Agentenbasierte Simulation in der Preisoptimierung

Die Preisoptimierung ist ein wichtiger Schritt zur Erhöhung des Umsatzes. Gerade im dynamischen Umfeld und bei Anpassung der Preise in Echtzeit sind Algorithmen notwendig, die die optimalen Preise berechnen. Diese Algorithmen müssen jedoch vor dem ersten Einsatz getestet werden. Dafür sind agentenbasierte Simulationen (agent based simulation) hilfreich.

Ein aussagekräftige Methode zum Testen von Algorithmen wären A/B-Tests. Jedoch sind diese in der Praxis nur sehr aufwändig durchführbar. Und gerade beim Preis sind die Kunden sehr sensibel und verzeihen fehlerhafte Experimente nur schwer. Daher ist es notwendig, eine Methode zum testen der Algorithmen zu verwenden, die zwar nah an der Realität ist, jedoch die Risiken ausschließt. Dies ist mit agentenbasierten Simulationen möglich.

Beschreibung

Ein Agent ist eine Einheit, die Handlungsmöglichkeiten besitzt. Diese Handlungsmöglichkeiten sind in Algorithmen verpackt. Beispielsweise kann eine solche Handlungsmöglichkeit lauten: Vergleiche alle Preise auf dem Markt. Kaufe das Produkt mit dem niedrigsten Preis. Agenten können so gestaltet sein, dass sie miteinander interagieren. Sie handeln zeitpunktbezogen. Es ist aber auch denkbar, dass die Agenten keine Interaktion durchführen.

In einem System können mehrere Arten von Agenten vorkommen. Z.B. Käufer und Verkäufer.

Diese Agenten führen nun ihre Handlungen aus, wodurch verschiedene Zustände entstehen. Die Entwicklung des Systems wird Systemverhalten genannt. Es ist nicht explizit vorgegeben, sondern entsteht allein durch die Entscheidungen der Agenten. Ein Phänomen bei agentenbasierten Modellen ist die Emergenz. Diese bezeichnet ein Ergebnis, welches nicht direkt aus den Entscheidungsregeln der Agenten abgeleitet werden kann.

Beispiele von agentenbasierten Simulationen

  • Entstehung von Staus
  • Segregationsmodelle (Bewohner ziehen in einen Stadtteil)
  • Ameisenstraßen
  • Wirtschaftssimulationen
  • Tests von Algorithmen

Beurteilung der agentenbasierten Simulation in der Preisoptimierung

Vorteile

  • Simulation von heterogenem Verhalten
  • Konzept ist einfach zu verstehen
  • Entscheidungen werden auf einfache Regeln heruntergebrochen
  • Verbindung von Mikroebene und Makroebene
  • Einbindung von zufälligen Komponenten, z.B. um Irrationalität zu simulieren

 

Nachteile

  • Die Modellierung der Agenten kann willkürlich sein und das Ergebnis beeinflussen.

Durchführung

Im Rahmen der Preisoptimierung muss zunächst das Design festgelegt werden. Dabei ist zu entscheiden:

  • Wie viele Verkäufer gibt es auf dem virtuellen Markt?
  • Wie viele Durchgänge gibt es?
  • Wie sehen die Entscheidungsregeln der Käufer aus?

 

Nachdem das Design feststeht, müssen die Regeln programmiert werden. Es gibt dafür spezielle Bibliotheken bzw. Programme. Jedoch ist prinzipiell jede Programmiersprache verwendbar.

Es ist hilfreich, die Parameter in einer separaten Datei festzulegen und nicht direkt im Quellcode. Dies erleichtert es, Szenarien zu erstellen und zu simulieren.

Während der Programmierung muss darauf geachtet werden, dass die Entscheidungen und Zwischenzustände mitgeloggt werden. Dies ist sinnvoll, um die Ergebnisse auswerten zu können.

Für eine aussagekräftige Simulation sind mehrere Durchgänge mit verschiedenen Parametern notwendig. Bzw. wenn ein Zufallsgenerator verwendet wird mit den gleichen Parametern aber anderen Zufallswerten. Um die Ergebnisse nachvollziehen zu können, sind die Seedwerte der Zufallsgeneratoren zu speichern.

Festlegung von Szenarien

Um Algorithmen unter verschiedenen Bedingungen zu testen, sind Szenarien notwendig. Diese müssen bei der Parametrisierung berücksichtigt werden. Zum Beispiel kann ein Szenario getestet werden, in dem die Nachfrage saisonal schwankt oder konstant ist. Außerdem ist es denkbar, dass in einem Szenario die Nachfrager preissensibler sind als in einem anderen.

Auswertung

Die Auswertung der Verkäufer- bzw. Preisoptimierungsalgorithmen kann in verschiedenen Dimensionen erfolgen.

1.)    Wie gut ist das Ergebnis (Umsatz bzw. Gewinn) gegenüber der optimalen Lösung

2.)    Wie gut ist das Ergebnis (Umsatz bzw. Gewinn) gegenüber Vergleichsalgorithmen

3.)    Wie ist die Performance? Wie lang hat die Berechnung gedauert?

4.)    Wie haben sich die Ergebnisse im Laufe eines Durchganges verändert? Besonders bei selbstlernenden Algorithmen können die ersten Perioden problematisch sein, da der Algorithmus noch kein Wissen über die Nachfrage und die Reaktion auf die Preise hat.

2 Gedanken zu „Agentenbasierte Simulation in der Preisoptimierung

    1. AdminWP1_Mario

      Hallo Kommi,

      ja, solche Programme gibt es. Bisher habe ich damit aber noch keine Erfahrung. Aber wenn es von Interesse ist, dann werde ich mich damit auseinander setzen und einen Beitrag dazu verfassen.
      Mario

Schreibe einen Kommentar