An Intelligent Fuzzy Inference Approach to Pricing Strategy Classification in Large-Scale Retail Data: A Hybrid Explainable Pricing Strategy Intelligence (HEPSI) Framework Applied to the M5 Retail Dataset
تقدم هذه الورقة إطار عمل ذكاء استراتيجية التسعير الهجين القابل للتفسير (HEPSI)، وهو نظام استدلال ضبابي تم تطبيقه على مجموعة بيانات التجزئة M5 يقوم بتصنيف استراتيجيات التسعير إلى فئات الاختراق، والتميز، والديناميكية بناءً على المحركات الاقتصادية، مما يوفر بديلاً قابلاً للتوسع وقابلاً للتفسير للنماذج الصارمة للتحسين أو النماذج المعقدة غير المفهومة (black-box).
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في النظام البيئي الضخم والنابض بالحياة لتجارة التجزئة الحديثة، لا تكون بطاقة السعر على الرف مجرد رقم؛ بل هي قرار. إنها نتيجة تفاوض مستمر ومعقد بين ما يرغب العميل في دفعه، وما يتقاضاه المنافس، ومدى حاجة المتجر لتحريك منتج ما لضمان استمرارية العمل. لعقود من الزمن، حاولت الشركات حل هذا اللغز باستخدام أداتين مختلفتين تماماً. فمن ناحية، هناك النماذج الرياضية الجامدة التي تعامل التسعير كمعادلة ثابتة، تحسب سعراً مثالياً واحداً نادراً ما يتغير. ومن ناحية أخرى، هناك برامج حاسوبية متطورة تتعلم من البيانات ولكنها تعمل كصناديق سوداء، تقدم توصية دون شرح الأسباب. المشكلة تكمن في أن العالم الحقيقي فوضوي؛ فالطلب يتقلب، والمنافسون يتفاعلون، وعدم اليقين هو الثابت الوحيد. والنظام الذي لا يستطيع شرح منطقه غالباً ما يتم تجاهله من قبل المديرين البشريين الذين يتعين عليهم العمل بموجبه، بينما النظام الذي يكون شديد الجمود لا يمكنه التكيف مع التحولات المفاجئة في سوق مزدحم.
هذا هو التحدي الذي سعى فريق من الباحثين لحله من خلال النظر في مجموعة ضخمة من سجلات المبيعات لتاجر تجزئة أمريكي كبير. لم يحاولوا بناء آلة حاسبة أذكى أو آلة تعلم أكثر تعقيداً، بل لجأوا بدلاً من ذلك إلى طريقة تحاكي طريقة تفكير الخبراء البشر: المنطق الضبابي (Fuzzy Logic). وخلافاً للمنطق الحاسوبي التقليدي، الذي يتطلب أن تكون الحالة إما صحيحة تماماً أو خاطئة تماماً، يسمح المنطق الضبابي بوجود درجات من الرمادي. يمكنه أن يفهم أن الطلب ليس مجرد "مرتفع" أو "منخفض"، بل يمكن أن يكون "مرتفعاً نوعاً ما" أو "منخفضاً جداً". ومن خلال ترجمة الأرقام الصعبة إلى هذه الأوصاف اللغوية، أنشأ الباحثون نظاماً يمكنه تصنيف استراتيجيات التسعير بطريقة سليمة رياضياً وسهلة الفهم بالنسبة للبشر. لقد طبقوا هذا النهج على مجموعة بيانات تحتوي على أكثر من مليون ملاحظة يومية لآلاف المنتجات، بهدف فرزها إلى ثلاث فئات استراتيجية متميزة: استراتيجية لكسب حصة في السوق، واستراتيجية لتعظيم هوامش الربح، واستراتيجية للاستجابة السريعة للتغيير.
بدأ الباحثون بتغذية نظامهم بأربعة معلومات رئيسية عن كل منتج في كل يوم. لقد نظروا في مدى قوة الطلب مقارنة بالماضي، ومدى حساسية العملاء لتغيرات الأسعار، ومدى تقلب أرقام المبيعات، ومدى حدة المنافسة في البيئة الخاصة بهذا المنتج تحديداً. وبدلاً من إجبار هذه الأرقام على الدخول في معادلة جامدة، قاموا بتحويلها إلى مصطلحات وصفية بسيطة. فقد يوصف المنتج بأنه يعاني من "تقلب عالٍ" أو "منافسة منخفضة". ثم تم تغذية هذه الأوصاف في مجموعة من القواعد الشفافة، تشبه إلى حد كبير مخططاً انسيابياً يمكن للمدير رسمه على سبورة بيضاء. فعلى سبيل المثال، إذا كان المنتج يتميز بتقلب عالٍ في المبيعات ومنافسة عالية، فإن القواعد تقضي بضرورة التعامل معه كمرشح للتسعير الديناميكي، حيث تتغير الأسعار بشكل متكرر لمواكبة فوضى السوق. وإذا كان الطلب قوياً ولكن المنافسة منخفضة، فإن النظام سيقترح استراتيجية اختراق لكسب المزيد من العملاء. أما إذا كان المنتج مستقراً ويحتل موقعاً قوياً، فسيتم تصنيفه ضمن استراتيجية متميزة (Premium) لحماية هامش ربحه.
كانت النتيجة تصنيفاً لأكثر من مليون ملاحظة يومية بدا بديهياً بشكل مدهش. فقد قرر النظام أن ما يقرب من نصف جميع المنتجات يجب أن تتبع استراتيجية الاختراق، وأن ما يقرب من النصف الآخر يجب أن تتبع الاستراتيجية المتميزة. هذان النهجان، اللذان يمثلان تسعيراً مستقراً وطويل الأمد، غطيا الجزء الأكبر من مشهد التجزاء. وفقط جزء صغير، حوالي تسعة بالمائة، تم تخصيصه للاستراتيجية الديناميكية. وقد عكس هذا التوزيع واقع المتجر: معظم السلع تُباع في ظروف يمكن التنبؤ بها، بينما يواجه عدد قليل منها فقط البيئة المضطربة وعالية المخاطر التي تتطلب تعديلات مستمرة في الأسعار. وجد الباحثون أن النظام لم يكن مجرد تخمين، بل كان يحدد بدقة أنظمة اقتصادية متميزة. فالمنتجات التي صُنفت للتسعير الديناميكي كانت بالفعل هي تلك التي شهدت أكثر المبيات اضطراباً وأشرس منافسة، بينما كانت المنتجات المصنفة للاختراق هي تلك التي تتمتع بأقوى طلب وأقل منافسة.
ولاختبار ما إذا كان هذا النهج يعمل بالفعل بشكل أفضل من الطرق القديمة، قارن الباحثون نظامهم الضبابي بنموذج تسعير قياسي جامد يطبق نفس قواعد الخصم على كل شيء. وقد ثبت أن النظام المرن والقابل للتفسير كان أكثر كفاءة؛ فقد عرف بالضبط أين يطبق الخصومات العميقة لتحريك حجم المبيعات وأين يحافظ على السعر لحماية الهوامش. ولأنه استطاع التمييز بين المنتج الفوضوي والمنتج المستقر، فقد تجنب خطأ خفض الأسعار على العناصر التي لا تحتاج لذلك، أو تفويت فرص تحريك المخزون على العناصر التي تحتاج إليه. ومع ذلك، لم تكن أهم نتيجة هي التوفير فحسب، بل كانت الوضوح. فكل توصية قدمها النظام يمكن تتبعها وصولاً إلى الظروف المحددة التي أدت إليها. يمكن للمدير أن ينظر إلى منتج ويرى أن النظام أوصى بسعر ديناميكي لأن مبيعاته غير مستقرة ومنافسته عالية. هذا الوضوح حول الحاسوب من عراف غامض إلى مستشار موثوق.
توضح هذه الدراسة أنه في عالم تسعير التجزئة عالي المخاطر، ليست الأداة الأكثر تعقيداً هي الأفضل بالضرورة. فمن خلال الجمع بين دقة تحليل البيانات ومرونة التفكير البشري، أظهر الباحثون أنه من الممكن بناء نظام يتسم بالقوة والوضوح في آن واحد. لقد أثبتوا أنه ليس عليك التضحية بالدقة من أجل الوضوح. لقد نجح النظام في التنقل عبر حالة عدم اليقين في بيئة تجزئة ضخمة، مصنفاً ملايين نقاط البيانات إلى ثلاث استراتيجيات واضحة وقابلة للتنفيذ. وقد أكد أنه بينما تزدهر معظم المنتجات في ظل تسعير مستقر ويمكن التنبؤ به، فإن مجموعة فرعية محددة تتطلب نهجاً مرناً وسريع الاستجابة. والأهم من ذلك، أظهرت الدراسة أنه عندما يمكن للآلة شرح منطقها بلغة بسيطة، فإنها تكسب ثقة الأشخاص الذين يديرون العمل، مما يسد الفجوة بين البيانات الباردة والتقدير البشري الدافئ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.