美國的油價以後可能由AI決定了

美國有許多通過輸油管道、鐵路或水運碼頭與煉油廠相連的運輸終端，建有巨大的儲油罐區，加油站的油一般是卡車從這些終端拉來的。每天早晨，都會有許多油罐車來來往往。正是這些運油車，加滿了油後輸入到各加油站的地下儲油箱内，再賣給消費者。

美國加油站的燃油價格幾乎每天都要進行調整。幾十年來，燃油定價都是門藝術，主要依靠人類的運算和直覺。随着人工智能與機器學習的興起，它們的巨大潛力将使燃油定價更準确有效。目前，測試階段正使用一種新定價工具來測試這一方法。

PriceAdvantage公司燃油定價軟體的測試與反思 線性算法不适用

PriceAdvantage是Skyline Products（成立于1970年，為交通和石油行業設計和制造了40多年的智能标牌解決方案）的一個分公司，它之前的燃油定價軟體使用了線性算法（linear algorithms）預測價格的變化，這将會影響零售商的銷量和利潤。但遺憾的是，這一方法并不完善。

PriceAdvantage的科學資料專員Brendan Doner表示，如果價格降低兩美分，通過該方法得到的預測結果會出現約30%的錯誤，結果并不十分準确。

這款燃油定價軟體采用了一種自上而下的模組化方式。這一方法是基于經濟學建立的，Doner以及他的同僚都認為這應該有效（但事實并非如此）。根據這些假設建立了一個模型，模型中給出的價格就是定下的大緻燃油價格。

他舉了個例子，例如，該模型中零售商為了實作盈利目标，提高汽油價格，使其比以往的定價高出10美分，比市場價格高出6美分。顧客一定會說“這太瘋狂了。或許今天我會獲得更多利潤，但從現在開始三個星期以後，如果所有人都意識到我們的定價高的時候，我們将失去所有的顧客”。

另一方面，舊的模型會建議降低燃油價格以增加銷量，而不管其他地點的營業動态。這一模型是基于經濟學課本知識建立的——如果你降低了燃油價格，今天就會賣出更多燃油，Doner認為這已經老套過時了。

線性運算的另一個問題是：不能将競争對手對價格變化的反應考慮在内。有經驗的零售商通過頻繁的現場調查或定期油價資訊服務（OPIS）獲得價格資料回報，快速了解競争對手的價格變化。是以，他們可以更快地做出反應，使競争對手不能實作期望的銷量或利潤增長。

Doner表示，舊模型從現實生活定價的因果中吸取經驗，并依此調整定價方式方面做的不好。要摒棄“我們認為它應該發揮作用”的想法，要在現實中觀察到底是如何發揮作用的，這更像是一種自下而上的方法。

AI成為“新”燃油定價軟體核心

PriceAdvantage所追求的不是創造一個算法，讓零售商盲目定價或者簡單給出一個建議的燃油價格。而是希望這個經濟模型可以為燃油價格分析師提供資料，幫助他們更好的了解該定價背後的來龍去脈。而人工智能技術成為PriceAdvantage“新”燃油定價軟體的核心。

Doner說道，大多數人認為人工智能是靠神經網絡支援的，這些巨大模型就像個黑匣子，人們并不清楚為什麼它要給出這樣的定價建議，為什麼在這個地點賣的更多或在這一天賣的更少。但是這些模型卻能夠準确的預測出價格變化将會如何影響燃油的銷量及利潤。

PriceAdvantage采用了一種基于機率的模型，能夠向燃油分析師提供價格變動成功的機率。相比之下，舊模型雖可提供建議價格以及以這種價格預計燃油售出的量，但并未提供實作該預測的置信水準（confidence level，置信水準是指特定個體對待特定命題真實性相信的程度，也就是機率是對個人信念合理性的量度）。而新模型告訴零售商，該價格變動下實作銷售目标的可能性為57%。

“新”燃油定價軟體更能滿足零售商的個别需求，它可以根據店鋪人員數量、利潤或店内銷售目标，随時計算每一個店鋪在不同市場下的成功率。新模型也能顯示價格改變的時機對其完成目标可能性的影響。比如，如果店鋪燃油定價比市場定價稍高一點或許更有可能實作銷售目标。

Doner表示，之前的工具（舊的燃油定價軟體）無法實作的一項功能是了解競争者的反應。如果在星期三下午三點更改定價，這個價格可以保持到第二天早上。或者如果在顧客流量很大的早上更改定價，這個時間正是競争對手進行價格調查或者獲得OPIS資訊回報的時間，是以他們會緊跟你的步伐調整價格。

或是周二下午，零售商網站将24小時監視市場并對價格變動作出回應。但在星期一顧客流量高峰期該段時間會縮短為12小時。或者說競争對手對于2美分的降價或許不會有太大的反應，但4美分的降價将會導緻整個市場降價。

AU能源公司用了“新”燃油定價軟體 效果還不錯

過去五年裡，加利福尼亞州弗裡蒙特的AU能源公司（AU Energy LLC）一直是PriceAdvantage的客戶，其在加利福尼亞有119個Loop Neighborhood便利店。“新”燃油定價軟體的應用将給該公司帶來巨大潛能。

Varish Goyal是AU能源公司的總裁，他表示，我們銷售的主要商品之一是燃油，傳統燃油定價的方法是“人為定價”。必須有人進行價格調查，并将結果輸入系統。同時必須有人進入系統，檢視這些價格，決定如何定價。我們正在嘗試使用工具提升客戶體驗，希望在不斷變化的市場環境下，能夠利用AI技術作出更有效更快速的回應，幫助我們的客戶以最優惠的價格獲得最好的體驗。

除了對競争對手的燃油價格變化保持警覺，AU能源公司希望AI工具能夠幫助他們更好地了解競争對手如何對他們公司的定價變化作出反應。

Goyal說道，也許這位經理從未進行過價格調查，可我們需要不斷更新價格調查結果，萬一發生飓風天氣，一天之内燃油市場價格将急劇變化，迫使一天之内進行不止一次的價格調查，才能努力跟上市場變化。這是我們對人工智能技術感興趣的原因，它是否有讓我們更快獲得燃油資訊的辦法？這樣我們可以對市場變化做出更快的反應。

資料對于人工智能模式來說既是機遇也是挑戰。Goyal補充道，AI太新穎了，需要花費大量時間思考，確定了解這些資料呈現的到底是什麼，以及如何才能以最好的方式利用這些資料。

對此，Doner舉了個例子，例如，一個零售點網站連續兩天不會顯示任何批量銷售記錄，因商店經理連續幾天沒有做賬目結算，但第三天會顯示數量龐大的銷售總額。是以，零售點必須建立合理流程，確定資料的可靠性，并及時進行賬目結算，以提高提高工具的效力。他表示，真正需要的是好的、有效的資料，這些資料适用于任何類型的模型。也需要大量準确的曆史記錄。而擷取資料的速度越快，獲得可靠分析的速度就越快，分析也越接近實時分析。我們的目标是将其直接綁定到銷售點系統，歐洲的一些零售點已經實作了這一目标。

在預測燃油銷售量方面，新的AI模型（“新”燃油定價軟體beta版）存在10％的誤差率，而基于線性算法的模型（舊燃油定價軟體）誤差率則是30％。Doner強調，這不是我們的終極目标。我們想要的比這個更精準。

有趣的是，人性可能是AI工具考慮的最令其困惑的因素之一，比如該模型需要建立一個準确價格模型時，對人工智能模型構成挑戰的是單站點零售商，因财務流程不同，這些零售商的做法可能更顯“古怪”。Doner補充說，可能他們這個月開銷很大，定價也參差不齊，對市場也不能快速做出反應。一位PriceAdvantage的客戶提到，他競争對手的燃油定價比平時高出20美分，因為他的女兒正準備結婚。提高定價後他的利潤更高，可以支付他女兒婚禮的費用。

今年夏天，新的AI估價模組化工具完成了beta版測試，其将在2017年NACS展會上亮相釋出，Doner指出，AI驅動模型釋出後可以立即投入使用，但它并不能取代優秀的燃油價格分析師。AI驅動模型是個很好的工具，但有能力的人使用這個工具會有更大收獲。我們不是要取代分析師，隻是努力為他們提供一個更好的分析工具。

原文出處：科技行者

轉載請與作者聯系，同時請務必标明文章原始出處和原文連結及本聲明。