WF-F 动态定价

从竞品价格监控到自动调价执行的端到端定价决策链，覆盖价格信号采集、弹性估算、调价策略和效果验证四个阶段。

适用角色定价负责人运营负责人财务负责人

入口问题：你当前面临的最紧迫定价问题是什么？

预期收益

[OK] Buy Box 赢得率从 41% 提升到 79%，响应延迟从 47 分钟降至 18 分钟
[OK] LLM 动态定价 A/B 实测 GMV +13%（真实实验数据，非模型预测）
[OK] 大促折扣决策有数据支撑，清仓效率提升，资金回收速度 +15-40%
[OK] 跨市场定价协调，品牌价格体系不被套利破坏

价格信号监控

竞品价格监控的频率和紧迫程度？

母婴品类竞品调价快，Buy Box 竞争激烈，响应延迟每 30 分钟损失约 $1,600 GMV

实时监控（Buy Box 竞争激烈，竞品频繁调价）

Price Signal Collection — 竞品价格信号实时采集与结构化多平台价格信号实时采集，Buy Box 获得率 41%→79%（ROI 73.2万） Competitive Price Monitoring（竞品价格监测与响应）竞品定价策略实时追踪，量化"不跟降损失多少"

日频/周频监控（品类稳定，竞争节奏慢）

Competitive Response Modeling（竞争响应建模）竞品价格响应行为建模，预判竞品调价策略

价格弹性估算

是否了解本品的价格弹性？

不同用户群体对价格的敏感度差异可达 2-3 倍，精准分群才能做到差异化定价

需要估算价格弹性（不知道降价多少能多卖多少）

Dynamic Pricing with Demand Elasticity（动态定价与需求弹性）需求价格弹性估算 + 最优价格公式 P*=ε/(ε+1)·MC，利润率 +8-12% DML Cohort 因果效应 - 群体异质性 HTE 估计分群弹性差异：不同用户群价格敏感度可达 2.3 倍，精准差异化定价（ROI 1500-2500万）

多市场价格协调（US/EU/JP 价差管理）

Cross-Border Price Harmonization（跨境价格协调）跨境多市场价格协调，防止套利和违反 Amazon 最低价政策

调价策略执行

调价目标和场景？

不同场景需要不同的调价策略：日常防御性跟价 vs 大促进攻性折扣 vs 清仓处置 vs Bundle 提升 AOV

日常动态定价（AI 自动执行）

AIGP — LLM 动态定价：长期 GMV 对齐框架（+13% GMV A/B实测）LLM 跨周期 GMV 对齐定价，A/B 实测 GMV +13%（ROI 1321万） Contextual Dynamic Pricing — 最优上下文定价：O(√dT) Regret + LDP 隐私保护上下文感知在线定价优化，O(√dT) 遗憾上界

大促 / 清仓 Markdown 策略

Markdown Optimization（折扣清仓定价优化）积压库存 Markdown 最优化，清仓多回收 15-40%（ROI 20-50万） Channel Saturation Curve（渠道饱和曲线建模）渠道饱和曲线，判断大促期广告是否继续投

Bundle / 组合定价

Bundle Pricing Strategy（捆绑定价策略）吸奶器+配件 Bundle 定价，AOV 提升 +$6-8（ROI 10-15万）

定价效果验证

如何确认调价是否真的有效？

Difference-in-Differences (DiD) for Causal Effect Estimation差分法验证调价净效应，区分调价效果与季节波动 Identified Bayesian MMM — 基于高斯过程的无混淆贝叶斯营销归因贝叶斯 MMM 分离价格效应与广告效应，避免两者混淆（ROI 1000万）