Традиционно ценообразование в розничной торговле устанавливалось на основе статичных ценовых правил, которые использовали ограниченное количество данных (например, структуру затрат, коэффициент конверсии и т.д.) При таком подходе огромное количество важных данных - как о покупках, так и не связанных с покупками - оставалось неиспользованным.

На сегодняшнем быстро меняющемся и высококонкурентном рынке розничных продаж становятся все популярнее стратегии динамического ценообразования, основанные на данных. Взрывной рост больших данных и заложенный в них потенциал для разработки подходов ИИ и машинного обучения к стратегиям ценообразования открыл новые возможности для интеллектуальных решений в области продаж и ценовой политики. Технология машинного обучения выводит динамическое ценообразование на новый уровень: можно обрабатывать большие массивы данных, учитывать различные факторы влияния для прогнозирования эффекта от изменения цен и делать это достаточно быстро.

Сегодня, благодаря искусственному интеллекту и машинному обучению, ритейлеры могут с большей легкостью получить полное представление о том, что делают конкуренты и покупатели в любой момент времени, а также лучше понять влияние и причины их покупательского поведения. Это позволяет разрабатывать новые, более обоснованные стратегии для повышения удовлетворенности клиентов и прибыльности компании.