برآورد قیمت داده‌محور با نمونه‌های مشابه و هوش مصنوعی
مشتری می‌پرسد «قیمتش چقدر است؟» و کارشناس به آخرین معامله‌ای فکر میکند که یادش مانده است. برآورد قیمت می‌تواند پایه محکم‌تری داشته باشد: معامله‌های گذشته خود شما. در این مقاله با یک مثال عددی می‌بینید میانه و چارک‌ها چه می‌گویند، نمونه مشابه را چطور انتخاب کنید و هوش مصنوعی کجای این کار می‌نشیند.
محصول آماده کارن تکنولوژی
این را روی داده واقعی کسب‌وکار خودتان ببینید
آنچه در این مقاله می‌خوانید، در محصولات کارن پیاده‌سازی شده است. در جلسه دمو، همان را روی داده و فرآیند خودتان اجرا می‌کنیم.
درخواست دمو رایگان یا تماس بگیرید: ۰۲۱-۸۸۶۱۴۲۸۲در این صفحه
قیمت معمولاً از کجا می‌آید
در خیلی از شرکت‌ها، قیمت پیشنهادی از سه جا می‌آید: حس کارشناس باتجربه، آخرین معامله‌ای که در یاد مانده و فشار مشتری روبه‌رو. این روش‌ها بیارزش نیستند، ولی دو ضعف دارند.
اول اینکه تکرارپذیر نیستند. برای یک محصول، دو کارشناس ممکن است دو قیمت متفاوت بدهند و هیچ‌کدام نتواند دلیلش را نشان بدهد. دوم اینکه به نمونه‌های پررنگ وابسته‌اند. یک معامله بزرگ یا یک شکست تلخ از معامله‌های معمولی بیشتر در حافظه می‌ماند.
در حالی که بیشتر این پاسخ در داده خود شماست. معامله‌های بستهشده نشان می‌دهند مشتری واقعاً چقدر پرداخت کرده است، نه اینکه در فهرست قیمت چه نوشته بوده است. برآورد قیمت داده‌محور از همین‌جا شروع میشود.
چرا میانگین گمراه میکند
فرض کنید برای یک دسته از محصولات این نه قیمت فروش را دارید. این عددها فرضی‌اند و واحدشان میلیون است: ۳۰۰، ۳۵۰، ۴۰۰، ۴۲۰، ۴۵۰، ۴۸۰، ۵۲۰، ۶۰۰ و ۹۰۰.
جمع این عددها ۴٬۴۲۰ است و میانگین آن‌ها حدود ۴۹۱ میشود. میانه، یعنی عددی که وسط فهرست مرتب‌شده قرار دارد، ۴۵۰ است. فاصله این دو از یک معامله بزرگ می‌آید.
حالا معامله ۹۰۰ را کنار بگذارید. میانگین هشت عدد باقی‌مانده ۴۴۰ میشود، یعنی حدود ۵۱ واحد پایین می‌آید. میانه هم ۴۳۵ میشود، یعنی میانگین دو عدد وسط (۴۲۰ و ۴۵۰)، و فقط ۱۵ واحد تغییر میکند. میانه در برابر یک عدد استثنایی مقاوم‌تر است. برای همین نقطه شروع بهتری است.
میانه و چارک‌ها به زبان ساده
میانه به‌تنهایی نمی‌گوید عددها چقدر پراکنده‌اند. برای این کار چارک‌ها را هم نگاه می‌کنیم. چارک اول عددی است که حدود یک‌چهارم معامله‌ها زیر آن‌اند و چارک سوم عددی است که حدود سه‌چهارم معامله‌ها زیر آن‌اند. در همان مثال فرضی:
| آماره | مقدار (میلیون، فرضی) | چه میگوید |
|---|---|---|
| کمینه | ۳۰۰ | ارزان‌ترین معامله؛ شاید استثنا باشد |
| چارک اول | ۴۰۰ | پایین بازه معمول |
| میانه | ۴۵۰ | مرکز واقعی معامله‌ها |
| چارک سوم | ۵۲۰ | بالای بازه معمول |
| بیشینه | ۹۰۰ | گران‌ترین معامله؛ شاید استثنا باشد |
حدود نیمی از معامله‌ها بین چارک اول و چارک سوم قرار می‌گیرند. پس بازه ۴۰۰ تا ۵۲۰ از بازه ۳۰۰ تا ۹۰۰ خیلی گویاتر است. اندازه این بازه هم پیام دارد. اگر خیلی پهن باشد، شاید نمونهها واقعاً شبیه هم نیستند. روش‌های محاسبه چارک کمی با هم فرق دارند. این مثال با روش QUARTILE.INC در Excel حساب شده است.
نمونه مشابه را چطور انتخاب کنیم
برآورد قیمت روی نمونه نامربوط، حتی با آمار درست، بی‌فایده است. انتخاب نمونه یک بده‌بستان دارد. هر چه شرطها خاص‌تر باشند، نمونهها شبیه‌ترند ولی تعدادشان کمتر است. هر چه شرطها کلیتر شوند، تعداد بیشتر میشود ولی شباهت کم میشود.
راه عملی این است که از خاص به عام بروید و هر جا به حداقل نمونه رسیدید بایستید:
- دسته و برند: شبیه‌ترین نمونهها. در مثال فرضی فقط ۲ نمونه هست و کافی نیست.
- دسته و نوع: کمی کلیتر. در مثال فرضی ۹ نمونه پیدا میشود و همین‌جا می‌ایستیم.
- فقط دسته: آخرین پله، اگر مرحله قبل هم کافی نبود.
قیمت آگهی، قیمت بستهشده و زمان
همه عددهای تاریخی یک معنا ندارند. قیمتی که در پیش‌فاکتور یا آگهی آمده پیشنهاد فروشنده است. قیمت قرارداد بستهشده نتیجه مذاکره است و خریدار آن را پذیرفته است. به همین دلیل، قراردادهای بستهشده مرجع قوی‌تری هستند. آن‌ها را جدا ببینید.
زمان هم مهم است. وقتی قیمت‌ها سریع تغییر می‌کنند، معامله دو سال پیش تصویر امروز را نشان نمی‌دهد. پیش از اعتماد به آمار، تاریخ نمونهها را نگاه کنید. اگر بیشتر آن‌ها قدیمی‌اند، به میانه تکیه نکنید و نمونه‌های تازه را جداگانه بررسی کنید.
از آمار تا بازه، قیمت آگهی و حاشیه مذاکره
آمار خودش قیمت نیست. باید به سه تصمیم تبدیل شود: بازه‌ای که از آن دفاع می‌کنید، قیمتی که اعلام می‌کنید و مقداری که میتوانید در مذاکره پایین بیایید.
در مثال فرضی ما، یک انتخاب ممکن این است: بازه ۴۰۰ تا ۵۲۰، قیمت آگهی ۵۲۰ و کف مذاکره ۴۵۰. حاشیه مذاکره میشود ۷۰ میلیون (۵۲۰ منهای ۴۵۰)، یعنی حدود ۱۳٫۵ درصد قیمت آگهی. این یک قاعده نیست، فقط یک نمونه تصمیم است. شرکت دیگر ممکن است با سیاست دیگری عدد دیگری انتخاب کند.
یک محدودیت را فراموش نکنید. این آمار از قیمتهای گذشته می‌آید و بهای تمامشده امروز شما را نمی‌شناسد. پس کف مذاکره را با هزینه واقعی هم بسنجید.
هوش مصنوعی کجا وارد میشود
اگر از یک مدل زبانی بپرسید «این محصول چند باید فروخته شود؟»، جوابی روان می‌گیرید. ولی آن مدل معامله‌های شما را ندیده است و عددش پشتوانه‌ای ندارد. این همان خطری است که در مقاله چرا هوش مصنوعی نباید عدد بسازد توضیح دادیم.
ترتیب درست برعکس است. سامانه نمونهها را پیدا و آمار را محاسبه میکند. بعد همین آمار به مدل داده میشود و مدل روی آن استدلال میکند. کار مدل نوشتن است: توضیح اینکه چرا قیمت در این بازه است و چه چیزی آن را بالا یا پایین می‌برد.
ورودی مدل باید روشن باشد: تعداد نمونهها، سطح شباهت، پنج آماره و قراردادهای مرجع. در دستور هم بنویسید هر عددی که می‌آورد باید از همین ورودی باشد. بعد عددهای متن را با جدول آمار مقایسه کنید. اگر عددی در جدول نیست، آن جمله را حذف کنید. آمار هم باید کنار متن دیده شود تا خواننده بتواند خودش بررسی کند.
عوامل افزایش و کاهش قیمت
دو معامله با یک محصول، لزوماً یک قیمت منصفانه ندارند. این عوامل معمولاً توضیح می‌دهند چرا قیمت از میانه فاصله میگیرد:
- حجم و تعداد: خرید بیشتر معمولاً قیمت واحد را پایین می‌آورد.
- سفارشی‌سازی: تغییر نسبت به نسخه استاندارد هزینه دارد.
- زمان تحویل: تحویل فوری یا موجودی کم می‌تواند قیمت را بالا ببرد.
- خدمات همراه: نصب، آموزش و پشتیبانی بخشی از ارزش معامله‌اند.
- شرایط پرداخت: پرداخت نقدی با پرداخت چندمرحله‌ای یکسان نیست.
وقتی مدل چنین عواملی را می‌نویسد، با آن‌ها مثل فرضیه رفتار کنید. آمار میگوید عددها کجا هستند. دلیل را خود مدل نوشته است و کارشناس باید درستی آن را بسنجد.
برآورد قیمت کجا جواب نمی‌دهد
- محصول تازه: نمونه‌ای وجود ندارد یا نمونهها فقط از نظر دسته شبیه‌اند. اینجا از بهای تمامشده و بررسی بازار شروع کنید.
- پروژه‌های خیلی متفاوت: اگر محدوده کار از هر پروژه تا پروژه دیگر عوض میشود، بازه خیلی پهن میشود. نمونهها را با اندازه پروژه جدا کنید.
- داده آلوده: تخفیف ثبت‌نشده، واحدهای مختلف پول یا قیمت کل به‌جای قیمت واحد، آمار را خراب می‌کنند.
- تغییر شدید بازار: وقتی شرایط ناگهان عوض شده است، گذشته راهنمای ضعیفی است.
برای شروع چه داده‌ای لازم دارید
برای امتحان کردن برآورد قیمت از داده خودتان، لازم نیست سامانه پیچیده‌ای داشته باشید. برای هر معامله این فیلدها را داشته باشید: دسته، برند، نوع، تعداد، قیمت نهایی واحد، تاریخ و وضعیت. فیلد آخر مهم است، چون باید معامله بستهشده را از پیشنهاد جدا کند.
یک تمرین ساده: برای پرفروش‌ترین دسته خود، میانه و چارک‌ها را حساب کنید و با قیمت‌هایی که این روزها اعلام می‌کنید مقایسه کنید. همچنین ببینید هر کارشناس چقدر با این بازه فاصله دارد. اگر قیمت‌ها را در مرحله پیش‌فاکتور پیگیری می‌کنید، پیگیری پیش‌فاکتور هم داده خوبی برای همین کار می‌سازد.
تصمیم نهایی همچنان با انسان است. اگر کسی از بازه فاصله میگیرد، فقط دلیلش را بنویسد. همین دلیل‌ها بعداً نشان می‌دهند برآورد کجا باید بهتر شود.
نمونه عملی: Caren Enterprise AI
برای دیدن این روش در یک محصول، Caren Enterprise AI، محصولی از کارن تکنولوژی، را مثال می‌زنیم. در بخش فروش و بازاریابی آن، برای یک محصول یا خدمت بازه قیمت پیشنهادی، قیمت پیشنهادی آگهی و حاشیه مذاکره را همراه با عوامل افزایش و کاهش قیمت می‌گیرید.
نمونه‌های مشابه از خاص به عام انتخاب میشوند، از دسته و برند به دسته و نوع و بعد دسته، تا دست‌کم ۳ نمونه به دست آید. کمینه، چارک اول، میانه، چارک سوم و بیشینه در سامانه محاسبه میشود و قراردادهای بستهشده هم بهعنوان مرجع می‌آیند. هوش مصنوعی فقط روی همین آمار استدلال میکند.
این برآورد از داده همان سامانه‌ای می‌آید که سفارش‌ها و قراردادها در آن ثبت میشوند. قیمت Caren Enterprise AI بسته به ابعاد سازمان، ماژول‌ها و مدل استقرار تعیین میشود.
می‌خواهید برآورد را با یک محصول واقعی ببینید؟
برآورد قیمت Caren Enterprise AI را در یک دموی زنده ببینید.
پرسش‌های متداول
نه. برآورد قیمت میگوید بر اساس داده، عدد معقول کجاست. قیمتگذاری تصمیم نهایی است و هزینه، استراتژی، رقابت و سیاست تخفیف را هم در نظر میگیرد. برآورد خوب ورودی این تصمیم است، نه جایگزین آن.
اول شرطها را کلیتر کنید و سطح شباهت را اعلام کنید. اگر باز هم نمونه کافی نبود، آمار نسازید. از بهای تمامشده، بررسی بازار و نظر کارشناس شروع کنید و برآورد را صریحاً اولیه بنامید.
چون یک معامله خیلی بزرگ یا خیلی کوچک میانگین را زیاد جابهجا میکند، ولی میانه را کمتر. این به معنی بیارزش بودن میانگین نیست. اگر عددها پراکندگی کمی داشته باشند، این دو به هم نزدیک میشوند.
نه در آمار قیمت فروش، چون آن قیمت پذیرفته نشده است. ولی جدا نگهشان دارید. اگر بیشتر پیشنهادهای بالای یک عدد از دست رفته‌اند، این نشانه مهمی است که آمار معامله‌های موفق به‌تنهایی نمی‌دهد.
سادهترین راه محدود کردن نمونهها به یک بازه زمانی تازه است. اگر نمونه کم شد، میتوانید با یک شاخص معتبر قیمت قدیمی را تعدیل کنید، به شرطی که روش آن را ثبت کنید. عدد تعدیلشده را با قرارداد واقعی یکی نگیرید.
بهتر است جدا بمانند. قیمت اعلامشده در بازار با قیمت معامله بستهشده شما یکسان نیست و شرایط فروش آن را هم نمیدانید. آن را بهعنوان مرجع دوم کنار آمار داخلی ببینید، نه داخل آن.
بله، ولی سختتر است. پروژهها از نظر محدوده کار شبیه هم نیستند و بازه معمولاً پهن میشود. نمونهها را بر اساس اندازه پروژه جدا کنید و تفاوت محدوده کار را کنار عدد بنویسید.
