일드 매니지먼트에서 데이터의 활용

안녕하세요.

말씀하신 yield management의 경우, 사업 종류나 도메인에 따라 다양한 형태로 나타나게 되는 것 같은데요. 예로 들어주신 dynamic pricing의 경우 '최적화(optimazation)' 관점에서 여러 가지 모델들이 만들어지고 있는 것 같습니다. 예약 시간대별로 코호트를 나눠서 예약이 적은 시간대에는 할인율을 높인다... 라는 방향은 명확하지만 시간을 어떻게 나눌 것인지, 할인율을 얼마까지 높일 것인지, 시간 이외에 어떤 변수를 고려할 것인지... 등 연역적으로 하나하나 실험을 하면서 답을 찾기는 어려운 문제니까요. (물론 굳이 복잡한 모델링을 하지 않더라도, 휴리스틱에 근거해서 만드는 간단한(!) 모델도 어느 정도까지는 효율이 날 거라고 생각합니다.)

저도 이 부분에 대해서는 많은 경험이 없어서 간단한 개념 정도만 이해하고 있는데요. 찾아보니, 이러한 가격 최적화에 활용할 수 있는 딥러닝이나 강화학습 알고리즘들이 여럿 있는 것 같습니다. 여기서부터는 Data Scientist 분들의 영역이라서 저도 자세히 설명드리긴 어렵네요. ^^;; 국내 기업중에는 쏘카 같은 회사가 이런 Dynamic Pricing에 많은 노력을 기울인다고 알려져 있습니다. 아래 참고할만한 링크를 몇 개 추가합니다.

https://hoondongkim.blogspot.com/2018/10/reinforcement-learning-e-commerce.html?fbclid=IwAR04oSIzc1ayaNNGACYmdPz4RmSiqAEf_xxwkgz_MsHhH3iFcB3nDbDH4l8

https://medium.com/total-data-science/how-machine-learning-is-helping-in-providing-dynamic-pricing-7efdb8af9083

https://gist.github.com/yunchiapig/83da49fec4d4657f3113d2561fcdf1a4

답변 및 참고자료 감사합니다! 많은 도움이 되었습니다 :)