在过去的两年中，我一直在与建模定价系统纠缠不清，我的主要学习之一适用于这里：

可用的销售数据通常是直接预测任务的糟糕基础，原因很简单：

如果您将所有价格（或以价格 x 的给定产品的交易）分类为客户“接受”和“不接受”，您将意识到客户提供的数据仅包含“接受”价格的实例。

因此，用 y = 需求和 x = 价格对 y ~ x 进行直接建模是不可能的，因为您的 y 不变！

然而，有几种方法可以解决这个问题。在我的评论中，我提到折扣是一个有价值的信息！

您已经注意到折扣不依赖于逻辑变量，它们看似随机，这不是真的！

大多数组织的折扣非常非常灵活，并且通常根据谈判手动应用。这意味着它们是我们目标 y“接受”/“不接受”的一个很好的指标。

考虑一下：

折扣 = 需求 x 未折扣价格

这意味着大折扣表明未折扣价格的需求低/负，低折扣表明需求高。

要真正发现这种关系，您可能需要对相互依赖的因素进行建模，然后通过在残差上训练新模型来消除它们。

编辑：

特别是对于 B2B 域来说，这是一个重要的补充。对于客户来说，对某种产品的需求几乎是一成不变的。与消费者不同，公司不会因价格而购买过剩或不购买。

他们所做的就是更换供应商！这意味着有一个非常重要的未知变量“客户对产品 X 的需求”。你不想为这个变量建模，但你需要它来模拟你真正想做的事情：

钱包份额或贵公司满足的固定客户需求的百分比，目标是确定将优化该百分比的价格。记住这一点很有帮助，因为它限制了任何模型的性能，因为您永远不知道数据中的历史需求已经是总需求的 0% 还是 100%，因此无论价格如何都无法减少/增加。