如何利用机器学习进行定价？

在企业产品、服务定价决策时，你是否经常会遇到这样的困惑：

比如，如果我们想让公司的一些库存商品在不到一个月的时间内成交，我们应该制定怎样的价格？

考虑到整体的需求情况、行业的竞争状况，以及该产品较为抢手的事实情况，该产品的合理价格是多少？

在进行定价的时候，如何克服主观判断的弱点，使得定价更科学？

......

不同的状况下，不同的企业往往有不同的困惑，也会根据战略目标制定不同的定价策略。比如，一家公司可能会寻求最大化每一个单销售或整体市场份额的利润，而另一家公司需要进入一个新的市场或保护现有的市场。此外，对于不同的商品或客户群体，不同的场景可以在同一公司中共存。

对企业来说，在进行定价时，常常会关注不同的指标，进行不同的场景推演。市场定位、生产成本和分销成本等因素对企业做出正确的选择常常起着关键作用。但对企业来说，外部和内部环境都在动态变化之中，不同的场景、不同的时间维度下，各种影响企业定价的参数或者因素也在动态变化之中。企业定价的合理性，常常需要企业经营者的主观判断，依赖企业经营者的个人水准。对企业来说，如何科学合理地对产品、服务进行定价，实现自己的战略目标，并不是一件容易的事情。

在这种情况下，机器学习可以提供很大的帮助。它的力量在于，通过数据收集建立机器学习模型，并不断地集成新的信息，并检测出出现的趋势或新的需求。对企业来说，他们可以从预测模型中得到启发，从而确定每个产品或服务的最佳价格。

厦门大学管理学院陈亚盛教授、安永华明会计师事务所邵屾先生在《基于机器学习的长租公寓租金定价》一文中，就以长租公寓行业为例，创造性地为我们展示了如何利用机器学习构造梯度提升回归树（Gradient Boosting Regression Tree）模型的方法对产品和服务进行定价。

利用机器学习所构造的梯度提升回归树模型，可以将所有输入的因素全部进行测试并且考虑了这些特征的重要性，每一步的计算逐渐逼近真实值，无需运营者花费大量时间筛选对价格产生影响的因素以及考虑其影响大小；另外，梯度提升回归树可以处理文本、数值等多种数据类型，且不需要进行数据缩放，使用方便，同时它能充分学习大量的历史数据，处理速度快，具有很强的泛化能力，训练后的模型能直接运用到日常运营中，不仅帮助管理者调整价格，并且能应用到新项目的定价中，大大提高了工作效率。

以下为原文部分

基于机器学习的长租公寓租金定价

文·安永华明会计师事务所  邵屾   厦门大学管理学院  陈亚盛

......