网站导航

第六章 跨商品交叉价格模型

全文共 2238 字,阅读约需 5 分钟

第六章 跨商品交叉价格模型:白皮书范围:专项场景五。 本章回答:A 降价时,A 自己、替代品 B、互补品 C 的需求分别如何变动?必须同时看自身价格与相关商品价格,且先区分预测关联和因果影响。

← 学习路线
课程目录与学习记录 0 / 109

学习进度仅存于本机浏览器。原教程站的记录不会跨域自动迁移;可先在原站导出留存,新站按实际完成情况重新勾选。

入门数据与作业包

禾味数据为 2 店 × 8 SKU × 180 天,共 2,880 行,是可见教学数据,不是封存盲测集。起步包是模拟夹具,不表示已完成六行业预测实验。资源中心另有四专项工程、模型实验和计划实验,使用前请阅读各自能力边界。

本课使用模拟数据与明确假设。数学推导、枚举和数据核验不等于真实业务模型有效。配套包包含60天教学曲线及约束枚举,不是完整订单训练集。
下载数学实验、完整教材与只读验证器

第六章 跨商品交叉价格模型

白皮书范围:专项场景五。 本章回答:A 降价时,A 自己、替代品 B、互补品 C 的需求分别如何变动?必须同时看自身价格与相关商品价格,且先区分预测关联和因果影响。

概念出处:OpenStax 原教材关于交叉价格弹性说明替代、互补关系的符号。恒定弹性函数及本章系数是额外建模选择。

6.1 用没有单位的比值写模型

为了避免直接对“10 元”取对数,先选定参考价格和参考销量:

ln(Q_i/Q_i0)=ε_ii ln(P_i/P_i0)+Σ(j≠i) ε_ij ln(P_j/P_j0)+Σ_k γ_k X_k。

也可以写成容易计算的乘法:

Q_i=Q_i0×(P_i/P_i0)(ε_ii)×Π(j≠i)(P_j/P_j0)(ε_ij)×exp(Σ_k γ_k X_k)。

  • i:目标商品;j:相关商品;k:控制特征的编号,无单位。
  • Q_i:本期预测需求,件/天;Q_i0:参考情景需求,件/天。
  • P_i、P_j:当前自身及相关商品价格,元/件;P_i0、P_j0:对应参考价格,同单位。
  • ε_ii:自身价格弹性;ε_ij:交叉价格弹性,均无单位。
  • X_k:相对参考情景的特征变化,如活动标志从 0 变 1,或标准化后的温度差;γ_kX_k 必须无单位。参考情景取 X_k=0。
  • 数学来源:对数线性恒定弹性模型的建模假设,不是需求必须服从的自然规律。
  • 真实数据来源:实际售价及优惠、商品曝光和可售状态、订单、促销、日历、门店/区域等。下述系数全部教学给定,并未从数据拟合。

解释交叉系数时,要说清“谁的价格变了”: - ε_ij>0:j 涨价会使 i 的需求增加,常与替代关系一致;j 降价则可能蚕食 i。 - ε_ij<0:j 降价会使 i 的需求增加,常与互补关系一致。 - 不要求 ε_ij=ε_ji。两种商品对彼此的影响可以不对称。

6.2 一个完整的三商品例子

商品角色参考价格 元/件参考需求 件/天有关弹性
A主推商品10100自身 ε_AA=-1.5;对 B 价格 ε_AB=+0.4
B替代品1280自身 ε_BB=-1.2;对 A 价格 ε_BA=+0.6
C互补品540自身 ε_CC=-1;对 A 价格 ε_CA=-0.3

先只把 A 从 10 元降到 9 元,B、C 价格及其他因素不变,价格比=0.9。

  1. A:Q_A=100×0.9^(-1.5)≈117.121 件/天,较参考增加约 17.121%。
  2. B:Q_B=80×0.9^(0.6)≈75.099 件/天,减少约 6.126%。
  3. C:Q_C=40×0.9^(-0.3)≈41.285 件/天,增加约 3.211%。

若 A 和 B 都降价 10%,则: - A 的自身项=0.9^(-1.5),B 降价对 A 的交叉项=0.9(0.4)。两者相乘=0.9(-1.1),所以 Q_A≈112.288 件/天,比只降 A 的 117.121 少。 - B:Q_B=80×0.9(-1.2)×0.9(0.6)=80×0.9^(-0.6)≈85.221 件/天。

这就解释了为什么不能给每个商品单独加一个“促销翻倍系数”后直接相加。

6.3 弹性是比例敏感度,有限降价要用完整公式

小幅变动下,销量相对变化约等于 ε×价格相对变化。A 自身弹性 -1.5,价格下降 1%,需求大约上升 1.5%。这是近似,不是所有折扣都适用的精确乘法。

本例价格下降 10%,用近似得到上升 15%,而精确值为 0.9^(-1.5)-1≈17.121%。价格变化更大时差距更明显,不应把局部系数无限外推到 1 折、零价或历史没见过的价格。

6.4 白皮书中的品类均价分母会一起变化

原式使用 ln(P_j/品类均价)。若品类均价随当前商品价格一起变化,ε_ij 通常不再直接等于“只改变 P_j 的完整价格弹性”,因为分母也在变。

一个不需要求导的检查:若所有商品都涨价 10%,每个“当前价格/当前品类均价”不变,因此所有相对价格项都不变。但如果消费者对整个品类价格上涨有反应,模型仍需用其他项表达这种变化。本章用固定参考价格 P_j0,避免把随价格变动的分母误当常数。

真实模型可以使用相对价格,但必须明确参考指数如何构建、是否包含目标商品、权重是否固定,解释系数时同步考虑分母变化。

6.5 预测关联不自动等于促销因果效应

假设价格低的日子恰好也是节假日、投放更大、曝光更多,那么销量上涨不能全部归因于价格。若滞销时才降价,也可能看见“价格越低销量越差”的反向选择。

需要记录并控制活动、流量、日历、库存、竞争变化等因素。更强的因果解释需要合适的实验或可辩护的准实验识别设计。多个商品价格总是一起改动时,单独的交叉系数可能很难识别;应检查价格变化支持、稳定性和留出期效果。

其他边界: - 零销量不能直接取 ln0。不可随意加 1 后还声称模型具有同样的弹性解释;可选择适合计数数据的模型或明确变换后的含义。 - 观察销量受库存截断时,模型学到的不一定是真需求。 - 模型给出的是期望需求,可能有小数;实际出库仍须满足整数、库存和容量约束。 - 不同商品之间的转移不意味着品类总量必定守恒,可能同时改变购买人数、件数和购物篮。

6.6 小项目与答案

任务:只让 B 涨价 10%,其他价格及因素不变。A 的交叉弹性为 +0.4,A 参考需求为 100。计算 A 的需求,并说明这能不能证明 B 涨价一定让全店利润提高。

答案:Q_A=100×1.1^0.4≈103.886 件/天,增加约 3.886%。不能证明全店利润增加:B 自己可能少卖,C 及其他商品可能变化,还没有成本、库存和因果识别证据。


仅保存在本机当前浏览器,无账号云同步;清除浏览器数据会丢失。不自动认定你通过测试。建议先保留输出文件和计算过程。

所有数据、系数与业务场景均为教学模拟。预测不等于采购或排产指令。来源与修订说明。