基于大数据的个性化动态定价策略研究

Personalized dynamic pricing is the perfect pricing method. However, due to limited technology and other reasons，personalized dynamic pricing is impossible to implement in reality. Even in academia,there is not exist complete research methods and theoretical system, such as lacking method and theory of factors, model, algorithm, profit and empirical research. With the arriving of the era of big data, personalized dynamic and real-time pricing become possible. Based on big data，this project is intended to study the problem of personalized dynamic or real-time pricing by using big data under the more realistic environment. The content of this project is as follows: (1) dynamic estimation methods of personal willingness to pay based on big data; (2) dynamic real-time pricing optimization algorithms and its market simulation;(3) Application researches on the personalized pricing based on big data. We will further use Statistical Learning, Machine Learning, big data analysis, dynamic behavioral game theory, optimization theory to solve these models. Finally, the project will discuss the implementation of personalized pricing policies, the scope of applications and other issues under the big data environment. Theoretically and empirically, this project is the cross research areas of big data and the logistics, and try to solve the Personalized dynamic pricing problem that the enterprise most concerned about. Therefor, the project has broad application prospects.

个性化动态定价是收益管理的理想情形，然而限于技术方面等原因，以前在现实中很难实现。在学术界对个性化定价的研究中，由于模型、算法到收益以及实证方法的缺失，使之缺少完备的研究方法和理论体系。而大数据时代的到来为个性化动态以及实时定价提供了可能。本项目拟在大数据背景下，应用大数据方法，在更加真实的环境假设下研究个性化实时定价问题。本项目的研究内容分为三个部分：（1）大数据背景下个人支付意愿的动态估计；（2）动态实时价格优化算法及算法效果的市场模拟；（3）大数据个性化定价的行业应用研究。同时，结合统计学习，机器学习，动态行为博弈，最优化理论等方法分析和求解基于大数据定价模型。最后还会讨论大数据个性化定价实施的策略、应用范围等问题。本项目研究内容属于计算机科学与收益管理、供应链管理的交叉研究领域，具有重要理论价值，同时试图解决的是企业最为关心的定价问题，具有广阔的应用前景。

本项目将行为科学、优化理论与大数据分析等方法相结合，构建了一系列考虑需求不确定环境下的动态定价模型，丰富了收益管理的理论研究和应用实践。近3年来，本项目团队展开的主要研究工作包括：（1）收集购买了大量与定价相关的真实交易数据，研究了基于数据分析的消费者需求预测和考虑需求学习的动态定价策略；（2）建立了考虑垄断环境下数据驱动的动态定价模型；（3）提出了考虑多产品和竞争环境下的动态定价模型；（4）进行了其他有关消费者隐私保护和机器学习方面的研究。在该基金的资助下，本项目共发表11篇文章，其中SCI/SSCI检索7篇，基金委认定的重要中文期刊2篇，获得湖南省自然科学二等奖一项。在培养人才方面，项目组招收培养博士5名，硕士生17名。同时，项目组经常资助项目团队出去交流，共参与13次国际国内重大会议，并与国外知名学者进行了深入的交流与密切的合作。其中，项目组中有两名博士生正在澳大利亚进行联合培养。通过对项目课题的研究，整个项目团队提升了学术研究水平，开拓了研究的视野，锻炼和培养了人才，为研究大数据环境下估计消费者支付意愿和市场需求的定价问题提供了参考，为今后开展更加高水平的工作奠定了基础。