It is very difficult for large-scale retailers to price thousands of items dynamically reflecting all constraints and policies. In spite of its importance, the prices are determined by human experts, because the process of setting the prices of all the items is not established yet. The three proposed models are cost-plus, competitor-referenced, and demand-driven models. The three models have their own strength and appropriate situation to apply. To solve this problem, we adopt a combined model approach that contingently selects appropriate pricing models and integrates them.
To implement the combined model, retailers should prepare the values of the three models for all the items at a store level. And it is very difficult for large-scale retailers, too. To solve this problem, we used multiple inheritances of values through the hierarchies of merchandise and stores. The managers of a large-scale retail company can use the level of abstraction to set the pricing policies by use of multiple inheritances.
Since each model can be converted to a set of interval and point constraints, each model is assigned a weight function that represents the importance of the model to pricing decision at the price point. To combine the three models, we have developed price point determination rules which find a price point from the weighted interval and point constraints.
A prototype system Knowledge-Assisted Pricing Assistant (KAPA) is developed with this idea. According to our experiment involving 76 cases with 54 pricing experts, KAPA performed consistently with human experts about 89.5% of accuracy. This implies KAPA is applicable to pricing millions of items dynamically.
Since the prices of competitors are open and easily collectable in the electronic market environment, this approach is quite realistic to implement. So KAPA can be used not only for the traditional stores, but also for the electronic stores. This approach can be a very effective pricing scheme in the electronic marketing era.
백화점, 슈퍼마켓, 편의점처럼 많은 품목의 상품을 다루는 소매업자에게 있어서, 모든 상품의 가격을 원가와 경쟁상황, 소비자의 수요를 반영하여 일관되게 책정하는 것은 매우 어려운 일이다. 또한 이러한 대규모 유통업체 들은 수백 개의 점포를 가지고 있으며, 같은 상품도 점포에 따라 다른 가격을 매기는 경우가 많다. 대규모 소매업자 들은 점포의 가격이미지에 의거하여 개별점포의 가격을 매기고 있다. 또한 소매업체의 원가, 경쟁, 수요와 관련된 상황은 매우 자주 변하기 때문에 이에 즉각적으로 반응하는 가격결정 방법은 자동화를 요구한다. 현재 대부분의 소매업체의 현장관리자 들은 탐색적인 방법에 의하여 매일 직접 가격을 매기고 있다. 그 이유는 아직 이러한 대규모 소매업체의 가격을 결정하는 정확한 방법이 개발되지 않았기 때문이다.
소매업자의 가격결정문제를 해결하기 위하여, 본 논문은 소매업자들을 위한 결합가격결정모형 (combined pricing model)을 제시하였다. 원가가산모형 (cost-plus model), 경쟁자참고모형 (competitor-referenced model), 수요지향모형 (demand-driven model) 등은 소매가격 결정을 위한 중요한 세가지 가격결정 모형이다. 그러나 같은 소매업자라도 상황에 따라 다른 모형을 써야 하기 때문에, 한가지 방법 만으로는 충분하지 않다. 따라서 이 세가지 방법과 상황에 관한 정보를 종합하여 적절한 가격결정을 할 수 있게 하는 결합가격결정모형이 필요하다. 세가지 모형은 가격선 상에서 각각 구간과 점의 제약조건으로 변환될 수 있다. 따라서 우리는 결합가격결정모형을 위해서, 가중치를 가지는 구간과 점들로부터 최적의 한 점을 선택하는 가격결정규칙 (Price Point Determination Rules) 을 개발하였다.
우리는 지식기반 가격결정 시스템의 프로토타입으로서 KAPA (Knowledge-Assisted Pricing Assistant) 시스템을 규칙기반 전문가시스템인 UNIK를 이용하여 개발하였다. KAPA 시스템의 유효성을 검증하기 위하여, 우리는 54명의 가격결정 전문가들에게 76가지의 케이스에 대하여 실험을 한 결과, 전문가들이 제시한 가격의 최빈값과 같은 가격을 89.5%의 정확성으로 제시할 수 있음을 입증하였다.
KAPA 시스템은 비록 최적 가격은 아니지만, 전문가들과 비슷한 수준의 가격을 제시함으로써, 유통업의 현장관리자 들에게 매우 유용한 의사결정 시스템 (decision support system)이 될 것이다. 또한 KAPA 시스템은 전자상거래시대의 가격결정 시스템으로서도 매우 유용하게 사용될 수 있을 것이다.
