211service.com
Podcast: Jak se cenové algoritmy učí domlouvat se
paní Tech | Envato
Algoritmy nyní určují, kolik věci stojí. Říká se tomu dynamické oceňování a upravuje se podle aktuálních tržních podmínek za účelem zvýšení zisku. Vzestup elektronického obchodování způsobil, že se cenové algoritmy staly každodenní záležitostí – ať už nakupujete na Amazonu, rezervujete si let, hotel nebo objednáváte Uber. V tomto pokračování naší série o automatizaci a vaší peněžence prozkoumáme, co se stane, když cenu, kterou zaplatíte, určí stroj.
V této epizodě se setkáváme:
- Lisa Wilkins, designérka UX
- Gabe Smith, hlavní evangelista, Pricefx
- Aylin Caliskan, odborný asistent, University of Washington
- Joseph Harrington, profesor obchodu, ekonomie a veřejné politiky, University of Pennsylvania
- Maxime Cohen, profesor Scale AI Chair, McGill University
Kredity:
Tuto epizodu nahlásil Anthony Green a produkovaly ji Jennifer Strong a Emma Cillekens. Editoval nás Mat Honan a naším mixovým inženýrem je Garret Lang se zvukovým designem a hudbou Jacoba Gorskiho.
Celý přepis:
[TR ID]
Jennifer: Dobře, takže jsem na letišti kousek za New York City a dívám se na tabuli s odlety a vidím, že všechny ty lety míří na různá místa... Nutí mě to přemýšlet o tom, jak rozhodujeme, kolik by něco mělo stát... jako letenka na jeden z nich lety. Protože to, kam letadlo letí, je jen část skládačky. Cena letenek je vysoce personalizovaná. Zahrnuje obrovské množství spotřebitelských dat. Ceny se také mění v reálném čase na základě věcí, jako jsou naše rezervační vzorce, ceny konkurence, dokonce i počasí….
Jennifer: Ale nebylo tomu tak vždy. Byly doby... mohli jsme se spolehnout na představu, že to, co vidíte, je to, co dostanete.
V dnešní době o cenách rozhodují algoritmy. Říká se tomu dynamické oceňování, které oceňuje věci podle aktuálních tržních podmínek za účelem zvýšení zisku.
A nejsou to jen letecké společnosti, které tuto techniku používají.
[SOT: Maloobchodníci přijímají „Dynamické ceny“ – přes YouTube]
Reportér televizních zpráv: Praxe, kterou zahájily aerolinky, dynamickou tvorbu cen nyní přijali maloobchodníci díky nějaké nové technologii.
[SOT: Amazon obviněn z nárůstu cen WCPO ABC 9, přes YouTube]
Reportér televizních zpráv: ...a díky počítačovým algoritmům se to stává stále běžnějším. Najdete ho se vstupenkami do Disney Worldu, hotelovými pokoji, sedadly v Major League Baseball...a teď. AMAZONKA.
Jennifer: Elektronický obchod posunul tyto algoritmy do každodenního jevu…
Co to ale znamená pro spotřebitele?
[SOT: KONFERENCE PROTI TRESTOVÉMU TRHU A HOSPODÁŘSKÉ SOUTĚŽI, část 12. den, druhý panel třetí „Amazon Phenomenon“ – přes YouTube]
Lina Khan, ředitelka právní politiky, Open Markets Institute: Amazon mění ceny dva milionykrát denně, víte, jaká je tedy stabilní cena pro kohokoli z nás a jak poznáme, že platíme různé ceny? Myslím, že to bude klíčová otázka do budoucna.
Jennifer: Jsem Jennifer Strong a tato epizoda, co se stane, když stroj určí cenu, kterou zaplatíte.
[ZOBRAZIT ID]
OC:...dosáhli jste svého cíle.
[HUDBA]
[SOT: KIRO7 Seattle – přes web]
Novinky 2: Když se včera večer ozvala střelba, lidé hledali jakoukoli cestu ven. Dnes večer někteří říkají, že bezpečnost připadla tomu, kdo nabídne nejvyšší nabídku.
Jennifer: Bylo to uprostřed večerního dojíždění. Loni v lednu. Když došlo v centru Seattlu ke střelbě.
Kotva zpráv 1 : Společnosti Rideshare jsou dnes večer pod palbou za zvýšení cen, zatímco se lidé snažili utéct před palbou. Někteří jezdci říkají, že byli vydlabaní.
Lisa Wilkinsová: Autobus, kterým bych normálně jel, by jel ulicí, kde došlo ke střelbě. Takže všechny autobusy, které jely tou ulicí, všechny zastavily. Nenechali se přesměrovat nebo tak něco, prostě zastavili.
Jennifer: Lisa Wilkinsová pracuje v technice a její kancelář je necelý blok od místa, kde došlo ke střelbě.
Lisa Wilkinsová: Právě jsem se rozhodl, že si vezmu Uber nebo Lyft a, víte, vezmu si ho domů nebo si ho vezmu zpět do auta, které je v Park and Ride, které bylo asi 27 mil daleko. A pak, když jsem otevřel aplikaci, viděl jsem, že to bylo jako sto dolarů nebo něco, abych se tam dostal, zatímco normálně by to bylo možná 30 dolarů.
Jennifer: Když je poptávka vysoká, cena jízdy s Lyftem nebo Uberem se automaticky prodraží. V nouzových situacích společnosti tyto ceny omezují, jakmile je jasné, co se děje, a v tomto případě nabídly náhradu jezdcům, kteří zaplatili vyšší jízdné.
Ale i když je úkolem Lisy Wilkinsové navrhovat aplikace s ohledem na uživatelskou zkušenost, říká, že chvíli trvalo, než si uvědomila, co se s ní děje – bylo to kvůli cenovému algoritmu.
Lisa Wilkinsová: Nejprve jsem byl opravdu naštvaný, protože si to chcete vzít osobně, jako by to dělali úmyslně. Tohle je střelba a oni toho využívají. A pak, když jsem o tom mluvil s jiným spolupracovníkem. Víš, pořád jsme byli naštvaní, že to bude stát tolik, abychom se někam dostali, ale uvědomili jsme si, že tohle je prudký nárůst cen. Toto je v podstatě robot, který říká, jaké budou ceny. A jako designér UX chápu, že existuje mnoho okrajových případů, které byste možná neplánovali, aby se to stalo ve vašem produktu.
Jennifer: A to může mít nějaké nezamýšlené výsledky.
Gabe Smith: Na Amazonu vyšla kniha o genetice much. To bylo... byly tam dva konkurenční algoritmy, které se na sebe jen dívaly a trochu zvýšily cenu. Ten druhý by navíc trochu zvýšil cenu. A oni prostě chodili tam a zpět bez kontroly po mnoho dní. A skončilo to tak, že cena této knihy byla asi 1,2 milionu dolarů správně.
Gabe Smith: Jmenuji se Gabe Smith a jsem hlavní evangelista pro PriceFX. A mám asi 14 let zkušeností s optimalizací a řízením cen.
Jennifer: Používá AI a další nástroje, které firmám pomáhají rozhodnout, kolik by něco mělo stát. Přemýšlí také o tom, jak se vyhnout těmto odlehlým hodnotám... jako je ta milionová kniha o chybách.
Gabe Smith: V osmdesátých letech se tedy výpočetní výkon a dostupnost dat dostaly do bodu, kdy se tyto techniky mohly začít využívat. A skutečně, nejprve se objevil v leteckém průmyslu a poté následoval v dalších odvětvích cestovního ruchu a volného času, jako jsou půjčovny aut a hotely.
Jennifer: Dynamické stanovování cen může společnostem pomoci vědět, co účtovat za produkty, kterým vyprší platnost nebo jejichž nabídka je omezená. Jako když vzlétne letadlo... nic se nemění, kolik z těch sedadel je obsazených. Aby tedy aerolinky dosáhly co nejvyšších příjmů, musí prodat co největší počet sedadel za nejvyšší možnou cenu. A zjistit, jaká je ta cena? Musí porozumět nuancím chování cestujících a poptávce trhu.
Gabe Smith: Takže to bylo skutečně první použití optimalizace cen a umělé inteligence k prosazení cen na trh. A od té doby víte, že se skutečně rozšířilo použití v mnoha různých odvětvích. Máme například společnost, která dělá dynamické ceny za své lyžařské vstupenky na základě připravovaných akcí, počasí, sněhových podmínek, ale máme i další zákazníky, kteří prodávají elektroniku, chemikálie. Máme průmyslové výrobní společnosti, distribuční společnosti, skutečně tyto techniky získávají přijetí v celé řadě průmyslových odvětví.
Jennifer: Klíčem k tomu, aby to celé fungovalo, je bohatý soubor dat o zákaznících a o tom, co řídí jejich ochotu platit. Čím více dat... Čím více mohou být ceny pro jednotlivce cílené.
Gabe Smith: Jak se chovají. Jaký produkt nabízíte. Věci jako, jaká je povaha transakce nebo cenová nabídka, kterou děláte? To vše lze zahrnout do vašich algoritmů optimalizace cen a ovlivnit to, co budete nabízet. Takže pokud máte taková data, může být ve skutečnosti docela jednoduché implementovat optimalizaci cen. Takže máme zákazníky, u kterých jsme implementovali věci za pouhých pár měsíců.
Jennifer: A říká, že tyto systémy jsou stále lepší ve správě složitosti a vyvažování konkurenčních cílů.
Gabe Smith: Takže se možná chci ujistit, že jsem vždy umístěn určitým způsobem oproti své konkurenci, ne? Nebo možná chci říct: ‚Hele, nikdy nechci nikomu zvyšovat ceny o více než 5 %.‘ Snažím se maximalizovat výnosy, snažím se maximalizovat zisk? Snažím se maximalizovat objemovou propustnost? Mohl jsem mezi nimi balancovat. Takže, co se děje v organizacích, víte, tam jsou často konkurenční cíle. A tak můžete být vodítkem nejen, dobře, jaká je moje katalogová cena, ale jaká je, víte, sjednaná cena nebo propagace na základě zákaznické kombinace produktů.
Jennifer: Tato omezení jsou důležitá, protože nevázané cenové algoritmy mohou jednoduše upřednostňovat vyšší ceny.
Další problém? Zajistit, aby tyto ceny neposílily systémovou zaujatost.
Ale tohle není tak přímočaré.
Gabe Smith: Může to být tak, že jednu z těch věcí nevidíte explicitně, ale mohou být pod povrchem v jiném atributu, který používáte. Pokud tedy používáte PSČ nebo používáte demografické údaje z hlediska úrovní příjmů, víte, že v těchto datech může být systémové zkreslení. Takže opravdu musíte přemýšlet o tom, jak tyto věci vybudujete, a ujistit se, že z etického hlediska děláte správnou věc. A myslím, že součástí přijetí je: Cítím se jako spotřebitel, že v důsledku toho dostávám v některých případech výhodnou nabídku nebo lepší nabídku, nebo je to vždy ku prospěchu poskytovatele?
[HUDEBNÍ PŘECHOD]
Aylin Caliskanová: Víme, že velká technologie používá tyto individualizované cenové algoritmy široce a nemusíme nutně rozumět tomu, co se za těmito systémy nebo algoritmy děje, protože jsou to černé skříňky. Výsledky vidíme pouze individuálně, v podstatě cenu, kterou obdržíme. A ve skutečnosti nemáme metody nebo soubory dat pro systematické studium algoritmů cenové diskriminace.
Aylin Caliskanová: Jsem Aylin Caliskan. V současné době jsem odborným asistentem na University of Washington a můj výzkum se zaměřuje na strojové učení a zkreslení umělé inteligence.
Jennifer: Před několika lety město Chicago nařídilo, aby společnosti jako Uber a Lyft zveřejnily údaje o jízdném. To umožnilo výzkumníkům přístup k milionům anonymizovaných výletů po celém městě. Porovnala ceny s demografií okolí a co zjistila? Překvapil ji.
Aylin Caliskanová: Naše výsledky ukazují, že čtvrti, které mají mladší obyvatele nebo vysoce vzdělané obyvatele, platily výrazně vyšší ceny jízdného. A ve čtvrtích, které mají vyšší nebělošské obyvatele, stejně jako v chudých čtvrtích, také platíme vyšší ceny jízdného, které byly určeny těmito algoritmy cenové diskriminace.
Jennifer: Její tým chce vědět, proč se to děje, ale to je těžké bez podrobností o nabídce a poptávce – které se nezveřejňují.
Výzkumníci jsou schopni získat pouze podmnožinu těchto dat.
Aylin Caliskanová: Platí obyvatelé ve znevýhodněných čtvrtích vyšší spravedlivé ceny kvůli vlastnostem jejich čtvrtí? Nebo má nabídka řidičů vliv na spravedlivé ceny v těchto čtvrtích, kde se poptávka zdá relativně nízká. Pokud je však nabídka ještě nižší, relativní poptávka by vypadala vyšší, což by mohlo zvyšovat ceny jízdného a čím větší transparentnost, tím lepší metody můžeme vyvinout ke studiu různorodého dopadu těchto algoritmů nebo jejich dynamiky, jak se učí ze sousedství. dopravní vzorce a dopravní vzorce.
Jennifer: Což přináší další ožehavý problém? Na tohle fakt nejsou pravidla.
Aylin Caliskanová: Potřebujeme více zásad a předpisů, abychom mohli získat přístup k tomuto datovému souboru a pokračovat ve studiu a porozumět tomu, jak by to mohlo ovlivnit plánování inteligentního města a alokaci zdrojů, protože pokud se takové datové soubory používají například v autech bez řidiče nebo alokaci zdrojů v chytrých městech, tyto předsudky by se mohly v budoucnu přetrvat nebo potenciálně zesílit, což by způsobilo všechny druhy neočekávaných vedlejších účinků, s nimiž se budeme muset v budoucnu vypořádat.
Jennifer: Po přestávce zjišťujeme, jak by mohla vypadat regulace... a dozvídáme se, jak by tyto algoritmy mohly fungovat v obchodě s potravinami.
Nejprve vám však chci říci o akci s názvem CyberSecure. Je to konference o kybernetické bezpečnosti Tech Review a já tam budu se svými kolegy mluvit o ransomwaru a dalších důležitých otázkách. Více se můžete dozvědět na Cyber Secure M-I-T dot com.
Hned se vrátíme… po tomhle.
[MIDROLL]
[HUDBA]
Jennifer: Spotřebitelům mohou pomoci také cenové algoritmy…. personalizací produktů a doporučení… nebo poskytováním informací společnostem, které jim pomohou navrhovat lepší produkty a služby.
Tyto systémy však také představují nové výzvy pro ty, kdo regulují hospodářskou soutěž.
Kongres schválil první antimonopolní zákon před více než stoletím, ale teprve v roce 2015 vláda zahájila řízení ve svém prvním antimonopolním případě konkrétně zaměřeném na elektronický obchod. V tom případě se muž přiznal vinným ze spiknutí za účelem nezákonného stanovení cen plakátů, které prodával na Amazonu s jinými prodejci... pomocí algoritmu určeného ke koordinaci změn cen.
Joseph Harrington: Cenový algoritmus by se poohlížel po nejlepší nebo nejnižší ceně konkurenčních prodejců, tedy konkurentů těchto dvou online prodejců. A pak by tito dva online prodejci stanovili o něco nižší běžnou cenu. Takže tito dva prodejci stále soutěžili s jinými firmami na trhu, ale prostě si nekonkurovali. Takže místo koordinace na společné ceně se koordinovaly na společném cenovém algoritmu a to mělo stejný účinek na omezení konkurence.
Joseph Harrington: Takže já jsem Joe Harrington. Jsem profesorem obchodu, ekonomie a veřejné politiky na Wharton School, University of Pennsylvania. Můj výzkum je v oblasti tajných dohod a kartelů.
Jennifer: Případ týkající se prodejců plakátů na Amazonu je něco, co se velmi blíží tradiční tajné dohodě... kde jinak konkurenční podniky koordinují ceny prostřednictvím přímé komunikace mezi lidmi.
Ale stále roste výzkum, že samotné cenové algoritmy by se mohly naučit vytvořit jakýsi vlastní digitální kartel... a dohodnout se na zvýšení cen bez jakéhokoli lidského přičinění.
Joseph Harrington: Nyní se zamysleme nad tím, že by se manažer rozhodl, že deleguje rozhodování o cenách na samoučící se algoritmus. Tento samoučící se algoritmus bude experimentovat s různými cenovými algoritmy nebo cenovými pravidly v naději, že najde ty, které jsou ziskovější. Skončí tedy se ziskovějšími cenovými pravidly. A důvodem, proč jsou ziskovější, je skutečnost, že samoučící se algoritmy se naučily nekonkurovat si navzájem.
Jennifer: A vědci v Itálii již našli důkazy, že se to děje v simulovaném prostředí.
Joseph Harrington: Zvažovali tedy velmi standardní ekonomický model trhu. Takový, který byl používán mnoha ekonomy, jak pro teoretickou, tak pro empirickou práci. A otázkou bylo, zda se dokážou naučit spolupracovat v poměrně sofistikovaném a složitém simulovaném prostředí. A odpověď je velmi jasná, ano, bylo zjištěno, že existují ceny, které byly jen, jen běžně vysoko nad konkurenčními cenami, někdy docela blízko monopolním cenám.
Jennifer: Říká, že tyto samoučící se algoritmy se chovají způsobem, který odráží lidské kartely.
Joseph Harrington: Algoritmy nastavují vysokou cenu nad konkurenčními cenami, což pak vytváří pobídku, alespoň v krátkodobém horizontu, ke stanovení nižší ceny s cílem získat větší podíl na trhu a vyšší zisky. To, co se samoučící algoritmy naučily o důsledcích odchýlení se od toho stanovením nižší ceny, je to, že druhý samoučící se algoritmus přijal cenový algoritmus, který toto chování trestá. Pokud tedy jeden z nich měl náhle snížit cenu, cenový algoritmus druhého samoučícího se algoritmu byl vycvičen tak, aby reagoval velmi nízkou cenou. Ceny by nějakou dobu zůstaly nízké, ale měly by tendenci se propracovat zpět k vysokým tajně dohodnutým cenám. Takže to, co tu ve skutečnosti máme, jsou tyto samoučící se algoritmy, které se učí, že, dobře, nastavíme vysokou cenu, a důvodem, proč se od toho neodchýlí, je, že se naučili, že dojde k odvetnému trest druhým, samoučící se algoritmus. A to je přesně to, co považujeme za tajnou dohodu.
Jennifer: Je stále otevřenou otázkou, zda by se taková věc mohla stát na skutečném trhu, se vší jeho další složitostí.
Ale koncept automatizované tajné dohody vyvolává nejrůznější právní otázky.
Joseph Harrington: Pokud se vrátíme k příkladu na tržišti Amazon a online prodejcům plakátů, je to ten typ tajné dohody, pro který je právní rámec dobře navržen. Je navržen pro konspiraci, kde konkurenti komunikují. A koordinovat jejich chování. Zákon je definován jako setkání myslí, vědomý závazek ke společnému schématu. Myšlenka, že došlo k této komunikaci, která vedla k určitému vzájemnému porozumění mezi konkurenty, aby již nesoutěžili. To vše chybí u konkurentů, kteří přijali samoučící se algoritmy, pokud tak činili nezávisle. Tyto samoučící se algoritmy nemají porozumění, natož vzájemné porozumění, což je skutečně to, co je v kontextu zákona vyžadováno.
Jennifer: A v tuto chvíli... není nikdo, kdo by monitoroval, zda tyto systémy hrají podle pravidel, která považujeme za spravedlivá.
Joseph Harrington: Myslím, že to, co je skutečně potenciální právní reakcí v budoucnu, by bylo zakázat určité vlastnosti algoritmů pro stanovení cen. Pokud by to bylo zakázáno, existovala by pobídka pro samotné firmy, aby sledovaly své cenové algoritmy a neodhalovaly se nezákonně. Ale v tuto chvíli je opravdu nikdo nesleduje. A rozhodně firmy nemají motivaci, řekl bych, je monitorovat.
Jennifer: Říká, že protikonkurenční cenové algoritmy mohou být také zabudovány do softwaru... který mohou používat společnosti, které si navzájem konkurují... aniž by si to tyto společnosti vůbec uvědomovaly.
Joseph Harrington: A pak je otázka, co se s tím dá dělat? A nyní jsme opět na trochu ponurém právním území, protože spiknutí vyžaduje dva nebo více aktérů, což jsou tradičně dva nebo více konkurentů, kteří se rozhodli již nesoutěžit. Ale nyní si představujeme, že je to jakýsi jeden aktér, což je vývojář třetí strany, který by mohl navrhnout cenový algoritmus, který není příliš konkurenceschopný. A pokud dokáže přesvědčit mnoho firem na trhu, aby jej přijaly, bude pro tyto firmy fungovat dobře, protože to povede k vyšším cenám a menší cenové konkurenci. Ještě jednou, to je špatné, ale není to spiknutí, protože to propaguje opravdu jen jeden herec, vývojář třetí strany.
Jennifer: A tam je příklad toho v reálném světě...ve studii provedené na německých čerpacích stanicích, které začaly přijímat cenový algoritmus.
Joseph Harrington: A důkazem je, že průměrné rozpětí cenových nákladů se v reakci na to zvýšilo, řádově o 12 %. Ale opravdu velmi zarážející bylo, když se podíváte na trhy, kde byly jen dvě stanice, tak si představte geografický trh, kde si tak nějak konkurují dvě stanice. A co studie zjistila, bylo, že pokud jeden z nich přijal cenový algoritmus, nemělo by to na ceny žádný znatelný vliv. Ale pokud by byly přijaty obě, pak došlo k výraznému nárůstu marží cenových nákladů. Řádově kolem 29 %. Takže nyní je to informativní, pokud jde o to, co tyto cenové algoritmy dělají. Pokud vedou pouze k efektivnějšímu dynamickému stanovování cen, pak byste očekávali, že zaznamenáte určitý účinek, i když je přijal pouze jeden provozovatel stanice. Ale to není to, co studie zjistila. Účinek se projeví pouze tehdy, když jsou přijati oba konkurenti. A je to efekt, kterým je nemalý nárůst ceny. Takže si myslím, že to je něco, co se podle mě děje. A je to něco, co je, myslím, o něco konkrétnější a kde je potenciálně více politických možností, jak se s tím vypořádat. Na rozdíl od případu samoučících se algoritmů, což je podle mě potenciální problém, kterému chceme předcházet.
Maxime Cohen: Dříve jsme mohli měnit ceny každý den nebo každý měsíc, ale nyní se ceny mohou měnit každou hodinu nebo v některých aplikacích dokonce každou minutu.
Maxime Cohen: Jmenuji se Maxime Cohen. Jsem profesor Scale AI Chair na McGill University v Montrealu v Kanadě a jsem také spoluředitelem laboratoře Retail Innovation lab.
Jennifer: V posledních letech došlo k explozi dynamických cenových praktik... A personalizované ceny jsou také stále běžnější.
V budoucnu by dynamické cenové systémy mohly být plně autonomní... a aplikovány v ještě větším měřítku.
Což vyvolává otázku: Jak chráníme své soukromí, když jsou naše data používána k určení, kolik za věci platíme?
Maxime Cohen: Algoritmus stanovení ceny na konci dne by tedy měl být založen na neosobních atributech. Můžete například shromažďovat historii nákupů, můžete shromažďovat potenciálně polohu uživatelů, akce, které provedli v minulosti, ale nechcete používat žádný typ osobních atributů, jako jsou jména nebo pohlaví nebo cokoli, co je osobnější.
Jennifer: Další otázka... kde nakreslíme hranici mezi spravedlivou a nespravedlivou cenou?
Maxime Cohen: Člověk si musí položit otázku. Je spravedlivé nabízet různé ceny různým zákazníkům za stejné produkty nebo stejnou službu? A odpověď na tuto otázku ve skutečnosti není jednoduchá. Tato dvě témata soukromí a spravedlnosti jsou velmi choulostivá a podle mého názoru vyžadují pečlivou regulaci.
Jennifer: Regulátoři by se podle něj měli sejít a ujasnit si, jaká data lze shromažďovat, uchovávat a používat k rozhodování o cenách.
Maxime Cohen: Pokud například Uber začne křičet různé ceny podle procenta baterie, kterou máte v telefonu, když si objednáváte jízdu. Bylo by to v pořádku? Nebylo by to v pořádku? Regulátoři by se tedy měli sejít a vytvořit seznam atributů, které je rozumné použít pro rozhodování o cenách, a některé další atributy na černé listině, kde by se pro rozhodování o cenách používat neměly.
Jennifer: A v sázce nejsou jen naše online nákupní košíky. Dynamické cenové algoritmy by mohly brzy najít domov i ve fyzickém maloobchodě... v podobě elektronických štítků na regálech.
Maxime Cohen: Ve skutečnosti můžete změnit cenu konkrétních produktů v konkrétních časech jednoduše úpravou jediného řádku kódu a stisknutím jednoho tlačítka. Změníte jeden řádek kódu. Pak můžete nasadit změnu ceny prakticky s nulovými náklady. Jedinou zbývající otázkou ve fyzickém maloobchodě je, jak budou zákazníci reagovat na prudký nárůst, dynamické cenové praktiky. Když se nad tím zamyslíte, ceny začnou v supermarketech během rušných hodin stoupat. Pokud nastane denní doba, kdy mají v supermarketu hodně lidí, ceny porostou. Podobně začnou ceny stoupat, když máte u konkrétních produktů velmi nízké zásoby. Pokud máte méně akcií, ceny půjdou nahoru, aby se vám líbilo, ujistěte se, že optimalizujete své zisky. Nyní není jasné, zda budou zákazníci spokojeni a bude akceptovat ty typy praktik, které jsou již v online světě zavedené. Z krátkodobého hlediska může být rozhodně ziskový, ale může generovat dlouhodobé ztráty, zejména pokud jde o loajalitu zákazníků. Potřebujeme tedy provést mnoho průzkumů, abychom se pokusili porozumět síle a potenciálním výhodám dynamického stanovení cen pro fyzický maloobchod.
[KREDITY]
Jennifer: Tuto epizodu nahlásil Anthony Green a produkovali jsme ji my dva s Emmou Cillekens. Editoval nás Mat Honan a naším mixovým inženýrem je Garret Lang se zvukovým designem a hudbou Jacoba Gorskiho.
Děkuji za poslech, jsem Jennifer Strong.
[TR ID]