Compliant Dynamic Pricing Guard（合规-定价双约束优化）
Skill-Compliant-Dynamic-Pricing-Guard · 17-价格优化
causaloptimizationpricing广告与投放定价与利润风控与合规WF-B 广告优化WF-D 选品扫描WF-F 动态定价WF-K 全域风险防御
年化 ROI150-500 万
实现难度⭐⭐⭐☆☆
业务优先级⭐⭐⭐⭐⭐
业务视角
适用角色定价负责人 / 运营负责人 · 选品负责人 · CEO
适用平台Amazon Buy Box 竞价策略 · 多市场价格协调 · Prime Day / Coupon 折扣优化
什么情况下用竞品突然降价，不知道该不该跟，跟了怕伤利润不跟怕丢 BSR；大促期间不知道折扣给多少，给多了利润没了
成功是什么样的实时监控竞品价格并自动触发调价，毛利率保持在目标区间，BSR 排名和利润同时兼顾
业务痛点
1. 解决的问题
AI 动态定价在大促期间将美国售价压低 35%，触发品牌 MAP 协议并引发欧洲经销商投诉——合规-定价双约束框架在优化 GMV 的同时实时检测 MAP/最低价/反倾销边界，违规率归零
2. 核心算法逻辑
核心思想：跨境动态定价不能只优化利润，必须同时满足多个合规约束，违规定价可能触发 MAP 违规、Amazon 最低价政策、或反倾销诉讼。
3. 业务应用场景
业务问题：某母婴品牌同时在 Amazon US/EU/JP 销售，AI 动态定价引擎在大促期间将美国售价压到了比欧洲便宜 35%，触发了品牌 MAP 协议，并引起了欧洲经销商的投诉。
应用流程： 1. 建立价格约束数据库（MAP价格/历史价格/关税系数） 2. 在 AIGP 动态定价引擎外层包装合规护栏 3. 每次调价前运行约束检查，违规则回退到 base_price + 安全边际 4. 记录约束激活日志，供合规审查
量化收益： - 消除 MAP 违规风险（一次 MAP 处罚：暂停账号 30-90 天，损失 150-500 万 GMV） - 跨市场价格差异保持在 15% 以内，防止灰色进口 - 关税调整自动传导到定价，不再依赖人工调整（节省 2-3 天响应时间）
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- ROI：预防一次 MAP 违规暂停 = 150-500 万 GMV 保护
- 难度：⭐⭐⭐☆☆（技术集成难度中等）
- 优先级：⭐⭐⭐⭐⭐（有动态定价 + 多市场的品牌必须配置）
- 适用场景：跨境多市场动态定价、大促期间自动调价、关税冲击后价格传导
7. 代码模板
代码块数量：3 · 路径：未检测到
from dataclasses import dataclass
from typing import Optional
import logging
@dataclass
class PriceConstraints:
map_price: float # 品牌最低广告价格
amazon_floor: float # Amazon 价格底线（历史最低 × 0.97）
min_margin_ratio: float # 最低毛利率（如 0.15 = 15%）
max_cross_market_gap: float = 0.20 # 跨市场最大价差 20%
safety_margin: float = 0.03 # 合规安全边际 3%
def compliant_price(
proposed_price: float,
constraints: PriceConstraints,
cost: float,
market: str = "US",
) -> tuple[float, list[str]]:
"""
返回合规后的最终价格 + 触发的约束列表。
"""
final_price = proposed_price
triggered = []
# MAP 约束
map_floor = constraints.map_price * (1 + constraints.safety_margin)
if final_price < map_floor:
final_price = map_floor
triggered.append(f"MAP: raised to ${map_floor:.2f}")
# Amazon 价格底线
if final_price < constraints.amazon_floor:
final_price = constraints.amazon_floor * (1 + constraints.safety_margin)
triggered.append(f"AMZN_FLOOR: raised to ${final_price:.2f}")
# 最低毛利约束
min_price = cost / (1 - constraints.min_margin_ratio)
if final_price < min_price:
final_price = min_price
triggered.append(f"MIN_MARGIN: raised to ${min_price:.2f}")
if triggered:
logging.warning(f"[Compliance] Market={market}, Proposed={proposed_price:.2f}, Final={final_price:.2f}, Constraints={triggered}")
return final_price, triggered
# 与 AIGP 动态定价集成
def aigp_with_compliance(product_id: str, base_price: float, constraints: PriceConstraints) -> float:
# 1. AIGP 生成建议价格
aigp_price = base_price * 0.92 # 模拟：建议降价 8%
# 2. 合规护栏过滤
final_price, violations = compliant_price(aigp_price, constraints, cost=base_price*0.4)
return final_price
# 测试
constraints = PriceConstraints(map_price=19.99, amazon_floor=17.99, min_margin_ratio=0.20)
price, violations = compliant_price(17.50, constraints, cost=8.00)
print(f"最终合规价格: ${price:.2f}, 触发约束: {violations}")8. 论文来源
未自动抽取；请查看原始 Skill 卡片。