Model AI memprediksi harga optimal pada saat ketidakpastian

Menetapkan harga yang tepat untuk barang atau jasa sangat penting untuk hampir semua bisnis. Harga yang terlalu rendah dapat mengurangi keuntungan. Harga yang terlalu tinggi dapat membuat pelanggan takut dan menimbulkan kerugian.

Kecerdasan buatan (AI) model pembelajaran mendalam dapat membantu perusahaan menemukan titik terbaik yang sulit dicapai dengan mengekstrapolasi harga dari data penjualan historis, yang biasanya menunjukkan penurunan penjualan seiring kenaikan harga. Namun prediksi ini menjadi tidak dapat diandalkan ketika keadaan berbeda dengan saat data asli dihasilkan, seperti ketika pandemi COVID-19 mengganggu rantai pasokan manufaktur dan mengubah permintaan konsumen secara drastis.

Dalam sebuah penelitian yang diterbitkan di Kecerdasan buatan untuk perusahaanProfesor Mingyu “Max” Joo dan Hai Che di UC Riverside School of Business dan kolaborator mereka di Baruch College dan Ohio State University telah memecahkan masalah ini dengan mengembangkan model pembelajaran mendalam yang mempertimbangkan data penjualan historis dan teori ekonomi bisnis sebagai permintaan.

Modelnya dirinci dalam sebuah kertas berjudul “Pembelajaran Mendalam yang Diregulasi Teori untuk Estimasi dan Prediksi Kurva Permintaan.”

Teori permintaan ekonomi memperhitungkan faktor-faktor seperti tingkat pendapatan, preferensi konsumen, dan pola konsumsi dalam berbagai keadaan, seperti hari libur atau peristiwa ekstrem seperti pandemi dan bencana alam.

Kombinasi ini memungkinkan AI untuk mengukur aspek-aspek yang tidak dapat diprediksi mengenai bagaimana harga mempengaruhi perilaku konsumen dalam keadaan yang belum pernah terjadi sebelumnya, jelas Joo, seorang profesor pemasaran.

“Dengan bantuan teori ekonomi, kita dapat mengidentifikasi dengan lebih baik fluktuasi permintaan yang didorong oleh faktor eksternal, seperti pandemi atau perayaan Natal, dibandingkan respons harga murni,” kata Joo. “Diferensiasi ini sangat penting untuk membuat prediksi yang lebih andal.”

Misalnya, permintaan wisatawan terhadap kamar hotel paling tinggi selama bulan-bulan puncak musim panas meskipun tarifnya lebih tinggi. Model AI standar mungkin salah memperkirakan bahwa harga yang lebih tinggi hanya dikaitkan dengan permintaan yang lebih tinggi.

Namun, peningkatan permintaan didorong oleh cuaca yang lebih baik atau pembatasan jam kerja, dan kendala keterjangkauan konsumen serta rasa keadilan harga akan terus membatasi seberapa besar mereka bersedia membayar. Faktor-faktor ini sulit untuk dinilai pada saat ketidakpastian, kata Joo.

Model baru ini menjembatani kesenjangan antara model AI standar dan kompleksitas dunia nyata yang dihadapi perusahaan ketika menetapkan harga, khususnya dalam skenario yang belum pernah terjadi sebelumnya seperti guncangan ekonomi dan fluktuasi harga yang ekstrem.

Untuk memvalidasi model mereka, para peneliti menganalisis data ritel sebelum dan sesudah COVID-19 sereal sarapanyang mengalami peningkatan penjualan pada awal pandemi, namun kemudian kembali mengalami pola penurunan penjualan bersejarah. Mereka membandingkan model baru mereka yang menggabungkan teori ekonomi dengan pembelajaran mendalam standar dan model log-linear dan mengevaluasi kemampuannya untuk memprediksi perubahan permintaan karena harga berfluktuasi melampaui rentang historis.

Hasilnya meyakinkan. Meskipun model standar memiliki kinerja yang baik dengan data dalam kisaran yang diketahui, prediksi mereka menyimpang ketika dihadapkan pada tingkat harga pascapandemi.

Namun, model peneliti tetap mempertahankan akurasi yang tinggi, menunjukkan peningkatan substansial dibandingkan metode lain dengan mengurangi kesalahan generalisasi hingga 50% dalam beberapa kasus. Kesalahan ini terjadi ketika model yang dilatih pada kumpulan data tertentu tidak secara sempurna menangkap pola dasar atau hubungan yang ada di berbagai konteks.

“Pandemi ini merupakan ujian stres yang sempurna bagi model kami,” kata Joo. “Pola harga dan permintaan selama COVID-19 berbeda secara signifikan dibandingkan periode sebelumnya. Ini adalah jenis skenario di mana model AI pada umumnya akan kesulitan menghasilkan perkiraan yang akurat.”

Meskipun sebagian besar model AI yang sangat bergantung pada data harga masa lalu gagal ketika keadaan berubah, kemampuan model baru untuk digunakan teori ekonomi Itu memberinya keuntungan, kata Joo.

“Kami menggabungkan yang terbaik dari kedua dunia (teknik kecerdasan buatan yang canggih dan prinsip-prinsip ekonomi yang mapan) untuk menciptakan sistem yang cerdas dan mudah beradaptasi,” kata Joo. “Masa depan AI dalam bisnis bukan hanya tentang mengeksploitasi lebih banyak data; namun juga memanfaatkan pengetahuan manusia dari berbagai domain untuk menciptakan alat yang lebih cerdas dan andal.”