قیمت گذاری آنلاین Online Pricing

قیمت گذاری آنلاین چیست؟

از گذشته تا اکنون یکی از مسائل مهم در خرید و فروش بین مردم، یک سوال ساده است: به چه قیمتی بفروشیم؟

روش پاسخ به این سوال ساده به مرور زمان بسیار تغییر کرده است. در گذشته قیمت ها به صورت از پیش تعیین شده وجود داشتند و معمولا تغییر خاصی به مرور زمان شامل نمی‌شدند. با رشد بازار و عرضه و تقاضا، طبعا روش پاسخ دادن به این سوال هم تغییر پیدا کرد.

مدل های آنلاین و آنی که اکنون مشاهده می کنیم، حاصل همین تحول است. شما وارد اپلیکشن اسنپ می‌شوید و مبدا و مقصد را وارد می کنید و منتظر می شوید که برای شما تعیین قیمت شود. شاید اگر این گزاره را سال ها پیش مطرح می کردید به قدری عجیب می بود که شما را بسیار ریسک پذیر خطاب می کردند. اما به هر حال امروزه این امر نه تنها قابل اطمینان، بلکه ضروری است.

به روشی از تعیین قیمت و ارزش یک کالا یا خدمات که بستگی به داده های فروش در همان لحظه دارد، روش قیمت گذاری آنلاین می گویند. مکانیزم های بسیار وسیعی برای تعیین قیمت به روش آنی وجود دارد که در ادامه بیشتر به آن می پردازیم.

مشکلات و معضلات قیمت گذاری آفلاین:

زمانی که شما به صورت دستی و دونه دونه سعی در تعیین قیمت های یک کالا یا خدمات دارید، زمان و انرژی بسیار زیادی صرف کاری می کنید که شاید حتی به بهترین نحو انجام نخواهید داد.

فرض کنید قرار است هر روز قیمت تمام سفر های اسنپ، قیمت تمام کالا های دیجی کالا و قیمت تمام بلیت های علی بابا را به صورت دستی تعیین و وارد کنید؛ به نظر کار نشدنی ای می‌آید! حتی شما نمی توان اطمینان دهید که با این روش سود شرکت را بیشینه می کنید. اوضاع زمانی خراب تر می شود که شما قرار است با داده هایی که تازه به دستتان رسیده از بازار، قیمت ها را ویرایش کنید! پس باید به فکر راهی کم هزینه تر و دقیق تر باشیم.

نخستین مکانیزم های قیمت گذاری آنی (آمریکا در دهه 1870 میلادی):

برای اولین بار مردم و بازاریان آمریکا در حدود 150 سال به یک روش کم هزینه تر و بهتر برای تعیین قیمت به صورت لحظه ای فکر کردند. کار های ابتدایی که در این امر انجام شد بدین صورت بود که در صبح قیمت های یک فروشگاه به صورت همگانی اپدیت می شد و در طول روز با آن قیمت ها مشغول به معامله می شدند.

ورود تکنولوژی به قیمت گذاری آنلاین:

اولین استفاده تکنولوژی در فروش بلیت هواپیما در دهه 1980 بود. زمانی که شرکت های هواپیمایی نیاز یک سیستم و مکانیزم قیمت گذاری آنلاین را در روند خود حس کردند. بعد از بارگذاری و استفاده از مکانیزم قیمت گذاری آنی، سود و درآمد آنها و همچنین رضایت و مطلوبیت مشتری ها بسیار بالا رفت.

کاربرد های جدید قیمت گذاری آنلاین:

قیمت گذاری آنی باعث رشد بسیاری از بازار ها در چند دهه اخیر شده است. بستر اینترنت امکان خرید و فروش انواع کالا و خدمات را به راحتی برای همه فراهم کرده است. مکانیزم های تعیین قیمت آنلاین در این فضا نقش اساسی ایفا می کنند. از مهم ترین کاربرد های این مکانیزم می توان به دیجیتال مارکتینگ و سیستم های خرید و فروش تبلیغات در بستر فضای اینترنت اشاره کرد.

یکی دیگر از کاربردهای اصلی: شبکه توزیع نیرو و برق

از کاربردهای اصلی این روش می توان به تعیین قیمت برق و نیرو در شبکه های صرف اشاره کرد. فرض کنید شما یک تولید کننده برق هستید و قرار است به چندین مصرف کننده خانگی توزیع نیرو داشته باشید. شما به عنوان تولید کننده دوست ندارید که در ساعات اوج مصرف به سیستم شما فشار بیش از حد وارد شود. پس کاری می کنید که در این ساعات مصرف کنترل شود و در زمان دیگری انجام شود. از طرفی شما دوست دارید که سود و درآمد خود را بیشینه کنید. پس می توانید برحسب میزان مصرف و لود شبکه، در هر زمان تعیین قیمت کنید. هر چه در ساعات پرمصرف تر استفاده کنید، پول بیشتری باید بدهید! همچنین رضایت مصرف کننده ها برای شما مهم است و دوست ندارید که شبکه شما دچار قطعی برق شود. پس به این منظور یک روش بسیار سودمند برای شما روش تعیین قیمت به صورت آنی است.

چالش های توزیع انرژی برای شبکه قدرت

همان طور که در بالا ذکر کردیم، شما به عنوان توزیع کننده نیرو، تمایل دارید تا بار مصرفی در ساعات اوج را به ساعات کم مصرف تر منتقل کنید. راهی که می توانید مصرف کننده ها را مجاب کنید تا این کار را انجام دهند این است که اختلاف قیمت ایجاد کنید تا مشتری ها ترغیب شوند که در ساعات دیگری مصرف خود را انجام دهند و روی شبکه قدرت لود بیش از حدی وارد نشود.

نکات مثبت قیمت گذاری آنلاین برای تولیدکننده:

• فروش بهتر: در سیستم قیمت گذاری آنی، فروشنده می تواند اطمینان بیشتری به خریدار بدهد و خریدار نیز بداند که سلیقه و خطای انسانی وارد کار نخواهد شد. پس تولید کننده ها می توانند فروش بهتری نیز ثبت کنند.
• سود بیشتر: در این روش تولید کننده با تکیه بر کامپیوتر و محاسبات انجام شده، می تواند به این نتیجه برسد که بهتر از هر حالت دیگه ای در تعیین قیمت، سود خواهد کرد. زیرا در این مکانیزم، یکی از پارامتر هایی که بهینه می شود، سود و فروش است.
• اضافه بار: با استفاده تعیین قیمت به صورت آنلاین، می توان اضافه بار در شبکه را به صورت بهتری کنترل کرد. بدین صورت که شما با تعیین قیمت روندی را پیش می آورید که این بار های اضافه به سمت ساعات کم مصرف تر روانه شوند.
• ساعات پرمصرف: همچنین شما در این نوع قیمت گذاری، به صورتی عمل می کنید که در ساعات پر مصرف هزینه استفاده از برق بیشتر باشد پس برای مصرف کننده ها بصرفد که مصرف خود را در ساعات کم لودتر سیستم انجام دهند.

منافع دو طرفه در قیمت گذاری آنلاین:

• راحت تر بودن: استفاده از این روش هم برای فروشنده هم برای خریدار بسیار ساده تر از قیمت گذاری آفلاین و دستی است.
• به صرفه بودن: منابع مالی و انرژی زیادی که این روش ذخیره می کند می تواند یکی از دلایل مهم استفاده از این مکانیزم باشد.
• سود دو طرف: با طراحی قیمت گذاری آنی، هم سود فروشنده و هم سود خریدار در نظر گرفته می شود و نظرات شخصی کمتر وارد عمل می شوند.
• اقبال عمومی به این روش: با پیشرفته تر شدن دنیای مبادلات و خرید و فروش، قیمت گذاری آنلاین یکی از ارکان اساسی مبادلات شده است که لزوم استفاده از آن بر کسی پوشیده نیست.

حوزه های اثر گذار بر طراحی مکانیزم قیمت گذاری آنی کدامند؟

• کنترل: شاخه کنترل در مهندسی، یکی از مهم ترین حوزه ها برای طراحی مکانیزم قیمت گذاری آنی است. در این حوزه شما با طراحی یک کنترل کننده تلاش می کنید تا به نوعی فیدبک حاصل از مصرف و قیمت را به یک خریدار اعمال کنید تا او را در لحظه آگاه سازید با چه قیمت و هزینه ای برای او به صرفه است تا مبادله انجام دهد.
• گیم تئوری: حوزه اثر گذار دیگر، نظریه بازی است. ریاضیات کمک شایانی به طراحی مدل ها برای عرضه و تقاضا در یک بازار کرده است که می تواند جواب بسیاری از سوالات در این موضوع را بدهد. با بهره گیری از نظریات گیم تئوری، می توان به قیمت های بهینه برای انجام معاملات در هر بازار دست یافت.
• آمار و احتمالات: شاخه اثر گذار بعدی بحث آمار و احتمالات است. با به کارگیری روش های آماری و همچنین با استفاده از روش های خاص در machine learning می توان به طراحی این سیستم ها حول قیمت بهینه بازار برای فروشنده و خریدار پرداخت.

روش کار طراحی کنترلر در قیمت گذاری آنلاین:

در ابتدا برای ساده سازی مسئله پیش روی ما، فرض کنید یک توزیع کننده برق و چندین مصرف کننده خانگی برق در یک شبکه موجود دارید. هدف ما طراحی یک کنترل کننده برای هر کدام از مشتری ها است که کار اصلی این کنترل کننده این است که به مشتری در هر زمان اطلاع دهد که در آن لحظه خاص آیا مصرف انجام شود یا خیر.

روش کار این کنترل کننده بر پایه اثردهی فیدبک گرفته شده از قیمت لحظه پیش تولید کننده است. درست است که شما به عنوان یک مشتری از مصرف دیگر مشتری ها در هر لحظه اطلاعی ندارید اما فیدبک و بالا و پایین رفتن مصرف کل بر روی بهایی که شما می پردازید تاثیرگذار است.

کنترل کننده سعی می کند در هر لحظه با استفاده از فیدبک لحظه قبل با محاسبه تعادل نش برای مصرف کل، به این نتیجه برسد که آیا به صرفه است که میزان مصرف درخواستی مشتری انجام بشود و یا خیر به زمان بعدی موکول شود بهتر خواهد بود. این پرسش و پاسخ هر چند در ظاهر ساده اما در عمل پیچیدگی خاص خود را دارد.

فرض کنید توابع مصرف و قیمت برق در یک شبکه و حلقه مشتری ها به شکل زیر مدلسازی شود:

حال شما به عنوان طراح کنترل کننده سعی دارید با اعمال فیدبک لحظه گذشته سیستم (یعنی قیمت) و حل تعادل نش و به دست آوردن نقطه بهینه، تصمیم بگیرید چه میزان از مصرف درخواستی مشتری در آن لحظه انجام شود تا بهای پرداختی مشتری کمینه شود.

طبق شکل زیر، این طراحی کنترل کننده برای لود و بار مجموع سیستم مفید خواهد بود از این جهت که در ساعات اوج مصرف، مصرف تعدیل خواهد شد و این کار با اعمال فیدبک قیمتی لحاظ خواهد شد.

در یک شبیه سازی ساده که توسط ما انجام شد، با تغییر پارامتر های مسئله می توان دید که نمودار بار مصرفی و بار درخواستی یک مشتری به شکل زیر تغییر می کند:

بهبود طراحی کنترل کننده:

در طراحی این کنترل کننده هر چقدر میزان دفعات اعمال فیدبک (iteration) را بیشتر کنیم، طراحی ما بهتر کار می کند. همچنین هر چقدر بخواهیم هزینه بیشتری کنیم می توانیم پارامتر های واقعی اعمال شده به این سیستم حقیقی را بیشتر تاثیر دهیم و مدل واقعی تری بدست آوریم. همچنین باید در نظر داشت که ما برای یک سیستم با یک تولید کننده شبیه سازی کردیم و در عمل چندین توزیع کننده وجود دارد که خود عامل رقابت می شود و بررسی مسئله نیازمند تاثیردهی پارامتر های بیشتری است.

منابع:

Distributed Energy Consumption Control via Real-Time Pricing Feedback in Smart Grid
Kai Ma, Guoqiang Hu, and Costas J. Spanos