Hoe kunnen online bedrijven gebruikmaken van enorme historische gegevens, rekenkracht, en geavanceerde machine learning-technieken om de vraag snel te analyseren en te voorspellen, en om de prijsstelling te optimaliseren en de omzet te verhogen?

Een artikel met onderzoekshoogtepunten in het najaarsnummer van MIT Sloan Management Review door MIT-professor David Simchi-Levi beschrijft nieuwe inzichten in vraagvoorspelling en prijsoptimalisatie.

Algoritme verhoogt omzet met 10 procent in zes maanden

Simchi-Levi ontwikkelde een machine learning-algoritme, die de INFORMS Revenue Management en Pricing Section Practice Award won, en implementeerde het voor het eerst bij online retailer Rue La La.

Het oorspronkelijke onderzoeksdoel was om de voorraad te verminderen, maar waar het bedrijf mee eindigde was "een hypermoderne, vraagvormende applicatie die een enorme impact heeft op het bedrijfsresultaat van de retailer, ' zegt Simchi-Levi.

De grote uitdaging van Rue La La was het prijzen van items die nog nooit eerder zijn verkocht en daarom was een prijsalgoritme nodig dat hogere prijzen kon instellen voor sommige nieuwe items en lagere prijzen voor andere.

Binnen zes maanden na implementatie van het algoritme, het verhoogde de omzet van Rue La La met 10 procent.

Voorspelling, leren, optimaliseren

Het proces van Simchi-Levi omvat drie stappen voor het genereren van betere prijsvoorspellingen:

De eerste stap is het matchen van producten met vergelijkbare kenmerken aan de te optimaliseren producten. Met behulp van een machine learning-algoritme wordt vervolgens een relatie tussen vraag en prijs voorspeld.

De tweede stap vereist het testen van een prijs tegen de werkelijke verkoop, en het aanpassen van de prijscurve van het product om overeen te komen met real-life resultaten.

In de derde en laatste stap, er wordt een nieuwe curve toegepast om de prijsstelling voor veel producten en tijdsperioden te optimaliseren.

De vraag van consumenten voorspellen bij Groupon

Groupon heeft een enorm productportfolio en lanceert elke dag duizenden nieuwe deals, bieden ze slechts voor een korte periode aan. Aangezien Groupon zo'n korte verkoopperiode heeft, het voorspellen van de vraag was een groot probleem en voorspellen bijna onmogelijk.

Het toepassen van Simchi-Levi's benadering op deze use case begon met het genereren van meerdere vraagfuncties. Door vervolgens een testprijs toe te passen en de beslissingen van klanten te observeren, Er werden inzichten verkregen over hoeveel er werd verkocht - informatie die de vraagfunctie kon identificeren die het dichtst bij het verkoopniveau lag tegen de leerprijs. Dit was de uiteindelijke vraag-prijsfunctie die werd gebruikt, en het werd gebruikt als basis voor het optimaliseren van de prijs tijdens de optimalisatieperiode.

Analyse van de resultaten van het veldexperiment toonde aan dat deze nieuwe aanpak de omzet van Groupon met ongeveer 21 procent verhoogde, maar een veel grotere impact had op deals met een laag volume. Voor deals met minder boekingen per dag dan de mediaan, de gemiddelde omzetstijging was 116 procent, terwijl de omzet met slechts 14 procent toenam voor deals met meer boekingen per dag dan de mediaan.

Potentieel om consumentenbankieren en -verzekeringen te verstoren

De mogelijkheid om prijsstelling te automatiseren stelt bedrijven in staat om de prijsstelling voor meer producten te optimaliseren dan de meeste organisaties momenteel mogelijk vinden. Deze methode is ook gebruikt voor een fysieke toepassing door de methode toe te passen op de promotie en prijsstelling van een bedrijf, in verschillende retailkanalen, met vergelijkbare resultaten.

"Ik ben erg blij dat ons prijsalgoritme in korte tijd zulke positieve resultaten kan behalen, " zegt Simchi-Levi. "We verwachten dat deze methode binnenkort niet alleen in de retail, maar ook in de consumentenbankieren zal worden gebruikt. Inderdaad, mijn team bij MIT heeft gerelateerde methoden ontwikkeld die recentelijk zijn toegepast in de luchtvaart- en verzekeringssector."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.