AI零售动态定价定制：价格弹性估计与库存约束

在零售电商场景里，定价同时受竞品价格、库存水位、流量成本与促销节奏牵制，纯规则调价常陷入「降了价没涨量、涨了价压库存」的两难。本期实验把问题拆成两步：先用商品级历史成交与曝光数据估计价格弹性区间，再在库存与竞品约束下求解一个可解释的小步调价策略，而不是让模型直接输出价格。

方法上设三道约束：弹性估计按类目分层，样本不足的 SKU 回退到类目先验；单次调价幅度设上限并保留护栏价；策略先进灰度，与人工定价组并行对照，观察转化率、毛利与缺货率三项指标。

• 进展：在部分快消类目完成离线回测，弹性显著的 SKU 约占三成，模型给出的调价方向与运营人工判断重合度较高；线上灰度只开小流量，暂未看到毛利显著改善，缺货率略有下降。
• 下一步：对齐促销日历与竞品抓取时间戳，验证大促前后的弹性漂移；并把「不动价」作为对照动作纳入评估，避免把季节性误读为弹性信号。