Người dịch: Hồng Vân
Tin tức
Phương pháp xác định giá sản phẩm tối ưu của David Simchi-Levi
27
Th4
Th4
Phần 1: Tóm tắt phương pháp xác định giá sản phẩm tối ưu
Tác giả: Leslie Sheppard
Nguồn: MIT
Nghiên cứu mới mô tả phương pháp định giá tối ưu để tăng doanh thu, thị phần và lợi nhuận cho các nhà bán lẻ trực tuyến.
Làm thế nào để các doanh nghiệp trực tuyến có thể tận dụng nguồn dữ liệu lịch sử lớn, năng lượng điện toán và kỹ thuật học máy [1]tinh vi để phân tích và dự báo nhanh nhu cầu và tối ưu hóa giá cả và tăng doanh thu?
Một bài nghiên cứu nổi bật trong Fall 2017 có tiêu đề MIT Sloan Management Review viết bởi Giáo sư David Simchi-Levi của MIT trình bày nghiên cứu chuyên sâu về dự báo nhu cầu và tối ưu hóa giá.
Thuật toán tăng doanh thu 10% trong sáu tháng
Simchi-Levi đã phát triển thuật toán học máy (machine-learing) – thuật toán đã giành được giải thưởng Thực hành quản lý doanh thu và định giá của tổ chức INFORMS, và nhà bán lẻ trực tuyến Rue La La là người đầu tiên triển khai thuật toán này.
Theo Simchi-Levi, mục tiêu nghiên cứu ban đầu là giảm hàng tồn kho, nhưng kết quả Công ty thu được là “một ứng dụng vượt trội, định dạng nhu cầu [2]tạo ra sự ảnh hưởng to lớn đến lợi nhuận sau thuế cho các nhà bán lẻ”.
Thách thức lớn của Rue La La là định giá cho các mặt hàng chưa từng được bán ra trước đó và do đó đòi hỏi một thuật toán định giá có thể thiết lập mức giá cao hơn cho những mặt hàng xuất hiện lần đầu và giá thấp hơn cho những mặt hàng khác.
Trong vòng sáu tháng thực hiện thuật toán, doanh thu của Rue La La đã tăng 10%.
Dự đoán, nghiên cứu và tối đa hóa
Quy trình của Simchi-Levi bao gồm ba bước để tạo ra một dự đoán giá tốt hơn:
Bước đầu tiên liên quan đến việc nhóm các sản phẩm có thuộc tính tương tự với sản phẩm được tối ưu hóa. Mối liên hệ giữa nhu cầu và giá sau đó sẽ được dự đoán với sự trợ giúp của thuật toán học máy.
Bước thứ hai đòi hỏi việc thử nghiệm giá với doanh thu thực tế và điều chỉnh đường cong giá sản phẩm để phù hợp với kết quả thực tế.
Trong bước ba và là bước cuối cùng, một đường cong mới được áp dụng để giúp tối ưu hóa giá thông qua nhiều sản phẩm và khoảng thời gian.
Dự đoán nhu cầu tiêu dùng tại Groupon
Groupon sở hữu một danh mục sản phẩm khổng lồ và ra mắt hàng ngàn ý tưởng mới mỗi ngày, cung cấp các sản phẩm chỉ trong một giai đoạn ngắn. Vì Groupon có giai đoạn bán hàng ngắn, dự đoán nhu cầu là một vấn đề lớn và việc dự báo gần như là không thể.
Áp dụng cách tiếp cận của Simchi-Levi trong trường hợp này bắt đầu từ việc tạo ra nhiều hàm cầu[3]. Sau đó áp dụng giá thử nghiệm và quan sát các quyết định của khách hàng, sự thấu hiểu mối quan hệ giữa cầu và giá sẽ có được thông qua việc thu thập thông tin về số lượng sản phẩm đã bán – thông tin này có thể xác định được hàm cầu gần nhất với mức doanh số tại mức giá nghiên cứu. Đây là hàm cầu-giá cuối cùng được sử dụng và hàm này được sử dụng làm cơ sở cho việc tối ưu hóa giá cả trong suốt giai đoạn tối ưu.
Phân tích các kết quả từ thử nghiệm thực tế chỉ ra rằng, cách tiếp cận mới này giúp doanh thu của Groupon tăng khoảng 21% nhưng nó lại tác động lớn hơn rất nhiều đối với những giao dịch có số lượng đặt hàng ít. Đối với giao dịch có số lượng đặt hàng mỗi ngày thấp hơn mức trung bình, mức tăng doanh thu trung bình là 116% trong khi doanh thu chỉ tăng 14% đối với các giao dịch có số lượng đặt hàng mỗi ngày cao hơn mức trung bình.
Tiềm năng thay đổi ngân hàng và bảo hiểm khách hàng cá nhân
Khả năng tự động định giá cho phép công ty tối ưu hóa giá cả cho nhiều sản phẩm hơn các phương pháp khác mà hầu hết các tổ chức áp dụng hiện nay. Phương pháp này cũng được sử dụng cho doanh nghiệp kinh doanh có trụ sở bằng việc áp dụng cho hoạt động xúc tiến và định giá của công ty trong nhiều kênh bán lẻ khác nhau với kết quả tương tự.
Simchi-Levi phát biểu rằng: “Tôi rất vui vì thuật toán định giá của chúng tôi có thể đạt được các kết quả tích cực trong một khoảng thời gian ngắn. Chúng tôi mong rằng phương pháp này sẽ ngay lập tức được sử dụng không chỉ trong ngành bán lẻ mà còn trong dịch vụ ngân hàng cho khách hàng cá nhân. Quả thực, đội ngũ của tôi ở MIT đã phát triển phương pháp liên quan mà mới đây đã được ứng dụng trong ngành hàng không và bảo hiểm.”
(Nguồn nghiên cứu: https://sloanreview.mit.edu/article/the-new-frontier-of-price-optimization/ )
