Revenue management is a process of maximizing revenue by optimizing product availability and price. This dissertation proposes a method with which capacity-constrained industries maximize their revenue by adopting dynamic pricing and learning multi-dimensional customer responses in revenue management. The first chapter of this dissertation deals with dynamic pricing which prices are constantly adjusted based on algorithms that take supply and demand, and other external factors into account. In particular, it considers a situation when a seller, facing uncertain demands, sells a single product in a finite horizon and actively adopts dynamic pricing and quantity discount schemes. Then, it analyzes the optimal strategy for `Buy One Get One Free’ and `50%’ off, both of which retailers often take. The rest of the dissertation focuses on the method for learning customer responses. Recently, data collection has become easier with the development of digital devices and machine learning that recognizes hidden patterns using data has rapidly emerged via deep learning. This has enabled us to learn multi-dimensional customer responses to the firm’s various promotional strategies. Using various modes of data including images, the second chapter proposes a deep learning method that forecasts customer demand. Chapter three presents a method for estimating customer trends in social network services with computer vision technology. Furthermore, using transaction data of individual customers, the final chapter suggests a new method of predicting the purchase probability of individual customer towards various types of products that the firm offers.
매출 관리는 제품의 이용 가능성 및 가격의 최적화를 통해 매출을 극대화하는 과정을 일컷는다. 본 학위 논문에서는 매출 관리에서 동적 가격 설정과 다차원 고객 반응을 예측하는 방법을 통해, 자원이 한정적인 회사가 매출을 극대화 할 수 있는 방법을 제시한다. 먼저, 학위 논문의 첫 번째 장에서는 수요와 공급 및 다른 여러 외부 요인을 고려하는 알고리즘을 기반으로 가격을 지속적으로 변동하는 동적 가격에 대해 다룬다. 특히, 불확실한 수요에 직면한 판매자가 정해진 기간동안 단일 제품을 판매하는 상황을 가정하고, 매 시점, 판매자에게 제품의 최적 가격 및 수량 할인율이 무엇인지 제시하였다. 이를 통해, 소매업자가 많이 활용하는 프로모션 전략인 'Buy one get one free'와 '50% 할인'에 대해서, 상황에 따른 최적의 전략이 무엇인지 분석하였다. 학위 논문의 나머지 장에서는 고객의 반응을 예측하는 방법론에 대해 다룬다. 최근, 디지털 기기의 발달로 데이터의 수집이 용이해졌으며, 딥 러닝 기술을 통해 수집된 데이터를 활용해 숨겨진 패턴을 인식하는 기계 학습 방법론이 급 부상하였다. 이는, 기업이 수집한 여러 데이터를 활용해, 기업이 제시하는 다양한 판매 전략에 대한 다차적원적인 고객 반응을 예측하는 것을 가능케 하였다. 본 학위 논문의 2번 째 장에서는 이미지 영상을 포함한 다양한 모드의 데이터를 활용해, 제품에 대한 고객의 수요를 예측하는 딥 러닝 방법론을 제시하였다. 3번 째 장에서는 기존의 컴퓨터 영상 기술로부터, 사회 연결망 서비스에서 고객의 추세를 추정하는 방법을 제시하였다. 더 나아가, 본 학위 논문의 마지막 장은 고객 개개인들의 판매 데이터를 활용하여, 기업이 제시하는 다양한 형태의 제품에 대해 고객 개인들의 구매 확률을 예측하는 새로운 방법을 제시하였다.
