Dynamic Pricing: Khi AI quyết định giá trên thị trường

Khi một phòng khách sạn, chuyến xe, vé máy bay hay sản phẩm trên sàn thương mại điện tử thay đổi giá chỉ trong vài phút, đó không nhất thiết là quyết định của một nhân viên kinh doanh. Ngày càng nhiều hệ thống sử dụng định giá động (Dynamic Pricing) để biến dữ liệu về nhu cầu, thời gian, tồn kho và phản ứng của thị trường thành một quyết định giá gần như tự động.

Điểm đáng chú ý không nằm ở việc giá thay đổi — điều đó đã tồn tại từ lâu — mà ở chỗ thuật toán có thể quan sát, thử nghiệm, học và phản ứng với các thuật toán khác. Khi ấy, bài toán định giá chuyển từ một bảng giá tĩnh sang một hệ thống ra quyết định liên tục, nơi kinh tế học, tối ưu hóa và trí tuệ nhân tạo cùng tham gia.

Tóm tắt nội dung

• Dynamic Pricing tối ưu giá theo trạng thái thị trường; nó không đồng nghĩa với việc tùy tiện tăng giá hoặc định giá riêng cho từng người.
• AI có thể kết hợp mô hình nhu cầu, tối ưu hóa, contextual bandit hoặc reinforcement learning để học mức giá đem lại mục tiêu kinh doanh tốt hơn.
• Khi nhiều thuật toán cùng phản ứng với nhau, thị trường có thể trở nên hiệu quả hơn nhưng cũng xuất hiện rủi ro phản hồi vòng lặp, giá siêu cạnh tranh và phối hợp thuật toán ngoài dự kiến.

1. Dynamic Pricing không chỉ là “tăng giá khi đông khách”

Dynamic Pricing là cơ chế trong đó giá của một sản phẩm hoặc dịch vụ được điều chỉnh theo thời gian hoặc theo trạng thái thị trường. Biến đầu vào có thể gồm nhu cầu hiện tại, thời điểm, lượng tồn kho, thời gian còn lại trước khi sản phẩm mất giá trị, chi phí, hành vi cạnh tranh hoặc đặc trưng của phiên giao dịch.

Khái niệm này có nền tảng lâu đời trong quản trị doanh thu. Các mô hình kinh điển nghiên cứu việc lựa chọn giá khi doanh nghiệp có số lượng hàng hóa hữu hạn, nhu cầu ngẫu nhiên và một thời hạn bán cụ thể — chẳng hạn ghế máy bay hoặc phòng khách sạn không bán được trước thời điểm sử dụng sẽ mất gần như toàn bộ giá trị kinh tế của cơ hội bán đó [1], [2].

Cần phân biệt Dynamic Pricing với định giá cá nhân hóa (personalized pricing). Dynamic Pricing có thể đặt cùng một mức giá cho tất cả khách hàng tại một thời điểm nhưng thay đổi theo giờ hoặc theo tồn kho. Personalized Pricing đi xa hơn: giá có thể phụ thuộc vào đặc trưng của từng khách hàng hoặc từng nhóm khách hàng. Hai khái niệm có thể kết hợp với nhau nhưng không phải là một.

Ví dụ: Một khách sạn có thể tăng giá phòng khi tỷ lệ lấp đầy tăng từ 40% lên 90%. Đây là Dynamic Pricing. Nếu hai khách hàng truy cập cùng lúc nhưng nhận hai mức giá khác nhau dựa trên hồ sơ cá nhân, đó là Personalized Pricing.

Vì vậy, mục tiêu kỹ thuật không đơn giản là “dự đoán mức giá cao nhất khách hàng chịu trả”. Một hệ thống tốt phải giải bài toán cân bằng giữa giá, xác suất mua, biên lợi nhuận, tồn kho, trải nghiệm khách hàng và giá trị dài hạn.

2. Từ dữ liệu đến mức giá: bài toán AI thực sự tối ưu điều gì?

Giả sử tại thời điểm t, hệ thống quan sát ngữ cảnh x_t gồm giờ trong ngày, tồn kho, lưu lượng truy cập, mùa vụ và một số biến thị trường. Với một mức giá p, mô hình dự đoán nhu cầu kỳ vọng là D_t(p | x_t).

π_t(p) = (p − c_t) · D_t(p | x_t)

Trong đó c_t là chi phí biên. Hệ thống sẽ tìm giá làm cực đại lợi nhuận kỳ vọng:

p_t^* = arg max_{p ∈ P} E[π_t(p)]

Trong hệ thống thực tế, biểu thức này thường đi kèm ràng buộc: p_min ≤ p ≤ p_max, giới hạn tốc độ thay đổi giá, yêu cầu về tồn kho, quy tắc kinh doanh hoặc ràng buộc công bằng. Điều này rất quan trọng vì mức giá tối ưu về mặt toán học chưa chắc là mức giá phù hợp về mặt vận hành.

Một đại lượng kinh tế cốt lõi là độ co giãn của cầu theo giá (price elasticity of demand):

ε = (∂Q / ∂p) · (p / Q)

Nếu cầu phản ứng rất mạnh với giá, tăng giá có thể làm lượng mua giảm đủ lớn để doanh thu và lợi nhuận cùng giảm. Vì thế một mô hình Dynamic Pricing phải học được đường cầu, chứ không chỉ dự đoán doanh số.

Sơ đồ khái quát: giá tạo ra phản hồi mới và phản hồi lại trở thành dữ liệu cho vòng quyết định tiếp theo.

Điểm khó nhất thường không phải thuật toán tối ưu ở cuối pipeline mà là ước lượng đúng quan hệ nhân quả giữa giá và nhu cầu. Nếu doanh nghiệp trong quá khứ thường tăng giá đúng lúc nhu cầu cao, dữ liệu có thể cho thấy giá cao đi cùng doanh số cao. Một mô hình dự báo ngây thơ có thể từ đó kết luận sai rằng tăng giá làm tăng nhu cầu.

Vì vậy, hệ thống sản xuất thường cần thí nghiệm giá có kiểm soát, exploration hợp lý hoặc các phương pháp suy luận nhân quả để nhận dạng độ co giãn. AI không thể sửa một quan hệ nhân quả sai chỉ bằng cách dùng mô hình lớn hơn.

3. Thuật toán Dynamic Pricing: từ dự báo nhu cầu đến Reinforcement Learning

Không có một thuật toán Dynamic Pricing duy nhất. Trong thực tế, có thể xem hệ thống theo bốn mức độ ngày càng thích nghi hơn.

Cách tiếp cận	Cơ chế	Phù hợp khi	Hạn chế chính
Rule-based	Quy tắc giá theo tồn kho, giờ, ngày	Bài toán đơn giản, yêu cầu dễ kiểm soát	Không tự học quan hệ phức tạp
Demand model + optimizer	Dự báo cầu tại nhiều mức giá rồi tối ưu	Có dữ liệu lịch sử tốt	Dễ chịu bias từ dữ liệu quan sát
Contextual bandit	Cân bằng thử nghiệm và khai thác	Phần thưởng chủ yếu đến ngay sau quyết định giá	Không mô hình hóa tốt tác động dài hạn
Reinforcement Learning	Học policy qua trạng thái, hành động và reward	Giá ảnh hưởng tồn kho hoặc trạng thái tương lai	Khó kiểm chứng, dễ tạo hành vi ngoài dự kiến

Mô hình nhu cầu + tối ưu hóa

Đây thường là điểm khởi đầu hợp lý nhất. Một mô hình hồi quy logistic, gradient boosting hoặc mạng neural dự đoán xác suất mua tại từng mức giá. Sau đó một optimizer thử các mức giá hợp lệ và chọn giá có lợi nhuận kỳ vọng lớn nhất.

Ưu điểm của kiến trúc này là dễ giải thích và dễ đặt ràng buộc. Mô hình có thể khá phức tạp nhưng lớp quyết định giá vẫn minh bạch: doanh nghiệp biết tại sao một mức giá được chọn.

Contextual bandit: học giá trong quá trình bán

Vấn đề của dữ liệu lịch sử là doanh nghiệp chỉ biết kết quả của mức giá đã sử dụng. Nếu một sản phẩm bán với giá 100, ta không biết chính xác điều gì sẽ xảy ra nếu cùng hoàn cảnh đó giá là 90 hoặc 110.

Contextual bandit giải quyết phần nào vấn đề này bằng chiến lược exploration–exploitation: phần lớn thời gian chọn giá hiện được xem là tốt, nhưng thỉnh thoảng thử lựa chọn khác để thu thập thông tin mới. Các phương pháp như Upper Confidence Bound hoặc Thompson Sampling được xây dựng trực tiếp quanh sự đánh đổi này.

Các nghiên cứu về Dynamic Pricing với đặc trưng khách hàng cho thấy bài toán “học trong khi định giá” có thể được mô hình hóa chính thức thông qua regret — phần doanh thu bị mất so với một hệ thống biết trước chính xác hàm cầu [3].

Reinforcement Learning: khi giá hôm nay ảnh hưởng ngày mai

Nếu một quyết định giá chỉ ảnh hưởng giao dịch hiện tại, bandit thường đủ tự nhiên. Nhưng với hàng tồn kho hữu hạn, loyalty, network effects hoặc cạnh tranh lặp lại, hành động ở hiện tại có thể thay đổi trạng thái tương lai. Khi đó bài toán gần với học tăng cường (Reinforcement Learning).

Ta có trạng thái s_t, hành động định giá a_t, phần thưởng r_t và trạng thái tiếp theo. Với Q-learning, một dạng cập nhật cơ bản là:

Q(s_t,a_t) ← Q(s_t,a_t) + α[r_t + γ max_aQ(s_t+1,a) − Q(s_t,a_t)]

Tham số γ quyết định mức độ thuật toán coi trọng lợi ích tương lai. Chính khả năng tối ưu chuỗi phần thưởng dài hạn khiến RL hấp dẫn cho pricing, nhưng cũng là nguyên nhân khiến hành vi của nó khó dự đoán hơn một mô hình tối ưu giá tĩnh.

4. Ví dụ: để thuật toán tự học giá bằng contextual bandit

Ví dụ dưới đây mô phỏng hai trạng thái nhu cầu: thấp và cao. Thuật toán không biết trước giá tốt nhất mà phải thử các mức giá, quan sát giao dịch và cập nhật lợi nhuận trung bình bằng chiến lược ε-greedy.

import numpy as np

rng = np.random.default_rng(7)
prices = np.array([80, 90, 100, 110, 120], dtype=float)
cost = 55.0

contexts = ["low", "high"]
base_demand = {"low": 0.0, "high": 1.5}

q = np.zeros((2, len(prices)))
n = np.zeros_like(q)
epsilon = 0.08

def purchase_prob(context, price):
z = base_demand[context] - 0.05 * (price - 100) return 1.0 / (1.0 + np.exp(-z))

for t in range(30000):
state = rng.integers(0, 2)
context = contexts[state]

```
# Exploration hoặc exploitation
if rng.random() < epsilon:
    action = rng.integers(len(prices))
else:
    action = int(np.argmax(q[state]))

price = prices[action]
sale = rng.random() < purchase_prob(context, price)
reward = (price - cost) * float(sale)

n[state, action] += 1
q[state, action] += (reward - q[state, action]) / n[state, action]
```

for state, context in enumerate(contexts):
action = int(np.argmax(q[state]))
print(context, prices[action], round(q[state, action], 2))

Với seed trong ví dụ, mô phỏng học được giá khoảng 90 trong trạng thái cầu thấp và 110 trong trạng thái cầu cao. Thuật toán không được cung cấp quy tắc “cầu cao thì tăng giá”; sự khác biệt xuất hiện từ reward quan sát được trong quá trình exploration.

Tuy nhiên đây chỉ là mô hình giáo dục. Hệ thống thật phải xử lý nhiều mức giá hơn, uncertainty, seasonality, tồn kho, chi phí thay đổi, đối thủ cạnh tranh và đặc biệt là sai lệch do dữ liệu. Không nên đưa một bandit đơn giản trực tiếp vào môi trường sản xuất chỉ vì nó hoạt động tốt trong mô phỏng.

5. Khi các AI cùng quyết định giá: thị trường máy–máy xuất hiện

Phần thú vị nhất của Algorithmic Pricing xuất hiện khi doanh nghiệp không còn phản ứng chủ yếu với con người mà với thuật toán của đối thủ. Một hệ thống giảm giá, đối thủ phát hiện và phản ứng; hệ thống đầu tiên lại quan sát phản ứng đó. Chu kỳ có thể diễn ra nhanh hơn nhiều so với quy trình định giá thủ công.

Điều này không tạo ra một “nền kinh tế thị trường mới” theo nghĩa thay thế cơ chế cung–cầu. Chính xác hơn, nó tạo ra một cấu trúc vi mô thị trường mới: tốc độ khám phá giá tăng, chi phí thay đổi giá giảm và chiến lược của các tác nhân trở thành các policy có khả năng học.

Một mặt, điều đó có thể tăng hiệu quả. Giá có thể phản ánh nhu cầu, tồn kho hoặc network effects nhanh hơn; hàng tồn được phân bổ tốt hơn; doanh nghiệp không cần chờ nhiều tuần để hiệu chỉnh bảng giá.

Mặt khác, thuật toán có thể tạo ra hành vi chiến lược mà người thiết kế không viết trực tiếp trong code. Trong một mô hình cạnh tranh giá lặp lại, Calvano và cộng sự cho thấy các Q-learning agents có thể học mức giá cao hơn mức cạnh tranh và duy trì nó thông qua phản ứng với việc phá giá, dù các agents không giao tiếp trực tiếp với nhau [4]. Đây là kết quả trong môi trường mô phỏng cụ thể, không phải bằng chứng rằng mọi thuật toán Dynamic Pricing sẽ tự động thông đồng.

Klein sau đó nghiên cứu Q-learning trong cấu trúc định giá tuần tự và cũng tìm thấy các kết quả siêu cạnh tranh trong những cấu hình nhất định [5]. Những nghiên cứu gần đây hơn cho thấy tương tác còn có thể phức tạp hơn khi một pricing agent học cách khai thác phản ứng của agent khác [6].

Hình: Chênh lệch giữa giá mô phỏng và benchmark trong các cấu hình thuật toán gồm PSO, Q-learning và Price Matching. Nguồn: J. M. Sanchez-Cartas và E. Katsamakas, “AI pricing algorithms under platform competition,” Electronic Commerce Research, 2025 [8].

Điểm quan trọng của hình trên không phải là một thuật toán luôn thắng. Chính nghiên cứu cho thấy kết quả phụ thuộc vào network effects, mức độ khác biệt giữa nền tảng và loại thuật toán mà đối thủ sử dụng [8]. Một pricing policy vì thế không thể được đánh giá độc lập với môi trường cạnh tranh mà nó tham gia.

Đáng chú ý hơn, vấn đề không chỉ tồn tại trong mô phỏng. Nghiên cứu thực nghiệm trên thị trường bán lẻ xăng tại Đức công bố trên Journal of Political Economy tìm thấy mối liên hệ giữa việc áp dụng algorithmic pricing và biên lợi nhuận trong một số cấu trúc thị trường; ở thị trường có ít đối thủ, hiệu ứng phụ thuộc vào việc các trạm cạnh tranh có cùng áp dụng công nghệ hay không [7]. Kết quả này nên được hiểu trong bối cảnh thị trường xăng Đức được nghiên cứu, không nên suy rộng thành kết luận rằng pricing algorithms luôn làm giá tăng.

Thực tế cũng cho thấy chiều tác động có thể ngược lại. Các nghiên cứu e-commerce ghi nhận trường hợp thuật toán giúp sửa những mức giá do con người đặt quá cao và không nhất thiết làm giá tăng khi nhiều người bán cạnh tranh. Vì thế câu hỏi đúng không phải là “AI làm giá cao hay thấp?”, mà là thuật toán nào, trong cấu trúc thị trường nào, với reward và thông tin nào?

6. Tối ưu giá mà không phá vỡ thị trường

Một hệ thống Dynamic Pricing tốt không nên chỉ có metric profit. Nếu reward chỉ khuyến khích lợi nhuận ngắn hạn, agent có thể tìm ra những chiến lược đúng với hàm mục tiêu nhưng không phù hợp với chiến lược kinh doanh dài hạn.

Ở tầng kỹ thuật, doanh nghiệp nên đặt guardrail trực tiếp vào không gian hành động: giới hạn giá tối thiểu và tối đa, giới hạn biên độ thay đổi theo thời gian, quy tắc về hàng thiết yếu, ngưỡng tồn kho và cơ chế chuyển về pricing policy an toàn nếu mô hình phát hiện trạng thái ngoài phân phối huấn luyện.

Ở tầng dữ liệu, cần phân biệt prediction với causality. Một feature giúp dự đoán khả năng mua không có nghĩa rằng sử dụng feature đó để quyết định giá sẽ tạo ra kết quả hợp lý. Những biến đại diện gián tiếp cho nhóm nhạy cảm cũng có thể tạo ra phân biệt giá ngoài mong muốn dù thuộc tính nhạy cảm không xuất hiện trực tiếp trong dataset.

Ở tầng kiểm thử, không chỉ theo dõi doanh thu mà còn nên theo dõi phân phối giá, elasticity ước lượng, tỷ lệ exploration, mức độ biến động giá, lợi ích khách hàng, chênh lệch giữa các nhóm và phản ứng trước thay đổi giá của đối thủ. Với hệ thống RL, các stress test nhiều-agent đặc biệt quan trọng bởi một policy có vẻ an toàn khi chạy đơn lẻ có thể biểu hiện hoàn toàn khác khi tương tác lặp lại với policy khác.

Một nguyên tắc hữu ích: trước khi dùng reinforcement learning, hãy kiểm tra xem bài toán có thật sự cần tối ưu tác động dài hạn hay không. Nếu giá hiện tại hầu như không thay đổi trạng thái tương lai, một mô hình demand + optimizer hoặc contextual bandit thường dễ giải thích, dễ kiểm thử và dễ kiểm soát hơn.

Personalized Pricing cũng cần được đánh giá cẩn thận thay vì mặc định là tốt hoặc xấu. Nghiên cứu thực địa của Dubé và Misra cho thấy cá nhân hóa giá có thể tăng lợi nhuận nhưng tác động đến thặng dư người tiêu dùng không đồng nhất: một bộ phận khách hàng hưởng lợi trong khi tổng thặng dư có thể giảm trong cấu hình nghiên cứu của họ [9]. Đây là lý do hiệu quả kinh tế và công bằng không nên bị gộp thành một metric duy nhất.

Ở quy mô thị trường, các hệ thống pricing còn cần được giám sát về hành vi tương tác. Nhà phát triển có thể không viết bất kỳ dòng code nào yêu cầu “phối hợp với đối thủ”, nhưng một learning agent vẫn có thể phát hiện rằng một chuỗi hành động nhất định làm reward dài hạn tăng. Vì thế audit cần xem cả hành vi học được, không chỉ xem source code.

7. Kết luận

Dynamic Pricing là một ví dụ rõ ràng cho sự giao nhau giữa Machine Learning và kinh tế học. AI không thay đổi quy luật cơ bản của cung, cầu và cạnh tranh, nhưng nó thay đổi tốc độ, độ chi tiết và cách các quyết định kinh tế được thực hiện.

Trong hệ thống tốt, AI không đơn thuần hỏi “mức giá nào tạo lợi nhuận lớn nhất ngay bây giờ?”, mà phải giải một bài toán rộng hơn: ta biết gì về đường cầu, cần khám phá bao nhiêu, quyết định hôm nay ảnh hưởng tương lai thế nào và điều gì xảy ra khi những thuật toán khác cũng đang học. Chính ở điểm đó, Dynamic Pricing không còn chỉ là một module dự báo giá mà trở thành một tác nhân thực sự của thị trường.

Tài liệu tham khảo

[1] G. Gallego and G. van Ryzin, “Optimal Dynamic Pricing of Inventories with Stochastic Demand over Finite Horizons,” Management Science, vol. 40, no. 8, pp. 999–1020, 1994. doi: 10.1287/mnsc.40.8.999.

[2] W. Elmaghraby and P. Keskinocak, “Dynamic Pricing in the Presence of Inventory Considerations: Research Overview, Current Practices, and Future Directions,” Management Science, vol. 49, no. 10, pp. 1287–1309, 2003. doi: 10.1287/mnsc.49.10.1287.17315.

[3] G.-Y. Ban and N. B. Keskin, “Personalized Dynamic Pricing with Machine Learning: High-Dimensional Features and Heterogeneous Elasticity,” Management Science, vol. 67, no. 9, pp. 5549–5568, 2021. doi: 10.1287/mnsc.2020.3680.

[4] E. Calvano, G. Calzolari, V. Denicolò, and S. Pastorello, “Artificial Intelligence, Algorithmic Pricing, and Collusion,” American Economic Review, vol. 110, no. 10, pp. 3267–3297, 2020. doi: 10.1257/aer.20190623.

[5] T. Klein, “Autonomous Algorithmic Collusion: Q-learning under Sequential Pricing,” The RAND Journal of Economics, vol. 52, no. 3, pp. 538–558, 2021. doi: 10.1111/1756-2171.12383.

[6] L. Rocher, A. J. Tournier, and Y.-A. de Montjoye, “Adversarial Competition and Collusion in Algorithmic Markets,” Nature Machine Intelligence, vol. 5, pp. 497–504, 2023. doi: 10.1038/s42256-023-00646-0.

[7] S. Assad, R. Clark, D. Ershov, and L. Xu, “Algorithmic Pricing and Competition: Empirical Evidence from the German Retail Gasoline Market,” Journal of Political Economy, vol. 132, no. 3, pp. 723–771, 2024. doi: 10.1086/726906.

[8] J. M. Sanchez-Cartas and E. Katsamakas, “AI Pricing Algorithms under Platform Competition,” Electronic Commerce Research, vol. 25, pp. 4343–4370, 2025. doi: 10.1007/s10660-024-09821-w.

[9] J.-P. Dubé and S. Misra, “Personalized Pricing and Consumer Welfare,” Journal of Political Economy, vol. 131, no. 1, 2023. doi: 10.1086/720793.