ダイナミックプライシング

需要と供給の状況に応じて価格をリアルタイムに変動させる価格設定手法。航空券やホテル、スポーツチケットなどで広く採用され、AIを活用した自動価格調整が進んでいる。

需要と供給の状況に応じて価格を随時変動させる手法。航空券や宿泊、スポーツ観戦などで用いられ、需要の平準化と収益の最大化を図る。価格の不公平感への配慮が課題となる。

時系列データに、一定の間隔で同じような変動が繰り返し現れる性質。曜日による売上の変動や年単位の季節変動などがあり、傾向変動や不規則変動と分けて捉えることで需要予測の精度を高められる。周期の有無や長さは、自己相関やグラフの形から調べる。

観測データに最もよく当てはまる直線や曲線を求める方法で、各データの実測値と予測値の差（残差）を2乗した和が最小になるように係数を決める。回帰分析で回帰式を求める標準的な方法であり、需要予測で過去の実績から傾向線を引く際にも使う。

時系列データについて、一定の期間の平均を、期間を1つずつずらしながら計算する方法。短期的な変動や不規則な変動をならして基調となる傾向を読み取り、直近の一定期間の平均を次期の予測値とする需要予測にも使う。新しいデータほど大きな重みを置く加重移動平均もある。

前回の予測値に、前回の実績値と予測値の差（予測誤差）に平滑化係数αを掛けたものを加えて、次回の予測値を求める需要予測の手法。予測値＝前回予測値＋α×（前回実績値−前回予測値）で計算し、過去のデータほど重みが指数的に小さくなる。αは0から1の値をとり、大きいほど直近の実績を強く反映する。

価格の変化率に対する需要量の変化率の比で表した、価格の変化に対する需要の反応の大きさ。弾力性が1より大きければ値下げで売上が増えやすく、1より小さければ値下げしても売上は減りやすい。生活必需品は小さく、ぜいたく品は大きい傾向がある。

顧客のサービスに対する現在と将来の需要を把握・予測し、それに応じたサービスの提供能力を確保するプロセス。把握した需要は容量・能力管理に生かすほか、課金や利用時間帯の調整によって需要そのものを平準化することもある。