УДК 004.89
DOI: 10.36871/ek.up.p.r.2025.12.05.020

Авторы

Анна Слицкая,
Western Covenant University

Аннотация

В статье исследуются особенности алгоритмического ценообразования в электронной коммерции на основе использования моделей машинного обучения. Раскрыто содержание алгоритмического ценообразования как динамичного механизма автоматизированного формирования цен, основанного на анализе больших данных, мониторинге поведения потребителей и оценке конкурентной среды. Выделены ключевые параметры алгоритмов ценообразования, включая адаптивность, персонализацию и способность к прогнозированию рыночных изменений. Изучены современные модели машинного обучения, применяемые в цифровом ритейле, такие как линейные и нелинейные регрессионные методы, деревья решений, ансамблевые модели, нейронные сети и системы обучения с подкреплением. Показано, что внедрение таких моделей позволяет повысить точность ценовых решений, улучшить управление спросом, увеличить маржинальность и минимизировать ценовые риски. Сформулированы рекомендации по развитию алгоритмического ценообразования, включающие интеграцию сквозной аналитики, развитие систем мониторинга данных, внедрение гибридных ML-моделей и повышение прозрачности алгоритмов. Обосновано, что использование технологий машинного обучения является важнейшим инструментом повышения конкурентоспособности электронной коммерции и ее способности к адаптации в условиях высокой рыночной волатильности.

Ключевые слова

алгоритмическое ценообразование, электронная коммерция, машинное обучение, большие данные, динамическое ценообразование, прогнозирование спроса, цифровой ритейл, нейронные сети, учебные алгоритмы, ценовые стратегии

Список литературы

  1. Варнухов А.Ю. Особенности ценообразования на маркетплейсах // Вестник Томского государственного университета. Экономика. 2025. № 69. С. 164–182.
  2. Гришин М.В.Машинное обучение как современный метод ценообразования // Актуальные проблемы и перспективы аграрной науки. Сборник статей II Национальной научно-практической конференции. Саратов, 2025. С. 141–144.
  3. Ержанов А. Т. Модели и методы машинного обучения в электронной коммерции // EurasiaScience. Сборник статей LVII международной научно-практической конференции. Москва, 2023. С. 88–89.
  4. Колесник Г.В.Воздействие алгоритмов ценообразования цифровых платформ на параметры рыночного равновесия // Финансовая аналитика: проблемы и решения. 2024. Т. 17. № 2 (368). С. 143–161.
  5. Кулебякин В.В.Динамическое ценообразование в маркетинге при помощи искусственного интеллекта // Повышение конкурентоспособности отечественной науки: развитие в условиях мировой нестабильности. Санкт-Петербург, 2023. С. 346–352.
  6. Куркова Д. Н., Курбацкий А. Н. Механизмы адаптации потребителей к алгоритмическому ценообразованию // Управленец. 2025. Т. 16. № 5. С. 67–83.
  7. Люкевич И. Н., Долгов А. М. Применение машинного обучения в ценообразовании инноваций // Фундаментальные и прикладные исследования в области управления, экономики и торговли. Санкт-Петербург, 2023. С. 114–122.
  8. Мищенко Е. В., Тимофеев К. С., Домнин П. И. Практические вопросы применения ИИ-технологий в управлении ценами и прогнозировании спроса // Прикладные экономические исследования. 2025. № 2. С. 10–18.
  9. Пригожий М. К., ПримаковичЛ.В. Алгоритмическое ценообразование: методы машинного обучения в цифровой экономике // Инновации и информационные технологии в условиях цифровизации экономики. Алчевск, 2025. С. 241–243.
  10. Розанова Н. М. Ценовые механизмы цифровой экономики: divide et impera // Мировая экономика и международные отношения. 2025. Т. 69. № 2. С. 16–24.
  11. Сидоров Р. А. Алгоритмическое ценообразование на маркетплейсах: стратегии оптимизации продаж в условиях высокой конкуренции // Актуальные проблемы экономики, управления и права. Саратов, 2024. С. 322–327.
  12. Суязов В. Н. Стратегии динамического ценообразования в условиях переменного спроса: экономический и поведенческий анализ // Вестник РМАТ. 2025. № 3. С. 3–9.
  13. Устинов Д. А., Емельянцев Д. О., Дуров И. В., Татаренков А. С. Автоматизация ценообразования в ритейле с применением машинного обучения // Universum: технические науки. 2024. № 6–1 (123). С. 20–26.
  14. Шестакова А. А., Божук С. Г. Метод ценообразования на основе машинного обучения // Глобальный научный потенциал. 2023. № 6 (147). С. 221–224.