🏷️ Motore di Pricing Dinamico — Elasticità della Domanda in Tempo Reale

Massimizzare isolatamente il ricavo stimato di oggi può esaurire lo stock troppo in fretta (lasciando sul tavolo denaro di clienti che avrebbero pagato di più) o troppo lentamente (terminando la stagione con scorte invendute, scontate fino a zero). Il motore calcola un ritmo obiettivo — inventario rimanente diviso per i giorni rimanenti — e valuta ogni prezzo candidato come ricavo stimato meno λ·(domanda stimata a quel prezzo − ritmo obiettivo)², dove λ è il cursore del peso di pacing. Un λ più alto spinge il prezzo scelto verso ciò che mantiene la vendita in linea con il programma; un λ più basso lascia che il motore insegua il puro ricavo, rischiando di terminare con scorte in eccesso o un esaurimento.

Lo sfruttamento significa applicare il prezzo che, secondo il miglior modello attuale del motore, massimizza il punteggio di ricavo corretto per il pacing — utilizza ciò che è già stato appreso. L'esplorazione significa provare deliberatamente un prezzo diverso e vicino anche se il modello al momento non lo ritiene ottimale, puramente per osservare come reagisce la domanda e affinare la stima dell'elasticità. Con troppo poca esplorazione il motore può rimanere bloccato vicino a un prezzo localmente decente perdendone uno molto migliore altrove sulla curva; con troppa esplorazione spreca giorni su prezzi scadenti. Il cursore del tasso di esplorazione controlla direttamente quanto spesso viene usato un prezzo di prova casuale al posto della raccomandazione del modello.

La vera curva di domanda del simulatore può richiedere, ad esempio, 220 unità in un dato giorno, ma se restano in stock solo 40 unità, ne vengono effettivamente vendute e osservate solo 40. La regressione del motore vede sempre e solo le unità vendute, non la vera domanda non vincolata, quindi man mano che l'inventario si avvicina a zero la domanda osservata sottostima sistematicamente la curva reale — una distorsione ben nota nei dati retail chiamata censura della domanda. Questo è uno dei motivi per cui i veri sistemi di revenue management cercano di fermare gli sconti prima che l'inventario diventi criticamente basso, invece di leggere vendite pari a zero come "assenza di domanda."

La struttura complessiva — una curva nascosta a elasticità costante, esperimenti di prezzo che generano dati di vendita rumorosi, una regressione online che recupera la curva, e un vincolo di pacing rispetto a un orizzonte fisso — rispecchia il revenue management di compagnie aeree e hotel, l'ottimizzazione dei ribassi nel retail, e i "contextual pricing bandit" usati da alcune piattaforme e-commerce. I sistemi reali aggiungono molto altro (prezzi dei concorrenti, cannibalizzazione tra articoli, segmenti di clientela, politiche di esplorazione più ricche come il campionamento di Thompson), ma il ciclo di base di sondare → stimare → ottimizzare → mantenere il ritmo è lo stesso usato qui.