🏷️ Moteur de tarification dynamique — Élasticité de la demande en temps réel

Maximiser isolément le revenu estimé du jour peut écouler le stock beaucoup trop vite (laissant de l'argent sur la table de clients qui auraient payé plus) ou beaucoup trop lentement (terminant la saison avec un stock invendu, bradé à zéro). Le moteur calcule un rythme cible — stock restant divisé par jours restants — et note chaque prix candidat comme le revenu estimé moins λ·(demande estimée à ce prix − rythme cible)², où λ est le curseur de poids de cadencement. Un λ plus élevé tire le prix choisi vers ce qui maintient l'écoulement dans les temps ; un λ plus faible laisse le moteur poursuivre le pur revenu et risquer de terminer avec un surstock ou une rupture de stock.

L'exploitation consiste à pratiquer le prix que le meilleur modèle actuel du moteur juge maximiser le score de revenu ajusté du cadencement — il utilise ce qui a déjà été appris. L'exploration consiste à essayer délibérément un prix différent, voisin, même si le modèle ne le croit pas actuellement optimal, uniquement pour observer comment la demande y réagit et affiner l'estimation d'élasticité. Trop peu d'exploration et le moteur peut rester bloqué près d'un prix localement correct tout en manquant un bien meilleur ailleurs sur la courbe ; trop d'exploration et il gaspille des jours sur de mauvais prix. Le curseur de taux d'exploration contrôle directement la fréquence à laquelle un prix de sondage aléatoire est utilisé à la place de la recommandation du modèle.

La vraie courbe de demande du simulateur peut appeler, disons, 220 unités un jour donné, mais s'il ne reste que 40 unités en stock, seules 40 unités sont réellement vendues et observées. La régression du moteur ne voit jamais que les unités vendues, pas la vraie demande non contrainte, donc à mesure que le stock approche de zéro, la demande observée sous-estime systématiquement la courbe réelle — un biais bien connu dans les données de vente au détail appelé censure de la demande. C'est l'une des raisons pour lesquelles les vrais systèmes de gestion du revenu essaient d'arrêter les remises avant que le stock ne devienne critique, plutôt que de lire des ventes nulles comme une « absence de demande ».

La forme générale — une courbe cachée à élasticité constante, des expériences de prix générant des données de vente bruitées, une régression en ligne récupérant la courbe, et une contrainte de cadencement contre un horizon fixe — reflète la gestion du revenu des compagnies aériennes et des hôtels, l'optimisation des démarques en vente au détail, et les « bandits de tarification contextuelle » utilisés par certaines plateformes de e-commerce. Les vrais systèmes ajoutent bien plus (prix des concurrents, cannibalisation entre articles, segments de clientèle, politiques d'exploration plus riches comme l'échantillonnage de Thompson), mais la boucle centrale sonder → estimer → optimiser → cadencer est la même que celle utilisée ici.