比如說產(chǎn)品曝光某些好的地方，會有一個正向的影響；還有所謂的誘餌效應：我加一個選項，反而會提高其他產(chǎn)品的這個銷量等等。當然這些行為可能會影響剛才消費者選擇的模型。在實際中我們就必須要考慮這些行為對我們的定價模型的影響。
大家都覺得很難刻畫不理性這樣的行為，但是實際上，雖然說這是不理性行為產(chǎn)生的模型，但是并不代表它沒有任何的規(guī)律。雖然有些消費者的行為，從數(shù)據(jù)中體現(xiàn)出不是理性的行為，但是我們仍然能夠找到其中的規(guī)律，從中建立很好的消費者模型。
前幾年有一本很流行的這個書《Predictably》描述了消費者的不理性行為。雖然這些行為是不理性的，但實際上是可以預測的，我們需要做的就是用機器學習的方法把這些行為挖掘出來。雖然它有可能是不理性的，但是仍然可以用一個模型去把它挖掘出來，刻畫出來。
選擇模型，再加上這里提到行為的模型，把它們進行一個有機的結合，最終我們可以得到一個消費者購買行為的刻畫。對消費者的刻畫，實際上是好的定價策略的根本。如果沒有數(shù)據(jù)，這些東西都是無法建立的。各行各業(yè)也都積累了大量的數(shù)據(jù)，那么我們也就可以通過數(shù)據(jù)把這樣的模型建立起來。
有了這個模型之后，不僅需要刻畫消費者的選擇，我們還要給商家提供完整的一套解決策略還有方案。那么這個模型決策還需要進行優(yōu)化，選取最優(yōu)的定價策略。
那么目標往往根據(jù)企業(yè)的戰(zhàn)略階段，可能會有不同的目標。我們可以根據(jù)企業(yè)在不同階段設定不同的目標。當然在實際中我的定價策略可能還受到很多的限制，比如受到一些其他競爭商家的價格限制，受到多個商品的這個商品之間對價格也會有一些限制。那么在考慮這些之后呢，我們要去決定的，到底應該選擇什么樣的價格。這實際上也是優(yōu)化的問題。
通過一些系統(tǒng)的方法，我們把它寫成一個系統(tǒng)的優(yōu)化問題。這個問題通常有很多的特點，通常是非線性的問題，但有可能是高維問題，有可能是離散的問題，價格是無窮的小數(shù)。從幾個來選擇，也有可能是動態(tài)的問題，并不是很容易解決的問題，那么我們就需要有效的算法，去解決這些問題。那么這也是我們杉數(shù)科技的強項。比如說我們的團隊有非常強的能力，去針對不同的問題，設計高效的一些算法，去解決這些相關的優(yōu)化問題，可以保證能夠在有效時間內獲得非常好的這樣的一個決策。
定價的策略往往不是說定一次價格就一勞永逸，往往隨著周圍環(huán)境的變化，市場的變化，那么消費者的行為也會發(fā)生變化，那么我們也需要根據(jù)這些變化，不斷的更新我們的策略，不斷的進行迭代，價格也需要不斷的進行變化。
因此我們的系統(tǒng)一定會是從收集數(shù)據(jù)，建立決策，再收集消費者的反饋，重新建立一個新的數(shù)據(jù)集，更新我們的決策，一定是這樣的閉環(huán)。通過這樣的閉環(huán)我們可以長期不斷的更新，給商家提供長期最優(yōu)的決策。
接下來給大家提兩個我們現(xiàn)在在做的東西，以及獲得的一些效果在具體場景中的應用。
第一個我們是給大型電商制定定價的策略，基本上屬于我們剛才提到第一點，標準商品的定價。一個大型的電商可能要管理成百上千，甚至七百萬、上千萬這樣的 SKU，會有很強的關聯(lián)性、互補性、替代性，以及有一些季節(jié)的因素，可能有一些產(chǎn)品生命周期的因素。那我們需要去了解這些因素之后，去給這些 SKU 一個綜合的定價。希望能夠提升這個企業(yè)綜合的收益。
這個也是我們跟某大型電商一直在做的一個很大的項目。實際上這個項目就要用到我們所說的，如何刻畫消費者的對這些商品的選擇行為。它可能把幾百萬個放到一起，在品類下消費者如何進行選擇，對促銷是什么樣的反應，只有挖掘這些之后我們了解消費者的行為，然后再去求解一些相關優(yōu)化問題。
基于數(shù)據(jù)定價的方式帶來的效果往往是非?？捎^的。我們在大型電商上做的一些測試，可以看到它能夠給企業(yè)帶來的收益方面的提升是非常的可觀的。之前很多人覺得銷量、利潤、營業(yè)額，這幾個可能是互相矛盾的指標，可能有人說想提升銷量就必須降低利潤，但是實際上并不是這樣。我們在這里進行組合優(yōu)化之后,就可以發(fā)掘每一個 SKU 的一些特性.充分利用每一個 SKU 自身的一些特性，可以達到對這些指標的整體的提升。這個也是我們非常希望做到的一點，也是我們覺得用數(shù)據(jù)驅動的定價非常有潛力的一點。
第二個案例是我們最近做的產(chǎn)品是關于非標定價的產(chǎn)品，這就需要對歷史數(shù)據(jù)進行分析。跟剛才標準品不一樣的是，歷史數(shù)據(jù)中可能從來沒有出現(xiàn)過這個需求。那么我們就需要去進行機器學習以及深度學習，去來發(fā)掘哪些歷史數(shù)據(jù)可以來判斷。過去 IBM 也參與過定價項目。當時也是類似的一個項目，只不過是 B2B 的。有一個大的企業(yè)，在 IBM 定制特別配置的服務器，再加上定制的內存、電源等等，可能是好幾百個部件。然后需要報一個價格，這個組合可能你從來都沒有見過，這里就需要通過機器學習的方法，挖掘用戶在這個組合中的價格，并且通過優(yōu)化的方法，給予最優(yōu)的價格，這里的目標也可以根據(jù)企業(yè)的需要制定個性化的目標。
這個只是展示我們現(xiàn)在產(chǎn)品的界面，這里是一個簡化版本的，大家可以看到，每一個消費者來了之后，都可以提出他的需求。系統(tǒng)會給一個建議的價格。并且我們可以去發(fā)掘過去跟這個訂單中相似的訂單，這樣也可以給這個賣家一些更好的指導。但是機器學習的方法給出的只是最佳的建議價格，這個價格下消費者成交的概率最高，并且獲得的收益是最大的。
我們不僅可以給出建議價格，我們還可以建議大家用這個功能給出酒店和航空公司的合理價格。我們也可以做到給消費者給予合理建議，并且也可以給這些賣家提供很重要的參考。
那么這就是我們關于非標產(chǎn)品定價的一個展示。這里不光是針對物流行業(yè)，可能在旅行行業(yè)，比如 airbnb，它也是非標產(chǎn)品；還有 B2B，還有在金融。追債方面的應用，也不一樣，債權人是什么樣的情況，也都可以用類似的這個方法給予定價。大家可以看到這個定價的應用范圍也是非常廣泛的，而且這樣的系統(tǒng)的確可以很大程度上提高企業(yè)的收益。
所以簡單的總結一下，首先我覺得這幾年大數(shù)據(jù)、互聯(lián)網(wǎng)的發(fā)展，給定價帶來了很重大的改變。
這里面有很多新的機遇，當然對于公司來說也意味著有很多的挑戰(zhàn)，那么我們需要做的就是通過這個數(shù)據(jù)驅動的方法，利用機器學習，人工智能的技術，包括運籌學技術，來幫助新的公司在新的時代更好的迎接挑戰(zhàn)，當然在這里頭，是能夠做出更好的定價決策，提高企業(yè)的收益。（本文首發(fā)鈦媒體，記者/唐植瀟）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
現(xiàn)在的基于人工智能技術的產(chǎn)品和應用越來越多，像靈犀，蘋果的siri，都是基于智能語音識別技術。以后說不定還能幫助我們還價呢。