00:03
手、手、手。どっちの見える手。どっちの見える手とアダムスミスの見えざる手。どっちを信じるかっていう話。
今日の話ね。 そう、需要と供給のバランス取っていきましょうよっていうダイナミックプライシング。
急に真面目ね。 急に真面目。話ですよ。そういう話ですよ。
前回もダイナミックプライシングの事例みたいな話だけど、別に単体で聞いても割と完結はしてるかなっていう気はしている。収録を終わった今。
まあでも、ダイナミックプライシングの特徴量で、重み付けみたいなのがあるのかみたいな。
価格弾力性の話はね、俺的には結構刺さったというか。 えーって感じ。
経済学の話だからね。 あんまり畑違いますもんね。
そうね。ダイナミックプライシング気になってるとか、まあそもそもたっちゃんの企業ストーリーの一部になってるんで。
これ増えてったらあれだね。 Spotify のプレイリストとか作りたいね。
ダイナミックプライシングとは何ぞやが個人的には結構わかる回になってるかなと思いますので、ぜひ最後までお付き合いください。
隣のデータ分析屋さん。この番組は隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁを叶えるポッドキャストチャンネルです。
データアナリストのりょっちです。 データサイエンティストのたっちゃんです。
企業物語第2弾。前回の続きだね。
前回まででダイナミックプライシングっていうのが世にはあると。
簡単に言うと時間とともにその商品の価格を変動させながら売り上げのバランスをコントロールしたり、お客さんの動員数をコントロールして、
込むときには高くして、空いてるときには価格を安くするみたいな。
公民化なんかの授業で習った、授業と供給の曲線がずれたときにその線を補正するために動くプライシングの仕方だよね。
そうですね。まさに経済とかの話で出てくるやつですよね。
アダム・スミスね。
ミエザルテ。
そう、コクフロン、ミエザルテ。
懐かしいな。
前回のエピソードの最後にさ、行動経済学の逆襲って本、いいよ面白いよって言ったじゃん。
はいはい。
そうで、あれの中でこのミエザルテの話も出てくるのよ、経済学の本だから。
03:04
で、コクフロンっていう文章の中に出てくるの、このミエザルテって。
うーん。
全くメインコンテンツじゃないらしい。
えっ、そうな。
結構びっくりじゃない。
うん。
なんならワンチャン本人覚えてない説ぐらい、なんかほんと一説でチラッと出てくる言葉らしいの。
えっ、そうな。
関東で書いてるやつじゃないの。
全然。だからコクフロンの中の、なんかまあそういうバランスがずれたらちょっと調整する、なんかまるで見えない手があるみたいだねっていう、書いただけなんだって。
えー。
それをこんなにも大きく教科書で太字で書く。
だからアダム・スミスが一番びっくりしてる、たぶん今。100年後みたいな。
えっ、えっ、えっ、なに、ミエザルテってなに、えっ、俺、俺っつって。
すごいね、流行語大賞を取ったぐらいのもうなんかビッグワードですよね。
いや、そうよ。
なのに、なんかその狙って出したワードではない、あくまでなんかこう喋ってる中で出たみたいな、こう書いてるうちでちょっと比喩表現として使ったみたいなのが、たぶん誰か流行らせてえと思ったやつというか、なんかピンときたやつが言いふらしまくって流行っちゃったんだろうね。
えー、そういううんちくめっちゃ持ってますよね。うんちくんだから俺。うんちくんて読んで。
ほんとにね、でも知らなかったしね、国風論っていう著書も知らなかったわ。
そうなんです。うん。
何を言ってんだろうと思ったけど。
国を、あのあれだよ、不国共兵の逆、国を飛ませる論。
そういうこと?意味としては。あ、あ、日本語?あ、そうだよ。あ、そういうことか。
あー、完全にカタカナだと思ってた、国風論って。
あ、違う違う違う違う。
そう、なんか最近出てるよ、そのなんか変な、変な、おちょこちょいというか変な天然みたいなやつ。
この間のエピソードもなんかあのしょっぱい、ただ味が勝ちでしょっぱいと思ってなんか喋りきってたでしょ。
あったわ、しょっぺくて飴とか言ってたの、なんかぬりーか。
しょっぺくてぬりービールが中国にはあるって話ね。
うん、言ってたね。まさか味のしょっぱいを言ってるところ。
まあだから、見えざる手を見える手にするのがダイナミックプライシングだよね。
あ、いいこと言いますね、確かに。見えざる手を見える手にする。
その見える手が何かっていうのが、まあ今日まさに喋りたかったAIとかを使ってモデルとして作るっていう話ですね。
うわー、これ構成に残っちゃうな。最適化は見える手にしますみたいな。
06:05
見えざる手を見える化する。
あー、出ちゃう。
じゃあ行きますね。はい。
で、じゃあどうやってそのダイナミックプライシングを導入していくかっていう話で、
まあ一個前のエピソードで出てきたサッカーの試合のチケットの価格とか、ディズニーランドのチケット価格が変化するっていうところで、
まあこれって一言で言うと、需要を予測して先に金額を決めに行ってるわけですよ。
うんうんうん。
で、これって機械学習を使って将来の需要を予測するっていうところにマッチしていて、
確かに。
未来にお客さんがどれくらい人が来るかっていうところは機械学習使えば簡単に予測できると。
まあそうだよね。
なんか最近あれもそうじゃない?そのプライシングは変えないけど、JRとかのオフピークなんちゃらみたいな。
その時間に乗らなかったらなんかが安いみたいな話とか、ポイント還元が多いとか。
うんうん。
でも、まあなんか外的要因で、その需要と供給、需要過多になった状態をなるべく供給とのバランスが合うイーブンポイントに戻そうとする仕組みみたいな。
そうだね。
雨の日に割引しますよとか、なんかそういう取り組みに近いですね。
そうだよね。
それをちゃんともう実際に払うお金を動かしちゃうっていうのがダイナミックプライシングね。
そういうことそういうこと。今のはクーポンとかを使って、どうにかこう価格は変更させないけどお客さんの需要が減った部分を補填するっていう話。
もしそれやるんだったら、機械学習を使って将来予測するっていうので十分なんですよ。将来どれくらいお客さんが来るかどうかを数値として見れるから。
でもここって大きく2個問題があって、1個目の問題は金額をいくらに設定したらいいのかってそもそもまだわからないんですよ、この段階では。
2個目が金額を変更したときにどれくらいお客さんが減るのか増えるのかっていうのもまだ見えてないっていう状態なんですよね。
だからまだ課題が残ってる。将来を予測しただけじゃ。
ああ、そうだね。
そう。だからこの問題を解決するために次に使われるのが数理最適化の技術。
来ました。
はい。
野菜詰め放題だよね。
よく覚えてますね。そうですそうです。
多分ね、ピンとこないコワーカーの人たちもいるんですよ。
あー、もぐりね。
野菜詰め放題がね、北海道にはあるっていう話を、北海道じゃなくてあるんだけど、
09:04
袋をもらって、その人参、玉ねぎ、ジャガイモのどの組み合わせで入れたら一番元を取れるかっていう話。
これって数理最適化で求められるよっていう話をしていて、
ただ北海道の人はその詰め放題にめちゃめちゃたけてるから、めっちゃ袋詰めうまいっていう話を確かした。
したよね。
した。
数理最適にストール。
っていう話ね、まさに。
あんまりピンときてません。
まだきてないですよね。
そう。で、どうやって使うかって話は結構数式とかが出てきて難しくなってくる話なんで、
それは一回置いておいて、やりたいことはいくらで価格を設定したら利益が最大化するかっていう問題を解きにいくっていうのが数理最適化でやりたいこと。
利益最大化させるためにはっていう話。
そうだね。
いやなんかダイナミックプライシングの話するときにとか、なんかその売上最大化の話するときに変数めちゃめちゃあるじゃん。
だから数理最適化なのかなと思ってて。
うんうん。
なんかなんだろうな、分かりやすい。
どのぐらいシンプルにすれば分かりやすいのかなっていつも思ってて。
なんかバイトのシフトとか俺結構分かりやすい例だと思うんだよね。
バイトのシフト。
俺とかは居酒屋でバイトしてたりしたから、そうすると居酒屋のバイトって金道のシフトと月火水とかのシフトの割り振られる人数って倍ぐらい違うんだよね。
あーそうだね。違う。
で、それ倍の人数入れるってことは経費を倍にしてるわけじゃん。店の経営目線からしたら。
経費倍だけど倍にしてでも、で価格は変えないんだよね。価格変えないからどれだけの人をさばけるかみたいなところで売上をどう立てるかっていうのを考えるみたいな。
イメージとしては価格を上げれば来る人が減って、居酒屋の今の例でいうと。そうするとシフトに8人入れてたところを6人にできるから、賞味最大化する、売上というか利益が最大化するっていうイメージだよね。そこの減らして増やしてみたいな。
そういう、確かにそういう意味だと今の居酒屋の例だと、バイトの人数は固定しますと。いつも4人。土日も平日も。で、商品の値段をいじる。金曜土曜はお客さんいっぱい来るけど、商品の値段もめっちゃ高くしよう。
そしたらお客さんってあまり来なくなる。逆に安くしたらお客さんいっぱい来るけど、お店回んなくなる。お店を回るような状態を常にキープしつつ、できるだけお客さんをさばける金額で維持させていきたいっていうのがお店がやりたいこと。
12:11
なるほど、そういうことか。どっかは固定するのか。利益は最大化させたいけど、そのギリギリを求めにいくっていうのを、数理最適化っていう技術を使ってやりましょうっていう、そんな話かな。
なるほどな。あ、そっかそっかそっか。スポーツとかまさにキャパが決まってるから、さばけるキャパが決まってるから、スタジアムの。それに合わせて、そこに寄ってくる人数に合わせて席の値段を上げて、倍率を一定に保つみたいな。そういうことですね。
なるほどね。なので、ダイナミックプレイジングをやりたいことは、お店が利益を最大化させたいと。ただ、いくつかのお店のキャパとかシフトの人数とかっていう上限がある中で、制約がある中で、いくらに金額を設定すればいいんだっけっていう、そんな問題を解きましょうっていうお話です。
それをAIにやらせよっていう、ざっくり言うとね。そういう話になるので、こうすることで、さっき課題にあった、いくらで価格を設定すればわからないっていう問題は解決できると。
もう一個、これキーポイントになるのが、価格を変更したときに、どれだけお客さんが来るか来ないかっていう、その需要の変化を求めなきゃいけないというか、わからないっていう問題が一個残っていて、これって商品とかによって金額を変化させたときに、その需要が変化するかってバラバラなんですよね。
例えば、トイルトペーパーとか、ティッシュとか、洗剤とか、そういうものって、いくら金額が高くても、人って必要だから買うじゃないですか。だから、金額が変化しても、需要って変わらないものってあるんですよね。
一方で、ビトンのバッグとか、MacBookとか、そういうものって価格が高くなったら、買わないよっていう需要が減ったりする、そういったものもあるわけですよ。
そういうことか。あるね、確かに。プロダクトの種類によって違うのか。
だから、簡単に言うと、生活必需品って価格の変化によっても、需要ってあまり大きく動かない。逆に贅沢品って言われるものは、価格が急に高くなったり低くなったりすると、需要ってめっちゃ変わるんですよね。
そういう商品ごとに、価格の変動に敏感なものと敏感じゃないものっていうのがあって、それを経済学の用語で言うと価格弾力性って言うんですけど、今のこの一つ特徴というか、商品ごとに割り振られる価格弾力性っていうものを使って
15:19
さっき話していた金額設定を商品ごとに決めていくっていうことをやりたいのがダイナミックプライシングなんですよね。ちょっと難しくなってきた。
どっちの弾性力が強いって表現するんだそれは。需要が価格が上がっても需要は変わらん方が弾力は小さい。小さいのか。固い石みたいな弾力性はないわけです。
なるほど。バネ定数線ね。
そうなのか。バネ定数って大きい方がいいの?
大きい方が反発力強い。
あーじゃあ反発力小さいから弾性力1。
逆に車とかジェット機とかジェット機買う人いないか。家とか。
まあねポッドキャストが伸びたらジェット機ぐらいはね。
買わなくても生きていけるものは価格弾力性が大きいって言われてますね。
それはなんかそのダイナミックプライシングに相性が良い悪いがあるっていう話?その弾力性の話が出てきた流れがわかんなくなっちゃった。
金額変更した時に需要ってどういう風に変化するかっていうところを知っておきたいっていうのがあって。
めっちゃシンプルに言うと商品ごとに金額を決めに行きたいっていうことがやりたいこと。
だからその商品の特徴を表すものとして価格弾力性っていうパラメータを用意しましたっていう話なんですよね。
最適化する上で例えば需要が10%上がりましたってなったら全部の価格を10%上げて適正価格適正に落とすんじゃなくて
上げていいもんは10%なんなら30%ぐらい上げるし、上げなくてもいいもんは5%ぐらいで抑えておくしみたいなのの調整。
機械学習でいうところの重み付けみたいなのをするイメージ。
そういうイメージですね。
変えてもいいものとそうでないものか。
まさにそういうことだね。
だから前回のエピソードの最後にも言ったかもしれないんですけど、
ダイナミックプライシング実現させるためには機械学習と数理最適化っていうこのDXやるぞってなったときに絶対必要になるだろう2つの技術
プラス経済学でよく使われる価格弾力性っていうそんな指標を組み合わせることで本来やりたいAIによる金額の決定っていうのが実現できるっていうそういう流れですね。
18:07
確かに。だからそうするとUberとかは割と楽なんだね。その価格弾力性がないわけじゃん。言っちゃえば。
タクシーっていう一つの商品に対しての価格弾力性を1個決めておけばいいからね。
そうだね。でもアメリカのUberとかだと愛乗りと一人貸切とラグジュアリー等みたいな3段階分かれてるから、そうするとその3段階の中に価格弾力性を入れてる可能性はあるよね。
確かにそうだね。ラグジュアリーは多分弾力性高めじゃん。で、愛乗りは多分低めじゃん。で、多分その人たちはそれに乗らないと移動ができんみたいな。近くに電車も通ってないしみたいな。
なるほどね。そこでは確かに調整しそうだけど、なんとなくこうラグジュアリーの方は意識したことなかったから上がってるか下がってるかすら気にしたこともなかったな。
じゃあそれ乗らないっていう選択肢が出てくるから需要は減っちゃうよねっていう話ですね。
確かに。グリーン車4000円とかになったら乗らないもんな。
で、これでやったハッピーダイナミックプライシングが実現できるってみんな思って導入すると落とし穴にはまるっていうところでそんな上手い話じゃないっていうのがあると。
お前らがそんな値段上げたら生活できないだろ。こっちは必需品なのに。
っていうのもあるし、なんで今まで使ってたサービスが急にこんな価格上がっちゃうの。もうこのサービス通貨ワンっていう顧客離れが起きるとかね。
結構ねこれ、実生活で出てくると思いますよ。
前回のエピソードの最後で話した行動経済学の逆襲のやつだと、ウーバーがそれでなんかハリケーンの災害かなんかが起きたときに、
どうしても移動したい人たちがいるのに、ドライバーの数が足りてないし、大雨だしっていうので、価格を爆裂に釣り上げて使える人がいなくて、
っていうのでアメリカの政府に目つけられて、有事の際の価格設定、ダイナミックプライシングの上限額みたいなのを決められてたね。
そういう背景があったんですね。
ウーバーはね、あったらしい。
例え話で911起きたときにニューヨークでいきなりウーバーが爆裂に値段積み上げてたら、もう終わるじゃん、街がみたいな。
確かに確かに。
っていうのを本の例で書いてあったから911出したけど今。
そういうところにはちゃんと対応しようねみたいな。
需要が上がって売上げ上げなきゃいけないのをわかるから、過去3ヶ月だっけな、過去数週間の最高値以上は絶対に上げないようにするみたいな、政府との取り決めを決めたみたいな。
21:08
ダイナミックプライシングもダイナミックすぎるとダメっていう例がそこに出てたね。
でもまさにそういうところですね。
ウーバーだったら価格の運賃を引き上げを止めるっていうところで、今それは当たり前だったけど多分昔は違ったってことですよね。
そうだね、乗車料を上げたとて、それで運賃が上がったとて、それで運転手が増える数にも限界はあるじゃん。
確かにね。
倍に上げたから人が倍になるかっていうとそうじゃないじゃん。
そこのバランス崩れちゃってるんじゃないの?みたいな話は聞いた。
それでウーバーに対する不満とか不信感っていうのがユーザーが持ってしまうと、いくらウーバー側で利益上げて嬉しいってなっても、最終的なLTVみたいな考え方すると下がっちゃうっていうね。
Amazonとかもあったりするんですよ。
Amazonも時間とともに価格でちょっとずつ変化してるので有名だと思うんですけど、あれも例えば予約販売の商品とか、事前にお金払って予約費を待つ。
そういうことでロッジが出した本とかですよ。
はいはいはい。
を買いますと。予約販売で買いました。お金払いました。で、5月の30日を待ちますっていう時に、翌日その価格を見に行ったら100円下がってたとか。
っていうのが起きちゃうと、え?みたいな。
昨日買ったのにみたいなね。
そうそう。そういう気持ちになるとやっぱりお客さんとしては不満、不信感っていうのをやっぱり持ってしまうから。
だからそこに対してAmazonは価格保証プログラムっていうのがあって、予約販売で購入した時から実際に手元に商品届くまでで最低の金額を払っていただきますっていう取り決めというかルールがあるから。
へー。あるんだ。
そう。なのでそこで一応リスクヘッジしてるというか、一応お客さんに対するフォローみたいなのをしておかないと、このダイナミックプライシングの落とし穴にはまってしまうっていうのが全然ありますね。
へー。ダイナミックプライシングの話はなんとなくわかったけど、今リスナーの気持ちを代弁する意味で、あと俺が聞きたいも含めで言うと、そもそもなんでダイナミックプライシングを入れたいと思ったのかっていうところが気になっちゃった。
あーなるほどね。
なんか起業するってなって、プロダクトに落とすってなったら、これまでのサービスのこういうところに不満がありそうだったから、ダイナミックプライシング入れたら当たるだろうみたいなとこなんだろうなとは思ってて、その事業背景みたいなところもちょっと聞きたいなって思った。
24:03
僕がこれから作ってるプロダクトの中で、このダイナミックプライシングを使っていきたいっていう話で、この前回のエピソードが始まってるけど、なんでこの技術使いたいのっていうことですね。
そうそう。
いい質問だと思います。ただこの流行りに乗って、いや価格決めるならダイナミックプライシングでしょって言ってやってるわけじゃなくて。
あーそういうアホではないと。
ちゃんと課題感があって、その説明をするためにはですね、ちょっと今回のサービスの背景みたいなのを先に話さないといけないんですけど、今回のサービスってエンドユーザーがいて、ECサービスを使って商品を買う側と商品を出品する側も我々としてはお客さんに当たるんですね。
で、この場ではどんなお客さんがいるかっていうのは一旦割愛するんですけど、出品するお客さんの業務に我々のプロダクトを入れていかなきゃいけないんで、出品の手間っていうのが必ず発生するんですね。
その時にいくらでこの商品売ろっかっていう手間をできるだけ省きたいっていう意図で、商品だけ出品してくれたらこっち側でお客さんの売上が最大化されるような根付けをしますよっていう機能にしていきたいなっていう。
あーなるほどね。
そういう意図で今このダイナミックプライシングを導入しようっていう、ちょっと今検討を進めているといった。
なるほどね。
じゃあイメージしてるこの時間とかっていうところの要素だけじゃなくて、そもそもその商品自体の希望価格みたいなの、適正価格みたいのがあって、そこからどのぐらいずらすとその分見込める売上数これぐらいだよみたいなのを示してあげれるというか自動で調整してくれるみたいな。
そうですね。おもろ。
だからすでにこういう機能って新しいものじゃなくて、例えばメルカリとかでも商品の写真を撮ったらそれに適した価格って、何か下限から上限までこれくらいで販売したら売れますよっていう提案があると思うので、まさにそういう機能を作りたいよねっていう。
なるほどね。
じゃあなんかこうAIがいい感じに発展してきてる今だからこそチャレンジできるタイミングっていうこと?
まさにそういうことですね。ある程度予測精度が高く妥当な金額が提案できる世界なので導入したいっていう、そんな感じです。
一昔前じゃ厳しいわけだ。
もうあべこべな価格を言われたらこんなん使えないよって送られてたと思うんですけど、今はある程度精度高く出せますね。
最近そういう話すんのが好きで、そのAI活用も多分今流行ってるこのLLMの流れというか、こいつらが来たからできるAI活用が多分今の一番メインストリームになると思ってて。
27:15
はいはい。
っていうこの精度が上がってきた今だからっていう、今だからAI使う意味があるんだっていう見せ方なのか、そもそも誰もただできてなかっただけなのかで結構変わると思ってたんだけど、
AIのベースラインが上がってきたところがキーポイントにはなりそう。
なりそうですね。あとはいくらAIが出してもお客さんが納得いかなかったら使ってもらえないので、そこは細かい調整だったり、どれだけAIの精度を上げられるかっていうところの試行錯誤はきっとこれから進めていって、
その中で出てくると思うんですけど、せっかくチャレンジできるならやりたいよねっていう、そんな技術の紹介でした。
確かに。いやー面白いね。
細かいプロダクトの話とかはオープンにできるタイミングでね。
そうだね、やっていきたいですね。ぜひぜひ楽しみにリリースされるまでを見守っていただけると助かります。
大丈夫ここでファンを掴んでいきましょうよ。
聞いてくれてるコワーカーでも実際に使ってもらえるプロダクトを作ろうとしているんで、リリースしたらもうめちゃめちゃ紹介してもらおうかなと思いますよ。
任せて。
最近バズりにバズってるからね俺。そんなバズりのどっちが次回何を話すんでしたっけ。
いやもうすごいの。最近ツイッターバズが。
この2週間で何千万インプですかっていうぐらいバズりまくってて、100万超え多分6個とかかな。
やばいね。
当たるんだよね。掴んだ。
黒線放ったって感じ。バーンっていったらもう重力の核心掴んでます今。ツイッターXの核心掴んでる。
バズった内容どんな感じだったかっていうのもそうだし、結構拡散がどうやって起きてるかって、ネットワークサイエンスの話このポッドキャストで何度もしてて結構みんな好きじゃん。
俺ん中ではそのネットワークの図が広がっていきながらバズってるイメージを持ってるんだよね。
なるほど。
だからちょっとその実際に起こったバズとネットワーク上でそれを表現したらどうなるかみたいな、そんなちょっと話をできればと思ってます。
自分の出したアクションを自分で分析するっていうとても気持ち悪いことをしようとしてるんですね。
そういうことです。深くしていくっていうのも、たっちゃんの未来思考の話もそう、企業の話もそうだけど、
俺はなんか目の前で作ったそういうバズみたいなのを科学的に解明するみたいな見せ方もちょっと入れれたらいいかなと思って。
30:06
ということでちょっとそんな話を次回はしていこうかなと思います。
はい、楽しみにしています。
隣のデータ分析屋さん、今回も面白いと思ったらフォロー・レビューよろしくお願いします。
番組の感想や質問は、ハッシュタグとなりの分析屋。
隣のがひらがなで、分析屋は漢字でお願いします。
また概要欄に貼ってあるお手紙フォームからコメントを寄せください。
ではまた。バイバイ。
