因为人工智能燃油零售商有了赚钱新机遇

美国有许多通过输油管道、铁路或水运码头与炼油厂相连的运输终端，建有巨大的储油罐区，加油站的油一般是卡车从这些终端拉来的。每天早晨，都会有许多油罐车来来往往。正是这些运油车，加满了油后输入到各加油站的地下储油箱内，再卖给消费者。

美国加油站的燃油价格几乎每天都要进行调整。几十年来，燃油定价都是门艺术，主要依靠人类的运算和直觉。随着人工智能与机器学习的兴起，它们的巨大潜力将使燃油定价更准确有效。目前，测试阶段正使用一种新定价工具来测试这一方法。

PriceAdvantage是Skyline Products（成立于1970年，为交通和石油行业设计和制造了40多年的智能标牌解决方案）的一个分公司，它之前的燃油定价软件使用了线性算法（linear algorithms）预测价格的变化，这将会影响零售商的销量和利润。但遗憾的是，这一方法并不完善。

PriceAdvantage的科学数据专员Brendan Doner表示，如果价格降低两美分，通过该方法得到的预测结果会出现约30％的错误，结果并不十分准确。

这款燃油定价软件采用了一种自上而下的建模方式。这一方法是基于经济学建立的，Doner以及他的同事都认为这应该有效（但事实并非如此）。根据这些假设创建了一个模型，模型中给出的价格就是定下的大致燃油价格。

他举了个例子，例如，该模型中零售商为了实现盈利目标，提高汽油价格，使其比以往的定价高出10美分，比市场价格高出6美分。顾客一定会说“这太疯狂了。或许今天我会获得更多利润，但从现在开始三个星期以后，如果所有人都意识到我们的定价高的时候，我们将失去所有的顾客”。

另一方面，旧的模型会建议降低燃油价格以增加销量，而不管其他地点的营业动态。这一模型是基于经济学课本知识建立的——如果你降低了燃油价格，今天就会卖出更多燃油，Doner认为这已经老套过时了。

线性运算的另一个问题是：不能将竞争对手对价格变化的反应考虑在内。有经验的零售商通过频繁的现场调查或定期油价信息服务（OPIS）获得价格数据反馈，快速了解竞争对手的价格变化。因此，他们可以更快地做出反应，使竞争对手不能实现期望的销量或利润增长。

Doner表示，旧模型从现实生活定价的因果中吸取经验，并依此调整定价方式方面做的不好。要摒弃“我们认为它应该发挥作用”的想法，要在现实中观察到底是如何发挥作用的，这更像是一种自下而上的方法。

PriceAdvantage所追求的不是创造一个算法，让零售商盲目定价或者简单给出一个建议的燃油价格。而是希望这个经济模型可以为燃油价格分析师提供数据，帮助他们更好的了解该定价背后的来龙去脉。而人工智能技术成为PriceAdvantage“新”燃油定价软件的核心。

Doner说道，大多数人认为人工智能是靠神经网络支持的，这些巨大模型就像个黑匣子，人们并不清楚为什么它要给出这样的定价建议，为什么在这个地点卖的更多或在这一天卖的更少。但是这些模型却能够准确的预测出价格变化将会如何影响燃油的销量及利润。

PriceAdvantage采用了一种基于概率的模型，能够向燃油分析师提供价格变动成功的概率。相比之下，旧模型虽可提供建议价格以及以这种价格预计燃油售出的量，但并未提供实现该预测的置信水平（confidence level，置信水平是指特定个体对待特定命题真实性相信的程度，也就是概率是对个人信念合理性的量度）。而新模型告诉零售商，该价格变动下实现销售目标的可能性为57％。

“新”燃油定价软件更能满足零售商的个别需求，它可以根据店铺人员数量、利润或店内销售目标，随时计算每一个店铺在不同市场下的成功率。新模型也能显示价格改变的时机对其完成目标可能性的影响。比如，如果店铺燃油定价比市场定价稍高一点或许更有可能实现销售目标。

Doner表示，之前的工具（旧的燃油定价软件）无法实现的一项功能是了解竞争者的反应。如果在星期三下午三点更改定价，这个价格可以保持到第二天早上。或者如果在顾客流量很大的早上更改定价，这个时间正是竞争对手进行价格调查或者获得OPIS信息反馈的时间，所以他们会紧跟你的步伐调整价格。

或是周二下午，零售商网站将24小时监视市场并对价格变动作出回应。但在星期一顾客流量高峰期该段时间会缩短为12小时。或者说竞争对手对于2美分的降价或许不会有太大的反应，但4美分的降价将会导致整个市场降价。