ВИКОРИСТАННЯ УМОВИ ЛІПШИЦЯ В СТРАТЕГІЯХ ЦІНОУТВОРЕННЯ НА ОСНОВІ ПОПИТУ
Анотація
Метою статті є дослідження застосування умови Ліпшиця в стратегіях ціноутворення на основі попиту в роздрібній торгівлі, приділяючи особливу увагу вирішенню проблем цінової стабільності. Методика дослідження. Дослідження базується на літературному аналізі та систематизації наукових джерел, пов'язаних з динамічним ціноутворенням, вивченні математичних інструментів та алгоритмів, а також впровадженні умови Ліпшиця у модель ціноутворення. Результати. У статті розглянуто, яким чином умова Ліпшиця може бути застосована у динамічному цінотворенні, а також зроблена спроба продемонструвати, яким чином вона може бути використана для забезпечення пропорційних і стабільних змін у ціноутворенні. На основі зібраних даних була побудована модель ціноутворення, до якої була застосована умова Ліпшиця. Практична значущість результатів дослідження. Отримані результати дають цінну інформацію для дослідників, зацікавлених в оптимізації стратегій ціноутворення в секторі роздрібної торгівлі. Включення умови Ліпшиця в моделі ціноутворення забезпечує компаніям математично стабільний інструмент для швидкого адаптування цін відповідно до коливань функції попиту.
Посилання
Levin Y., Nediak M. (2009) Dynamic Pricing in the Presence of Strategic Consumers and Oligopolistic Competition. Manag. Science, vol. 55, pp. 32-46.
Larson R.B. (2019). Promoting demand-based pricing. Journal of Revenue and Pricing Management, vol. 18, pp. 42-51.
Gârleanu N., Pedersen L.H., Poteshman A.M. (2009). Demand-Based Option Pricing. The Review of Financial Studies, vol. 22(10), pp. 4259–4299
Liu L., Sjögren P. (2015) On the Global Gaussian Lipschitz Space. Proceedings of the Edinburgh Mathematical Society, vol. 60, pp. 707 - 720.
Mao, Jieming, Renato Paes Leme and Jon Schneider (2018) Contextual Pricing for Lipschitz Buyers. Neural Information Processing Systems.
Luo, Yiyun, Will Wei Sun and Yufeng Liu (2022) Contextual Dynamic Pricing with Unknown Noise: Explore-then-UCB Strategy and Improved Regrets.” Neural Information Processing Systems.
Heinonen, Juha M. (2005) Lectures on Lipschitz analysis. University of Jyväskylä. Department of Mathematics and Statistics, 77p.
Ellickson P.B., Misra S. (2008) Supermarket Pricing Strategies. Marketing Science, vol. 27, pp. 811-828.
Kaggle Inc. (2022). E-Commerce Sales Dataset. The Devastator Available at: https://www.kaggle.com/datasets/thedevastator/unlock-profits-with-e-commerce-sales-data/
Verbytskyi Y. Analysis data and modelling using lipschitz. GitHub. 2023. Available at: https://github.com/verbytsky/Lipschitz-analysis/blob/main/Lipshitz.ipynb
