Pricing Studio
プライシングに対するすべての悩みを解決するWebメディア
2020.12.01(更新日:2023.07.13)

ダイナミックプライシングのアルゴリズム3種類を簡単に解説

ダイナミックプライシングのアルゴリズム3種類を簡単に解説
ダイナミックプライシングのアルゴリズム3種類を簡単に解説
その他・価格業界情報
#ダイナミックプライシング
#価格戦略

ダイナミックプライシングは、変動する需給に合わせた最適な価格で商品/サービスをで販売することを可能にします。それでは、どのように需給に合わせた最適価格を導いているのでしょうか?

この記事では、ダイナミックプライシングのアルゴリズムについて簡潔に解説します。ダイナミックプライシングとは何かについて詳しく知りたい方はこちらをご覧ください。

はじめに

ダイナミックプライシングは、需給に合わせてその時の最適な価格に価格を変更することで収益を最大化します。この「需給に合わせた最適な価格決定」の仕組みは、利用する技術ベースで3つに大別できます。それではその仕組みについて解説していきます。

ダイナミックプライシングのアルゴリズム解説

1.自動化

ダッシュボード
第1のパターンは、既に定まっている価格決定のルールに基づき、人の手で行っている価格変更作業を、自動化する仕組みです。ダイナミックプライシングでは「収益の最大化を目指す際に把握したい需要の変動」をツールを用いて予測し、価格を決定するのが主流ですが(後述)、このパターンはツールを用いた需要の予測を行わない点で特徴的です。

その例として、

  1. 競合価格を監視し、競合価格に応じて価格を自動変更するツール
  2. 在庫数に応じて価格を自動変更するツール

が挙げられます。

1の場合、監視する競合価格から100円安くするなど、競合価格をもとに価格変更するルールを定め、自動で価格を変更します。
2の場合、現在の自社の供給(在庫)状況をもとに、できるだけ高い値段で売り切れるように、予め定めたルールに沿って段階的に商品価格を自動変更します。

これらのツール・手法は、実装に必要な技術の難易度がそこまで高くないため、実装が容易だという利点があるものの、価格決定がルール化されていないと適用できないという難点もあります。

このパターンはホテルや飛行機のチケットなどの業界で古くから利用されてきたアルゴリズムになります。

2.機械学習による予測

需要予測

ダイナミックプライシングの主流と呼べるものが、機械学習をもとに需要予測を行うパターンです。これは、天気や近隣のイベントの有無、曜日などの様々な変数をもとにその時々で需要予測を行い、それをもとにプライシングを行う仕組みとなります。この機械学習に分類されるダイナミックプライシングでは、需要予測をルールベースではなく機械学習といわれる手法で行い、プライシングをします。機械学習とは数理・統計による予測をコンピューターで行うアルゴリズムです。

例えば、EC小売ツールでも、競合価格に反応するだけではなく、過去の売れ行きからこれからの需要を予測する時系列分析という機械学習を利用して、需給に応じた価格決定を実現しています。機械学習を用いたダイナミックプライシングは、スポーツの試合やアーティストのライブのチケットや駐車場など、需要変動が頻繁に起こる業界で効果を発揮しやすい手法だと言えます。

このアルゴリズムが可能になってから、ダイナミックプライシングはホテルや飛行機などの特別な業界のソリューションではなく、一般的な収益最大化のツールとして検討されるようになったといえます。

3.強化学習

強化学習

このパターンは、上記の2つのパターンとは考え方が異なります。この仕組みでは、予測した需要をもとに価格変更を行うのではなく、特定の状態(天気など、需要と価格に関わる変数の特定の値)で、最も収益最大化につながる選択肢を、AIが経験から導き出します。価格を動かしていると、収益や利益への影響が発生します。この時の収益・利益の変動具合を”報酬”としてAIに与えると、より最適な価格を導き出す学習を行います。与えられる報酬を最大化するように、最適な価格の提案ができるように学習するのです。

強化学習は、AIが最適な価格を学習するまでに大量のデータと思考錯誤の期間が必要という特徴があります。また、どういう理屈で価格を変動させたかが不明瞭になってしまい、ブラックボックス化してしまうというリスクも抱えています。

また、この強化学習を利用したダイナミックプライシングを提供している企業はほとんどないのが現状です。理論上は可能なはずですが、データが足りていない精度にかけている顧客離れのリスクからブラックボックス化を避けている、などの理由から、このモデルの社会実装は進んでいないと考えられます。

顧客に不信をもたれるというリスクについてはこちらで詳しく解説しております。

まとめ

ダイナミックプライシングは、技術の発展とともに今回3つに分類したような仕組みが生まれました。現在の主流は、2番目に紹介した需要予測ベースの機械学習となりますが、他の2つの仕組みも活用できれば高い効果を発揮します。

この記事では、これらについて解説してまいりました。

ただし、今回の記事では、仕組みの大枠は説明しましたが、実際に必要となる数式やアルゴリズムの詳細までは言及しておりません。そのため、実際に導入を考えている場合は、アルゴリズムに関して豊富な知識を持つ、ダイナミックプライシングの開発企業へ相談することも選択肢の一つとして考えられます。ダイナミックプライシングを企業で導入しようと思った際に、その実現の仕方までは検討されないかもしれませんが、活用する仕組みを把握して導入することができると、失敗も少なくなるかと思います。

導入をお考えの方はこちらの記事をご覧ください。

SHARE
リンクコピー
Yoshihiro Takahashi

高橋 嘉尋

プライシングスタジオ株式会社

代表取締役CEO

プライシングスタジオ株式会社代表取締役 CEO。2019年、慶應義塾大学総合政策学部在学中に価格1%が企業の営業利益を約20%の改善につながるということを知り、その影響力に魅力を感じ、当社を設立。プライシングスタジオは設立以来、30以上の業界、100以上のサービスの値付けを支援している。著書に「値決めの教科書 勘と経験に頼らないプライシングの新常識」(日経BP)。「日経トップリーダー・ビジネス」にて「値決めの科学」、「ダイヤモンドオンライン」にて「価格戦略のプロが見た「あの値付け」」を連載中。「日経COMEMO」キーオピニオンリーダー。そのほか、テレビ東京「WBS(ワールドビジネスサテライト)」、ABEMA「ABEMA Prime」、NewsPicks「メイクマネー」など多数メディアに出演。2023年Forbesによる「アジアを代表する30才未満の30人」に部門で選出される。

この執筆者のほかの記事

関連記事

その他・価格業界情報
#ダイナミックプライシング
#価格戦略

ダイナミックプライシングは、変動する需給に合わせた最適な価格で商品/サービスをで販売することを可能にします。それでは、どのように需給に合わせた最適価格を導いているのでしょうか?

この記事では、ダイナミックプライシングのアルゴリズムについて簡潔に解説します。ダイナミックプライシングとは何かについて詳しく知りたい方はこちらをご覧ください。

はじめに

ダイナミックプライシングは、需給に合わせてその時の最適な価格に価格を変更することで収益を最大化します。この「需給に合わせた最適な価格決定」の仕組みは、利用する技術ベースで3つに大別できます。それではその仕組みについて解説していきます。

ダイナミックプライシングのアルゴリズム解説

1.自動化

ダッシュボード
第1のパターンは、既に定まっている価格決定のルールに基づき、人の手で行っている価格変更作業を、自動化する仕組みです。ダイナミックプライシングでは「収益の最大化を目指す際に把握したい需要の変動」をツールを用いて予測し、価格を決定するのが主流ですが(後述)、このパターンはツールを用いた需要の予測を行わない点で特徴的です。

その例として、

  1. 競合価格を監視し、競合価格に応じて価格を自動変更するツール
  2. 在庫数に応じて価格を自動変更するツール

が挙げられます。

1の場合、監視する競合価格から100円安くするなど、競合価格をもとに価格変更するルールを定め、自動で価格を変更します。
2の場合、現在の自社の供給(在庫)状況をもとに、できるだけ高い値段で売り切れるように、予め定めたルールに沿って段階的に商品価格を自動変更します。

これらのツール・手法は、実装に必要な技術の難易度がそこまで高くないため、実装が容易だという利点があるものの、価格決定がルール化されていないと適用できないという難点もあります。

このパターンはホテルや飛行機のチケットなどの業界で古くから利用されてきたアルゴリズムになります。

2.機械学習による予測

需要予測

ダイナミックプライシングの主流と呼べるものが、機械学習をもとに需要予測を行うパターンです。これは、天気や近隣のイベントの有無、曜日などの様々な変数をもとにその時々で需要予測を行い、それをもとにプライシングを行う仕組みとなります。この機械学習に分類されるダイナミックプライシングでは、需要予測をルールベースではなく機械学習といわれる手法で行い、プライシングをします。機械学習とは数理・統計による予測をコンピューターで行うアルゴリズムです。

例えば、EC小売ツールでも、競合価格に反応するだけではなく、過去の売れ行きからこれからの需要を予測する時系列分析という機械学習を利用して、需給に応じた価格決定を実現しています。機械学習を用いたダイナミックプライシングは、スポーツの試合やアーティストのライブのチケットや駐車場など、需要変動が頻繁に起こる業界で効果を発揮しやすい手法だと言えます。

このアルゴリズムが可能になってから、ダイナミックプライシングはホテルや飛行機などの特別な業界のソリューションではなく、一般的な収益最大化のツールとして検討されるようになったといえます。

3.強化学習

強化学習

このパターンは、上記の2つのパターンとは考え方が異なります。この仕組みでは、予測した需要をもとに価格変更を行うのではなく、特定の状態(天気など、需要と価格に関わる変数の特定の値)で、最も収益最大化につながる選択肢を、AIが経験から導き出します。価格を動かしていると、収益や利益への影響が発生します。この時の収益・利益の変動具合を”報酬”としてAIに与えると、より最適な価格を導き出す学習を行います。与えられる報酬を最大化するように、最適な価格の提案ができるように学習するのです。

強化学習は、AIが最適な価格を学習するまでに大量のデータと思考錯誤の期間が必要という特徴があります。また、どういう理屈で価格を変動させたかが不明瞭になってしまい、ブラックボックス化してしまうというリスクも抱えています。

また、この強化学習を利用したダイナミックプライシングを提供している企業はほとんどないのが現状です。理論上は可能なはずですが、データが足りていない精度にかけている顧客離れのリスクからブラックボックス化を避けている、などの理由から、このモデルの社会実装は進んでいないと考えられます。

顧客に不信をもたれるというリスクについてはこちらで詳しく解説しております。

まとめ

ダイナミックプライシングは、技術の発展とともに今回3つに分類したような仕組みが生まれました。現在の主流は、2番目に紹介した需要予測ベースの機械学習となりますが、他の2つの仕組みも活用できれば高い効果を発揮します。

この記事では、これらについて解説してまいりました。

ただし、今回の記事では、仕組みの大枠は説明しましたが、実際に必要となる数式やアルゴリズムの詳細までは言及しておりません。そのため、実際に導入を考えている場合は、アルゴリズムに関して豊富な知識を持つ、ダイナミックプライシングの開発企業へ相談することも選択肢の一つとして考えられます。ダイナミックプライシングを企業で導入しようと思った際に、その実現の仕方までは検討されないかもしれませんが、活用する仕組みを把握して導入することができると、失敗も少なくなるかと思います。

導入をお考えの方はこちらの記事をご覧ください。

SHARE
リンクコピー
Yoshihiro Takahashi

高橋 嘉尋

プライシングスタジオ株式会社

代表取締役CEO

プライシングスタジオ株式会社代表取締役 CEO。2019年、慶應義塾大学総合政策学部在学中に価格1%が企業の営業利益を約20%の改善につながるということを知り、その影響力に魅力を感じ、当社を設立。プライシングスタジオは設立以来、30以上の業界、100以上のサービスの値付けを支援している。著書に「値決めの教科書 勘と経験に頼らないプライシングの新常識」(日経BP)。「日経トップリーダー・ビジネス」にて「値決めの科学」、「ダイヤモンドオンライン」にて「価格戦略のプロが見た「あの値付け」」を連載中。「日経COMEMO」キーオピニオンリーダー。そのほか、テレビ東京「WBS(ワールドビジネスサテライト)」、ABEMA「ABEMA Prime」、NewsPicks「メイクマネー」など多数メディアに出演。2023年Forbesによる「アジアを代表する30才未満の30人」に部門で選出される。

この執筆者のほかの記事

関連記事