0% Complete
صفحه اصلی
/
نهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
قیمتگذاری دادهمحور بر مبنای پیشبینی تقاضا با استفاده از روشهای یادگیری ماشین
نویسندگان :
فاطمه زهرا خسروشاهی
1
نفیسه صدقی
2
1- دانشگاه صنعتی شریف
2- دانشگاه صنعتی شریف
کلمات کلیدی :
قیمت گذاری داده محور،عدم قطعیت تقاضا،پیش بینی تقاضا
چکیده :
در این مقاله مسئله قیمتگذاری داده محور محصولات در شرایط عدم قطعیت در پیش بینی تقاضا بررسی می شود و نوعی رویکرد جدید در این مورد معرفی میگردد. با توجه به اینکه تعیین قیمت مناسب منجر به افزایش فروش محصولات ، افزایش وفاداری مشتریان و ایجاد مزیت رقابتی برای شرکت خواهد شد، این مسئله از اهمیت بالایی برای شرکت ها برخوردار است. یکی اصلیترین چالشها برای قیمتگذاری محصولات وجود عدم قطعیت در تقاضای آنها است. هرچند روش های پیش بینی که در علم آمار و یادگیری ماشین توسعه داده شده است کمک شایانی به پیش بینی تقاضا و قیمتگذاری داده محور کرده است، با این حال به دلیل عدم قطعیت در تقاضا همواره این خطر برای شرکت ها وجود دارد که با تخمین نادرست تقاضا، قیمتی را ارایه دهند که با قیمت بهینه فاصله زیادی دارد و منجر به از دست رفتن سود بالقوه شرکت شود. در این پژوهش سعی شده است تا به منظور افزایش اعتبار قیمتهای ارائه شده بر مبنای پیشبینی تقاضا، به جای پیشبینی نقطهای از روشهای پیشبینی توزیع استفاده شود. بدین منظور، ابتدا با استفاده از روش جنگل رگرسیون چندکی، توزیع تقاضای محصولات تخمین زده میشوند و سپس قیمتگذاری براساس توزیع پیشبینی شدهی تقاضا انجام میشود. نتایج عددی نشان میدهند که قیمت ارائه شده با این روش، در مقایسه با قیمتی که از طریق تخمین نقطهای تقاضا به دست میآید، دارای اعتبار بیشتری بوده و در نتیجه سودآوری بیشتری را در شرایط عدم قطعیت برای شرکتها به همراه خواهد داشت.
لیست مقالات
لیست مقالات بایگانی شده
رویکرد مهندسی همزمان سه بعدی براساس مدل برنامهریزی ریاضی چندهدفه و روشهای تصمیمگیری چندشاخصه در شرایط عدم قطعیت
محمدسعید منصوری - سیدمیثم موسوی - محمدجواد برزگری
طراحی یک شبکه زنجیره تامین بایودیزل چندسطحی و چنددورهای با در نظر گرفتن سیاست انتشار کربن
میترا کریمی - ناعمه زرین پور
ارائه یک مدل مکانیابی-مسیریابی هاب چند وجهی ناقص با در نظر گرفتن مسائل زیست محیطی
حامد سمساریان - سعید فضایلی
: توسعه و تحلیل سیاستهای تبلیغاتی و تخفیفاتی BOGOF مبتنی بر ترکیب رویکردهای یادگیری ماشین و بهینهسازی برای کاهش ضایعات موادغذایی و سودآوری خردهفروش
حامد آقالر - فرشته پرورش
Enhanced Customer Churn Prediction in the Banking Sector Using Random Forest
Behzad Yaghoobi - Erfan Hassannayebi - Mohammad Hossein Shahmoradi
Optimizing Early Detection of Breast Cancer: A Cluster-Based Classification Approach
Alireza Shabani - Shahrokh Asadi
AOACO : Aquila Optimizer Based on Ant Colony Optimization
Erfan Saghafi - Shahrokh Asadi
Modeling trends and forecasting future incidence of end stage renal disease in the U.S.
Vahab Deimekar Haghighi
Improvement of bagging by increasing probabilistic classifiers’ confidence in prediction: A Case study of SAPCO Parts Supply Company
Shima Malekpour - Shahrokh Asadi
پیش بینی میزان خسارت مدل شوک حدی با رویکرد مدل های سری های زمانی
الهام زکریائی کرمانی - عبدالله آقائی - حمید شهریاری
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.7.0