Anda di halaman 1dari 1

Prescriptive Pricing Optimization, merupakan strategi yang mengambil harga optimal untuk

memaksimalkan laba / pendapatan di masa mendatang atas dasar formula prediktif besar yang
dihasilkan oleh Machine learn ing. Prescriptive Pricing Optimization pertama membangun
rumus perkiraan penjualan dari beberapa produk, berdasarkan data historis, dimana dinyatakan
hubungan kompleks antara penjualan dan harga, seperti elastisitas harga permintaan dan
kanibalisasi. Kemudian, membangun masalah optimisasi secara matematis pada dasar formula
prediktif tersebut. Didapatkan bahwa masalah optimasi dapat dirumuskan sebagai contoh
binary quadratic programmin (BQP). Meskipun masalah BQP adalah NP-hard (masalah
yang tidak ada algoritma polynomial yang diketahui) secara umum dan komputasi sulit
dilakukan, dari permasalah ini diusulkan pendekatan cepat algoritma menggunakan semi-
definite programming (SDP) relaksasi, yang terkait erat dengan pendekatan Max-Cut Goemans-
Williamson. Percobaan pada simulasi dan dataset nyata menunjukkan bahwa pengoptimalan
harga preskriptif secara bersamaan menghasilkan harga optimal dari puluhan / ratusan produk
dengan waktu komputasi praktis, yang berpotensi meningkatkan 8,2% dari laba kotor produk
tersebut.