La maggior parte degli strumenti di pricing AI ha una sola modalità: produrre una raccomandazione. Si inseriscono i dati, si riceve un numero, si applica. La domanda se l'analisi sottostante sia abbastanza solida da giustificare l'azione di solito non viene posta. Il numero esce comunque.
Abbiamo costruito Pricing Intelligence con un approccio diverso. Nel nostro pilota su quattro impianti, sette delle otto linee di prodotto hanno prodotto raccomandazioni di prezzo validate statisticamente. L'ottava — Sito 2, Diesel — no.
Quindi l'abbiamo trattenuta.
Cosa hanno mostrato i dati
Il test statistico per il Diesel del Sito 2 ha prodotto un p-value di 0,41. In termini semplici: i dati non riuscivano ad distinguere in modo affidabile l'effetto del prezzo dal rumore casuale. La sensibilità misurata era leggermente negativa (-0,69), suggerendo una modesta risposta al prezzo in termini di volume, ma l'intervallo di confidenza includeva lo zero — il che significa che non si poteva escludere che non ci fosse alcun effetto reale sul prezzo.
Il Sito 2 ha una base clienti prevalentemente fleet. I contratti fleet tendono per natura a essere insensibili al prezzo. Questo contesto è coerente con il risultato statistico. Ma il contesto da solo non è una prova.
I dati dicevano che non potevamo dimostrarlo. Quindi non abbiamo prezzato.
Perché vale la pena scriverne
Per un operatore, una raccomandazione trattenuta non è un fallimento. È un'informazione. Il Diesel del Sito 2 è insensibile al prezzo, o almeno i dati attuali non possono dimostrare il contrario. Questo cambia il modo in cui si pensa a quella linea di prodotto — non è un candidato per l'ottimizzazione del margine tramite il prezzo, e trattarla come tale sarebbe andare a tentativi.
Per noi, il risultato trattenuto è anche un principio di design. Un sistema di pricing che produce un numero indipendentemente dalla qualità delle prove non è un sistema più sicuro — è un sistema che nasconde la propria incertezza all'interno dell'output. Il manager vede una raccomandazione. Il manager non vede se l'analisi sottostante ha superato o meno un test di significatività.
Pricing Intelligence separa queste due cose. Sette linee di prodotto hanno superato il test; una no. Le sette ricevono una raccomandazione giornaliera. L'una riceve un flag e una spiegazione.
L'implicazione più ampia
Le soglie di significatività statistica sono lo stesso standard utilizzato per validare i test A/B nelle principali aziende tecnologiche e di e-commerce. Il limite, un p-value inferiore a 0,05, un intervallo di confidenza al 95% che esclude lo zero, non è esclusivo della ricerca accademica. È la convenzione adottata da aziende che prendono decisioni di pricing e di prodotto ogni giorno.
Applicare questo standard al pricing dei carburanti, per impianto e per tipo di carburante, significa che ogni raccomandazione prodotta da Pricing Intelligence è stata testata. E significa che quando il test fallisce, la raccomandazione viene trattenuta, non nascosta, non smussata, non stimata.
Otto opportunità. Sette dimostrate. Una trattenuta. Così si presenta il pricing basato sull'evidenza nella pratica.
Dati pilota: rete di 4 impianti Backwell Tech, backtest di 110 settimane. I p-value e gli intervalli di confidenza sono quelli misurati nel pilot. Risultati indicativi, non garanzia di performance futura.
Standard statistico: Wasserstein, R. & Lazar, N. (2016). The ASA Statement on p-Values. The American Statistician 70(2), 129-133.
Informazioni su Backwell Tech
Backwell Tech è un’azienda high-tech con sede a Berlino specializzata in soluzioni predittive basate sull’intelligenza artificiale. La piattaforma offre alle aziende modelli di IA scalabili per la massimizzazione dei profitti, utilizzando dati storici e in tempo reale e garantendo l’integrità dei dati. Sin dalla sua fondazione nel 2019, Backwell Tech ha combinato la ricerca all’avanguardia con l’innovazione pratica nel campo degli algoritmi spiegabili. L’azienda si concentra sullo sviluppo etico dell’IA e fornisce previsioni affidabili e interpretabili che consentono di prendere decisioni aziendali informate. Maggiori informazioni su www.backwelltechcorp.com.
Contatto Backwell Tech Corp:
Maximilian Gismondi
Fonti
- Dati pilota: Backwell Tech, pilot interno, rete di 4 impianti, backtest di 110 settimane. Risultati indicativi, non garanzia di performance futura.
- Standard statistico: Wasserstein, R. & Lazar, N. (2016). The American Statistician 70(2), 129-133.
- Convenzione A/B testing: Kohavi, R., Tang, D. & Xu, Y. (2020). Trustworthy Online Controlled Experiments. Cambridge University Press.