Personalized pricing strategy under inaccurate prediction performance of reservation price

Abstract

Due to the development of the digital economy, personalized pricing is getting a lot of attention from both companies and academia. Unlike the past, development of data collection environment, advanced data analysis algorithms, and hardware have made it easier to comprehend the preference of individual consumers, giving the opportunity to companies to predict reservation price of customers and set personalized price to them. Companies are interested in personalized pricing to expand their markets and gain more profit. However, it is impossible to accurately predict the reservation price, and it could cause adverse effects if incorrect prices are presented to consumers due to inaccurate reservation price prediction. Within this context, this study establishes an agent-based model to examine the effect of the personalized pricing strategy according to the prediction accuracy of the reservation price. First of all, the utility function of the consumer including the price is constructed by collecting web data including price, consumer purchase decision, and behavior data. Next, the reservation price of the consumer is derived using the constructed utility function. Finally, an agent-based model considering prediction performance under a personalized pricing strategy is constructed and simulated. The agent-based model is adopted since it has the ability to investigate the effects of prediction performance, reflect customer heterogeneity and interactions under personalized pricing situation. This study offers some important insights into product diffusion under the personalized pricing strategy. First, it provides insights on companies to maximize profits by analyzing the effects of inaccurate prediction situation. Second, it contributes to the existing diffusion research by constructing an agent-based model that includes social influence about personalized prices that were not considered under the existing uniform pricing strategy but should be considered under the personalized pricing strategy. Third, it covers the entire process including data preprocessing, utility function derivation, model establishment, and strategic analysis using actual web data.

디지털 환경의 발달로 인해 개인화된 가격 전략 (personalized pricing)이 많은 관심을 받고있다. 과거와는 달리 오늘날에는 데이터 수집 환경, 분석 알고리즘과 하드웨어 발달로 개별 소비자들의 선호를 점점 파악하기 용이해지면서소비자의 유보 가격 (reservation price)을 예측해서 가격을 매기는 개인화된 가격 전략이 실행 가능한 환경이 되었다. 기업들은 이 전략을 이용해서 시장을 넓히고 더 많은 수익을 얻고자 이 주제에 많은 관심을 가지고 있다. 그러나 유보 가격을 정확히 예측하는 것이 불가능하고, 부정확한 유보 가격 예측으로 인해 소비자들에게 잘못된 가격을 제시하게 된다면 결국 역효과를 발생시킬 수 있다. 이에 따라 본 연구에서는 행위자 기반 모형 (agent-based model)을 세워 유보 가격 예측 정확성에 따른 개인화된 가격 전략에 따른 효과를 살펴본다. 먼저, 가격과 소비 자의 구매 여부, 행동 데이터가 포함된 웹 데이터를 수집하여 가격을 포함한 소비자의 효용 함수를 구축한다. 다음으로 구축된 효용 함수를 이용해 소비자의 유보 가격을 도출한다. 그리고 이를 개별 소비자들의 의사결정 과정으로 하는 행위자 기반 모형을 만들어 시뮬레이션을 해본다. 행위자 기반 모형은 예측 정확성에 따른 효과를 조사할 수 있으며 개인화된 가격 전략 아래에서소비자의 이질성과 상호작용을 고려할 수 있기 때문이다. 본 연구는 개인화된 가격 전략 아래에서 제품 확산에 대한 몇가지 중요한 통찰력을 제공한다. 첫째로, 이는 부정확한 유보 가격 예측에 따른 효과를 분석하여 기업들이 수 익을 최대화하기 위한 통찰력을 제공한다. 둘째로, 기존의 단일화된 가격 전략 (uniform pricing)에서는 고려하지 않았지만 개인화된 가격 전력 상황에서는 고려해야하는 개별 소비자 가격에 대한 사회적 영향력을 포함한 행위자 기반 모형을 구축하여 기존의 확산 연구에 기여한다. 셋째로, 이는 실제 웹 상에서 발생되는 데이터를 활용하여 데이터 전처리, 효용 함수 도출, 모델 설립 및 전략 분석까지 전체 프로세스를 보여준다.