Revenue

动态定价引擎

依据需求、库存与价格弹性定价，并公开计算过程。

动态定价引擎 is 动态定价软件 for teams that want the reasoning shown, not hidden. Plans start at $59 a month with a 14-day free trial.

开始免费试用

价格是企业里最有力的杠杆，也是最少被动过的那一根。团队会花几周测试邮件标题，却让价目表三年不动，因为改价感觉有风险，衡量效果又感觉很难。动态定价引擎把它变成可测量的：从您自己的历史里算出的弹性、用贡献毛利而不是营业额，以及一套上线前可以审阅的带护栏的规则。

弹性来自您的数据，而不是教科书

需求价格弹性衡量销量对价格变动的反应程度。这个值决定一切：需求富有弹性时，涨价会减少收入；缺乏弹性时则会增加。行业平均值在这里没有用——起作用的是您的单品和您的客户。

引擎用对数回归，从您历史中观测到的价量配对里按单品估计弹性，并报告模型解释了多少变异。如果拟合不佳，它会直说而不是藏起来——从四个数据点算出的弹性，不是可以据以定价的数字。

单品弹性: 基于您自己的价量观测做对数回归估计，并附上拟合优度。
贡献毛利最优点: 让毛利而非收入最大化的价格——收入的峰值几乎总在利润峰值之下。
交叉价格效应: 改动一个单品的价格，会怎样影响其替代品和互补品的需求。
规则护栏: 价格上下限、最低毛利率和每期最大变动幅度，用来约束任何自动化。

看毛利，不看收入

定价最常见的错误是优化收入。收入更容易衡量，看板默认就显示它，于是它成了目标。但让收入最大化的价格几乎总低于让利润最大化的价格，因为收入忽略了多卖出去那些单位的成本。

这个引擎优化贡献毛利。填入单位成本，推荐价格区间就变成在销量与毛利之间取平衡的那一段。两条曲线都看得见，所以您可以有意选择收入——但那是一个决定，而不是您手边恰好有哪个指标所带来的副作用。

护栏、模拟和下发

每条自动规则都在护栏之内运行：最低价与最高价、最低毛利率、每期最大变动。最后一项最重要——一个技术上正确的定价建议，若一夜之间跳动 40%，损失的信任是买不回来的。

上线之前先模拟：引擎把建议价套回历史数据，给出对销量、收入和毛利的预期影响，并带上不确定区间。之后的下发走一个带审计轨迹的价格接口，所以每次改动都有时间戳、触发它的规则和一个理由。

弹性的估计方法

估计使用需求函数的对数形式，其中斜率系数直接就是弹性。这是标准做法；真正要紧的是怎么处理数据不足的情况。

构造价量配对把销售历史汇总成价格与销量同时变动的观测值——价格不变的时期不提供信息。
估计对数回归用销量的对数对价格的对数回归；斜率系数就是弹性，因为对数上的导数就是百分比变化。
报告拟合优度决定系数和观测数量显示在估计值旁边，让依据薄弱的弹性一眼可辨。
构造贡献毛利曲线用单位成本和估计出的需求函数，在价格区间上算出毛利并标出最高点。
用护栏过滤建议在显示之前，就已经按您的价格上下限和最低毛利率做了截断。

有一点必须说明：从观测数据得到的弹性，把价格的影响和同期变化的一切——季节、促销、竞品价格——混在了一起。这个估计是起点，不是证明。干净地得到弹性的途径是一次受控的价格实验，引擎会帮您搭建它，而不是声称历史数据可以替代它。

适合谁

品类宽的电商

几百到几千个单品，没人能手工审完每个价格。价值在按毛利潜力排优先级，而不在自动化。

正在改套餐的 SaaS

按套餐的弹性和各档之间的交叉效应，能看出涨价会把客户推向更高档位还是推向竞品。

竞争压力下的零售

把竞品价格作为输入，把自己的最低毛利率作为护栏——这样才有反应能力而不陷入降价战。

需要为价目表作出说明的团队

当销售和财务需要达成一致时，审计轨迹和每条建议背后看得见的算法，往往比建议本身更重要。