Skip navigation

DSpace

機構典藏 DSpace 系統致力於保存各式數位資料(如:文字、圖片、PDF)並使其易於取用。

點此認識 DSpace
DSpace logo
English
中文
  • 瀏覽論文
    • 校院系所
    • 出版年
    • 作者
    • 標題
    • 關鍵字
  • 搜尋 TDR
  • 授權 Q&A
  • 幫助
    • 我的頁面
    • 接受 E-mail 通知
    • 編輯個人資料
  1. NTU Theses and Dissertations Repository
  2. 管理學院
  3. 商學研究所
請用此 Handle URI 來引用此文件: http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/21647
標題: 探討零售業之定價策略-以A公司為例
Pricing strategy in retail industry
作者: Mei-Ming Lee
李美明
指導教授: 郭佳瑋
關鍵字: 價格策略,隨機森林,XGBoost,邏輯斯迴歸,共變數分析,
pricing strategy,Random Forest,XGBoost,logistic regression,ANCOVA,
出版年 : 2019
學位: 碩士
摘要: 價格是行銷領域中重要的一環,好的定價策略不但能達到市場區隔的目標,也能提高消費者願付價格,完善的收益管理制度更是企業獲利之關鍵。
越來越多企業試著透過動態定價來提高收益,然而,錯誤的定價策略不但未能達到目的,更可能造成市場供需不平衡,進而產生缺貨或存貨成本。本論文所研究的對象為跨國企業A 公司,其產品由公司總部統一定價,總部會根據銷售狀況進行動態定價,台灣分公司面臨的問題是,總部頻繁的調整價格使台灣市場出現供需不平衡的問題,導致部分商品必須降價求售。因此,本論文的目的是找出價格波動頻繁的商品,瞭解其價格走勢與特徵,爾後有類似特徵的新產品上市,便能協助管理者預測其價格未來走勢。
本研究以A 公司2014~2018 年的歷史資料作分析。研究中建構三個預測模型(預測前先將產品按歷史價格分為六類):
模型一:透過隨機森林、XGBoost 演算法預測產品類別,進而瞭解該產品未來價格走勢。
模型二:使用邏輯斯迴歸預測類別之機率,並找出類別間之差異。
模型三:給定類別下,進一步以共變數分析預測下期價格。
研究結果顯示,XGBoost 模型之預測力較隨機森林好。當產品特徵為(1)價格較低(2)熱銷顏色(3)產品款式是18~24 歲與35 歲以上消費者所偏好的款式(4)上市的月份是在四、五、八、十月,總部可能會頻繁地調價。在價格方面,本期價格與下期價格顯著正相關,且影響程度因改變價格次數多寡有所不同(有顯著交互作用)。
URI: http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/21647
DOI: 10.6342/NTU201901094
全文授權: 未授權
顯示於系所單位:商學研究所

文件中的檔案:
檔案 大小格式 
ntu-108-1.pdf
  目前未授權公開取用
3.17 MBAdobe PDF
顯示文件完整紀錄


系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。

社群連結
聯絡資訊
10617臺北市大安區羅斯福路四段1號
No.1 Sec.4, Roosevelt Rd., Taipei, Taiwan, R.O.C. 106
Tel: (02)33662353
Email: ntuetds@ntu.edu.tw
意見箱
相關連結
館藏目錄
國內圖書館整合查詢 MetaCat
臺大學術典藏 NTU Scholars
臺大圖書館數位典藏館
本站聲明
© NTU Library All Rights Reserved