动态定价的一些事情
定价从来都是重要商业决策，随商业数字化程度提升，定价灵活性有了很大发展。对商家来说，动态定价可以增加销售的机会，对消费者来说，动态定价也可以更好满足消费者需求。
动态定价在一般固定价格模式上，对于时间、地域、人群、产品模式上，应用更加细致的策略，以实现最大化收益，同时不降低消费体验。动态定价的核心逻辑还是基于供需关系的调整策略，在成本相对稳定的前提下，动态定价可以有效的平衡需求量与收益。 定价过程依赖数据和算法，以及营销策略的综合实现。
一般来说，价格和需求会成为反比关系，商品在不同价格点会直接影响需求，商家可以通过这个多点价格曲线优化整体销售额和利润。
另外，当库存一定的情况下，需求和价格是比较容易进行博弈的，大家对这种情况的动态价格也比较容易被接受，例如酒店，机票，实时出行服务等。定价的灵活度有的时候可能牺牲短期收益，而助攻其它的一些指标。例如，比较流行的限量商品的秒杀，包括拼团都可以帮助用户的拉新等。
一般来说，价格和需求之间有些博弈关系，一个企业采用比较灵活的动态价格，可以增加竞争力，提升用户体验。
1. 动态定价的场景
（1） 机票价格
机票动态定价起源于1980年的美国航空公司。机票会依据座位类型，出发点和目的地的需求情况、竞争对手的上座率和价格、转机优惠、出发时间的属性等，进行灵活定价。另外，营销策略上要需要考虑建立一套价格体系，培养消费者的习惯，包括一定程度的稳定性，其中包括一些固定价格，确保一些基本账户，确保一些优先账户。
（2）酒店价格
酒店的价格也类似机票价格，这种价格的变化也来自于某个定价系统，这个定价系统会参考各种数据输入。例如，对于酒店，周末，活动日， 纪念日对于需求都是影响很大的。
（3）参考竞争对手
很多标准产品的电商定价都是参考竞争对手定价。举例来说，2011年，有人发现亚马逊有一本教科书，定价贵得惊人，一家书店profnath报价为$1,730,045.91，另外一家书店bordeebook报价为$2,198,177.95。原来，这两家电商网站相互依赖对方价格提高价格而自动实现的定价。
（4）动态推荐商品打包价格
亚马逊根据个人的浏览记录，推荐一些相关数据，并且将相关书籍继续打包优惠的模式，这种模式体现了个体的定价模式，以弹性的定价模式最大化营收。
（5） Uber/滴滴出行服务的定价
出行的需求和供给往往不够平衡，大家对出行服务的急迫性，不尽相同。灵活的定价可以提升溢价空间，满足刚性需求。有些情况下，过分的溢价可能会导致舆论的谴责，特别是涉及到一些公共安全的突发事件时。
(6） 活动促销
无论是双十一和黑色星期五，或是各个平台的秒杀，限购价，朋友推荐价格等，这些价格的定义都有不少是通过算法和数据挖掘定义出来的。
(7) 空闲库存的充分利用
一趟航班的座位数、一个酒店的房间数、一个球场或剧院的座位数都是固定的，一旦飞机起飞、比赛开始、演出拉开帷幕，时间过去了却还有空座或空房，那么这部分收入也就永远失去了，因此他们要尽可能快地售清库存，并尽可能多地从需求中获取利润。
并非适合所有场景
并非所有商品和场景都适合动态定价，频繁变动的价格会消弱一部分客户的消费体验，对于某些类商品，例如顶级奢侈品，这种体验伤害可能造成不可逆的负面影响。因此，动态定价需要充分考虑消费者长期的体验。
2. 动态定价的核心问题
（1) 需求预测
需求预测是一个经典的问题，过去使用调研问卷，市场调研，统计分析等方法进行，最近很多年，机器学习的一些方法也积极利用上了。
有些需求可以其它信息推测出来，例如酒店，可以通过航空上座率信息，会议等信息预估，也包括已有的预定信息，如入住天数，入住房型，预定提前天数，预测取消率，预测延误等。天气变化却引起暴雨，短期拉动打车的需求；流感不定期的发作，拉动相关药品销量。
需求预测的经典方法可以使用时间序列模型，其中ARIMA可以比较好支持序列中隐含随时间变化的非平稳特征，另外BP神经网络也经常用到。以下是一些常用方法的列表。
（2）消费者购买倾向预测
消费者需要细分为不同类型，他们购买行为有不同风格，价格敏感，喜欢组合福利性，购买商品的时间等，收入水平，性别，职业等。这个可以从潜在消费者人群中，找到潜力客户，以及匹配的商品。
这个问题本质上也是一个搜索推荐问题，搜索是输入一个'Query“，返回10个网站链接。消费者倾向预测，即输入一个人的'Profile' ，返回他最感兴趣的Top商品和服务。
（3）度量方法
没有度量，没有改进。最重要的是如何度量一个算法的好坏，不同场景和不同时期也会使用不同的优化目标，例如总收入，总利润，成交单数，客户满意度等。动态定价不太容易做AB测试，因为商品价格需要全部公示，无法执行简单无差异的实验分流。
市场份额：通过动态定价是否增长了市场份额
需求满足率：通过动态定价是否影响需求满足率在合理区间
销售收入，交易量和毛利：常用的度量指标，常常影响动态定价的范围
新客户数量和质量：通过动态定价进行拉新活动
3. 动态定价系统的设计
动态定价系统主要由三个部分组成：需求预测，收益模型，定价服务系统。
需求预测是对未来需求的整体预测，也包括细分维度的预测，有时候模型对于细分维度的预测往往不够精准，需要用整体数据或更加长期的数据进行补充。收益模型考虑更多的是运营收益和成本的考虑，价格稳定性对客户体验是至关重要的，收益模型需要在一个价格区间进行调整和实验。定价系统用于处理真正线上的价格请求，它将模型的能力进行服务化，对接生产系统。
动态定价分析
动态定价一旦实施起来，会产生大量的交易数据，这些数据都是来定价和营销策略的重要基础数据。每次双十一后，都是各个商家复盘的机会。这些数据可以帮助理解
a）消费者对于价格的敏感程度
b) 消费者人群的细分，消费者的行为标签
c) 价格在竞争过程中的策略的优略势
（以上为一个引用动态价格分析的例子）
小结
动态定价会在更多的领域广泛发展，之前的很多决策来自运营数据的人工分析，未来的定价会更加复杂，数据和技术推动的智能会赋予定价更多的灵活性，辅助定价决策，帮助持续提升经营的竞争力！
作者介绍：
欧阳辰，深演智能|品友，CTO，《Druid实时大数据分析》书作者，《构建高质量的软件》译者，超过17年的互联网老兵。曾任小米商业产品部 研发总监，实现从0到1的广告和大数据平台建设；曾任微软研发经理，负责微软移动Contexual Ads广告平台，参与Bing搜索引擎IndexServe的核心模块研发。曾任Oracle中国第一批研发员工，从事Oracle 10g的研发工作。有空也会在个人微信公众号“互联居”中，分享一些互联网技术心得，订阅“互联居”公众号，与作者直接交流。