Самый традиционный вариант — когда продавец назначает цену в зависимости от таких очевидных переменных, как сезон. Допустим, разместить рекламу в СМИ дешевле в июле, чем в сентябре. На российских поездах дороже всего кататься во время летних школьных каникул. Здесь действует простой принцип: «чем выше спрос, тем выше цена». Для такого ценообразования необязательно иметь аналитиков, не то что роботов. Особенно если у компании почти нет конкурентов.
Некоторые интернет-магазины ориентируется исключительно на конкурентов. К примеру, настраивают ценники так, чтобы «быть на 100 рублей дешевле, чем ближайший конкурент на маркетплейсе» или «всегда быть вторым по стоимости в этом городе». Магазины, злоупотребляющие такими настройками, рискуют начать работать в минус или
используют полулегальные схемы. Их основной инструмент — мониторинг цен, и это тоже можно устроить без алгоритмов.
Еще один тип динамического ценообразования — с машинным обучением. Оно имеет смысл, когда у продавца большой ассортимент и полно конкурентов.
Его основная задача — найти оптимальную цену. Или справедливую, если хотите. То есть цену, которую покупатель готов заплатить прямо сейчас, и которая позволяет продавцу работать в плюс, не нарушая закон. Примеров такого ценообразования в российском онлайн-ретейле почти нет. Насколько я знаю, наш пилотный проект, начавшийся весной 2018 года, был первым подобным опытом.
Прежде чем узнать его результаты, посмотрите на простом примере, как в принципе работает «машинное» динамическое ценообразование.