In che modo le aziende online possono sfruttare vasti dati storici, potenza di calcolo, e sofisticate tecniche di apprendimento automatico per analizzare e prevedere rapidamente la domanda, e per ottimizzare i prezzi e aumentare le entrate?

Un articolo di rilievo della ricerca nel numero dell'autunno 2017 del MIT Sloan Management Review del professor David Simchi-Levi del MIT descrive nuove intuizioni sulla previsione della domanda e sull'ottimizzazione dei prezzi.

L'algoritmo aumenta le entrate del 10% in sei mesi

Simchi-Levi ha sviluppato un algoritmo di apprendimento automatico, che ha vinto l'INFORMS Revenue Management and Pricing Section Practice Award, e lo ha implementato per la prima volta presso il rivenditore online Rue La La.

L'obiettivo iniziale della ricerca era ridurre l'inventario, ma ciò che l'azienda finì con fu "un'avanguardia, un'applicazione che modella la domanda che ha un enorme impatto sui profitti del rivenditore, "Dice Simchi-Levi.

La grande sfida di Rue La La è stata la determinazione del prezzo di articoli che non erano mai stati venduti prima e che pertanto richiedeva un algoritmo di determinazione dei prezzi in grado di stabilire prezzi più alti per alcuni articoli per la prima volta e prezzi più bassi per altri.

Entro sei mesi dall'implementazione dell'algoritmo, ha aumentato le entrate di Rue La La del 10 percento.

Previsione, imparare, ottimizzare

Il processo di Simchi-Levi prevede tre passaggi per generare migliori previsioni di prezzo:

Il primo passo prevede l'abbinamento di prodotti con caratteristiche simili ai prodotti da ottimizzare. Viene quindi prevista una relazione tra domanda e prezzo con l'aiuto di un algoritmo di apprendimento automatico.

Il secondo passaggio richiede di testare un prezzo rispetto alle vendite effettive, e regolare la curva dei prezzi del prodotto in modo che corrisponda ai risultati della vita reale.

Nella terza e ultima fase, viene applicata una nuova curva per aiutare a ottimizzare i prezzi su molti prodotti e periodi di tempo.

Prevedere la domanda dei consumatori su Groupon

Groupon ha un enorme portafoglio di prodotti e lancia migliaia di nuove offerte ogni giorno, offrendoli solo per un breve periodo di tempo. Poiché Groupon ha un periodo di vendita così breve, prevedere la domanda era un grosso problema e fare previsioni quasi impossibile.

L'applicazione dell'approccio di Simchi-Levi a questo caso d'uso è iniziata generando più funzioni di domanda. Applicando quindi un prezzo di prova e osservando le decisioni dei clienti, sono state raccolte informazioni su quanto è stato venduto, informazioni che potrebbero identificare la funzione di domanda più vicina al livello delle vendite al prezzo di apprendimento. Questa era l'ultima funzione di domanda-prezzo utilizzata, ed è stato utilizzato come base per l'ottimizzazione del prezzo durante il periodo di ottimizzazione.

L'analisi dei risultati dell'esperimento sul campo ha mostrato che questo nuovo approccio ha aumentato le entrate di Groupon di circa il 21%, ma ha avuto un impatto molto maggiore sugli affari a basso volume. Per le offerte con meno prenotazioni al giorno rispetto alla media, l'aumento medio delle entrate è stato del 116 percento, mentre le entrate sono aumentate solo del 14% per le offerte con più prenotazioni al giorno rispetto alla media.

Potenziale per interrompere il settore bancario e assicurativo dei consumatori

La capacità di automatizzare i prezzi consente alle aziende di ottimizzare i prezzi per più prodotti di quelli che attualmente la maggior parte delle organizzazioni ritiene possibile. Questo metodo è stato utilizzato anche per un'applicazione fisica applicando il metodo alla promozione e ai prezzi di un'azienda, nei vari canali di vendita al dettaglio, con risultati simili.

"Sono molto lieto che il nostro algoritmo di determinazione dei prezzi possa ottenere risultati così positivi in ​​un breve lasso di tempo, "Simchi-Levi dice. "Ci aspettiamo che questo metodo sarà presto utilizzato non solo nel retail, ma anche nel settore bancario consumer. Infatti, il mio team al MIT ha sviluppato metodi correlati che sono stati recentemente applicati nel settore delle compagnie aeree e delle assicurazioni".

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.