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
본 논문은 M5 소매 데이터셋에 적용된 퍼지 추론 시스템인 하이브리드 설명 가능한 가격 전략 지능(HEPSI) 프레임워크를 소개하며, 이는 경제적 동인을 바탕으로 가격 전략을 침투, 프리미엄, 동적 카테고리로 분류함으로써 경직된 최적화 또는 블랙박스 모델에 대한 확장 가능하고 해석 가능한 대안을 제공한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
현대 소매업의 거대하고 활기찬 생태계에서, 선반 위의 가격표는 결코 단순한 숫자가 아닙니다. 그것은 하나의 결정입니다. 그것은 고객이 지불할 용의가 있는 금액, 경쟁사가 청구하는 금액, 그리고 매장이 운영을 지속하기 위해 제품을 얼마나 팔아야 하는지 사이의 끊임면적이고 복잡한 협상의 결과입니다. 수십 년 동안 기업들은 두 가지 매우 다른 도구로 이 퍼즐을 풀려고 시도해 왔습니다. 한쪽에는 가격 책정을 고정된 방정식처럼 취급하여 거의 변하지 않는 단 하나의 완벽한 가격을 계산하는 경직된 수학적 모델이 있습니다. 다른 한쪽에는 데이터로부터 학습하지만 왜 그런 결정을 내렸는지 설명하지 않은 채 권고안만을 제시하는 블랙박스처럼 작동하는 정교한 컴퓨터 프로그램이 있습니다. 문제는 현실 세계가 무질서하다는 점입니다. 수요는 요동치고, 경쟁자는 반응하며, 불확실성이 유일한 상수입니다. 자신의 논리를 설명할 수 없는 시스템은 종-종 그에 따라 행동해야 하는 인간 관리자들에게 무시당하며, 너무 경직된 시스템은 분주한 시장의 갑작스러운 변화에 적응하지 못합니다.
이것이 바로 한 연구팀이 미국의 한 대형 소매업체의 방대한 판매 기록 컬렉션을 통해 해결하고자 했던 과제입니다. 그들은 더 똑똑한 계산기나 더 복잡한 학습 기계를 만들려고 노력하지 않았습니다. 대신, 그들은 인간 전문가가 생각하는 방식을 모방하는 방법인 '퍼지 논리(fuzzy logic)'에 주목했습니다. 조건이 엄격하게 참 또는 거짓이어야 한다고 요구하는 전통적인 컴퓨터 논리와 달리, 퍼지 논리는 회색 지대를 허용합니다. 이는 수요가 단순히 '높음' 또는 '낮음'이 아니라, '다소 높음' 또는 '매우 낮음'일 수 있음을 이해할 수 있습니다. 이러한 언어적 묘사로 딱딱한 숫자를 변환함으로써, 연구진은 수학적으로 타당하면서도 인간이 이해하기 쉬운 방식으로 가격 전략을 분류할 수 있는 시스템을 구축했습니다. 그들은 이 접근 방식을 수천 개의 제품에 대한 백만 개 이상의 일일 관측치가 포함된 데이터셋에 적용하여, 제품들을 세 가지 뚜렷한 전략적 범주로 분류하고자 했습니다: 시장 점유율을 확보하기 위한 전략, 이익 마진을 극대화하기 위한 전략, 그리고 변화에 빠르게 대응하기 위한 전략입니다.
연구진은 각 제품에 대해 매일 네 가지 핵심 정보를 시스템에 입력하는 것으로 시작했습니다. 그들은 과거 대비 수요가 얼마나 강했는지, 고객이 가격 변화에 얼마나 민감한지, 판매 수치가 얼마나 격렬하게 요동쳤는지, 그리고 해당 품목에 대한 경쟁 환경이 얼마나 치열했는지를 살펴보았습니다. 이 숫자들을 경직된 공식에 강제로 밀어 넣는 대신, 그들은 이를 간단하고 기술적인 용어로 변환했습니다. 어떤 제품은 '변동성이 높음' 또는 '경쟁이 낮음'과 같이 묘사될 수 있습니다. 이러한 묘사들은 마치 관리자가 화이트보드에 그릴 수 있는 순서도와 같은 투명한 규칙 세트로 전달되었습니다. 예를 들어, 만약 어떤 제품이 높은 판매 변동성과 높은 경쟁을 보인다면, 규칙은 해당 제품을 시장의 혼돈에 맞춰 가격을 빈번하게 변경하는 동적 가격 책정(dynamic pricing)의 후보로 취야 한다고 규정했습니다. 만약 수요는 강하지만 경쟁이 낮다면, 시스템은 더 많은 고객을 포섭하기 위한 침투 전략을 제안할 것입니다. 만약 제품이 안정적이고 강력한 위치를 점하고 있다면, 이익 마진을 보호하기 위한 프리미엄 전략 대상으로 표시될 것입니다.
그 결과는 놀라울 정도로 직관적인 백만 개 이상의 일일 관측치 분류였습니다. 시스템은 거의 절반의 제품이 침투 전략을 따라야 하며, 거의 그만큼의 제품이 프리미엄 전략을 따라야 한다고 결정했습니다. 이 두 가지 접근 방식은 안정적인 장기 가격 책정을 나타내며, 소매업의 풍경 대부분을 차지했습니다. 오직 아주 작은 부분인 약 9%만이 동적 전략에 할당되었습니다. 이러한 분포는 매장의 현실을 반영했습니다: 대부분의 품목은 예측 가능한 조건에서 판매되는 반면, 오직 일부만이 끊임없는 가격 조정을 필요로 하는 격동적이고 이해관계가 걸린 환경에 직면한다는 점입니다. 연구진은 시스템이 단순히 추측하는 것이 아니라, 서로 다른 경제적 체제를 정확하게 식별하고 있다는 것을 발견했습니다. 동적 가격 책정으로 분류된 제품들은 실제로 판매가 가장 불규칙하고 경쟁이 가장 치열한 제품들이었으며, 침투 전략으로 분류된 제품들은 수요가 가장 강하고 경쟁이 가장 적은 제품들이었습니다.
이 접근 방식이 기존의 방식보다 실제로 더 효과적인지 테스트하기 위해, 연구진은 모든 것에 동일한 할인 규칙을 적용하는 경직된 표준 가격 모델과 이 퍼지 시스템을 비교했습니다. 유연하고 설명 가능한 시스템이 더 효율적임이 입증되었습니다. 이 시스템은 물량을 움직이기 위해 어디에 더 깊은 할인을 적용해야 하는지, 그리고 마진을 보호하기 위해 어디에서 가격을 유지해야 하는지를 정확히 알고 있었습니다. 혼란스러운 제품과 안정적인 제품을 구분할 수 있었기에, 필요하지 않은 품목의 가격을 깎거나 재고를 처분할 기회를 놓치는 실수를 피할 수 있었습니다. 그러나 가장 중요한 발견은 단순한 비용 절감이 아니라 명확성이었습니다. 시스템이 내린 모든 권고는 그것을 촉발한 특정 조건으로 거슬러 올라갈 수 있었습니다. 관리자는 어떤 제품을 보고 그 제품이 불안정한 판매와 높은 경쟁 때문에 동적 가격 책정이 권장되었다는 것을 확인할 수 있었습니다. 이러한 투명성은 컴퓨터를 신비로운 신탁이 아닌 신뢰할 수 있는 조언자로 바꾸어 놓았습니다.
이 연구는 높은 이해관계가 걸린 소매 가격 책정의 세계에서 최선의 도구가 반드시 가장 복잡한 것은 아니라는 점을 보여줍니다. 데이터 분석의 엄밀함과 인간과 유사한 추론의 유연성을 결합함으로써, 연구진은 강력하면서도 이해하기 쉬운 시스템을 구축하는 것이 가능하다는 것을 증명했습니다. 그들은 정확성을 위해 명확성을 희생할 필요가 없다는 것을 입증했습니다. 시스템은 백만 개 이상의 데이터 포인트를 세 가지 명확하고 실행 가능한 전략으로 분류하며 거대한 소매 환경의 불확실성을 성공적으로 헤쳐 나갔습니다. 이는 대부분의 제품이 안정적이고 예측 가능한 가격 책정 하에서 번창하는 반면, 특정 하위 집단은 기민하고 대응적인 접근 방식을 필요로 한다는 것을 확인시켜 주었습니다. 무엇보다도, 기계가 자신의 논리를 평이한 언어로 설명할 수 있을 때, 그것이 비즈니스를 운영하는 사람들의 신뢰를 얻을 수 있으며, 차가운 데이터와 따뜻한 인간의 판단 사이의 간극을 메울 수 있다는 것을 보여주었습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.