七步AI策略，做出最佳即時訂價

在競爭激烈且步調快速的環境中，數位或實體零售商如果能利用AI即時大規模調整商品價格，營收與利潤將能獲得大幅成長。問題是，該怎麼即時調整訂價？

對數位零售商來說，能迅速且大規模地修改價格，已變成決定性的差異化因素——尤其是在價格波動更頻繁的通膨時期。

許多零售商在競爭對手的網站上蒐集價格資訊，並利用這些資訊來手動或自動設定自己的價格。他們通常採用的策略是，訂定比最低價的競爭對手低X美元或X％的價格。然而，使用這種簡單的捷思法，會錯失重大的機會，因為零售商無法根據產品的可得性、需求，以及其他因素來量身打造應對的方式。

(##CONCEPT##

問題所在：能否運用Al頻繁更改線上與實體店面的價格，已成為零售業競爭的關鍵。但有些零售商即使已經打造這種電腦模型，他們採用的方法仍然過於有限。

零售商搞錯了什麼：他們試圖匹配競爭對手的價格，或是更低，卻沒有考慮到對手是否缺貨，或其他影響消費者購買決策的因素。

解決方案：打造及執行電腦模型，讓模型來分析歷史銷售額數據，掌握關鍵模式，不僅考慮競爭對手的定價，也考慮產品可得性及顧客行為，以即時推薦最佳價格。

##CONCEPT##)

了解這點後，更多零售商現在是採用機器學習模型來指引訂價決策。這些演算法探勘一波波有關購買、價格、產品特徵的歷史數據，藉此將價格變化與銷售額變化連結在一起。雖然這些技術十分精密，但研究顯示，平均只改善1％的營收或利潤，或是更少。例如，在依賴歷史數據來設定價格的情況下，競爭對手明明沒有某個品項的庫存，零售商可能還是會多此一舉，去匹配對手的低價〔編按：價格匹配（price match），指調降自家價格，合於競爭對手的最低價〕。或者，即使價格以外的因素是影響顧客購買選擇的主因（比如產品的品質或品牌聲譽），零售商可能還是去匹配對手的低價。