Математическое моделирование процессов ценообразования на цифровых платформах в АПК с учетом поведенческих факторов и адаптивных алгоритмов машинного обучения
Догучаева С.М.1
1 Финансовый университет при Правительстве Российской Федерации, ,
Статья в журнале
Экономика сельскохозяйственных и перерабатывающих предприятий (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 100, Номер 11 (Ноябрь 2025)
Аннотация:
Стремительный рост цифровых торговых платформ в агропродовольственных цепочках усиливает потребность в моделях ценообразования, которые одновременно учитывают поведение участников и быстро меняющуюся конъюнктуру. Цель исследования заключается в разработке и оценке модели динамического ценообразования для сельхозпроизводителей и перерабатывающих предприятий с интеграцией поведенческих факторов и адаптивных алгоритмов машинного обучения. Эмпирическая база охватывает данные платформы за двенадцать месяцев по тридцати сельскохозяйственным и пятнадцати перерабатывающим предприятиям с фиксацией цен, объемов, сезонности и характеристик продукта. Эксперименты сравнивают статический режим с редкими пересмотрами цен и динамический режим с регулярной их корректировкой, оцениваются средние цены, коэффициенты вариации, совокупные объемы и выручка, дополнительно проводится анализ чувствительности к эластичности спроса. Получены результаты, согласно которым у сельхозпроизводителей динамическая стратегия снижает среднюю цену примерно на 9%, наращивает продажи и увеличивает совокупную месячную выручку с 22,4 млн до 25,2 млн рублей при одновременном снижении коэффициента вариации цены с 14,8% до 10,3%. У переработчиков эффект умереннее, но объемы и выручка тоже растут при небольшой прибавке ценовой вариативности. Анализ поведенческих сценариев показывает необходимость учитывать чувствительность покупателей к колебанию цен, что подчеркивает важность калибровки параметров на фактических реакциях аудитории. Делается вывод о высокой практической применимости предложенной модели для настройки рекомендательных систем ценообразования на платформах и о целесообразности дальнейшего расширения с учетом конкуренции поставщиков и динамики издержек
Ключевые слова: динамическое ценообразование, цифровые платформы, поведенческие факторы, обучение с Подкреплением, Агропромышленный комплекс
Страница обновлена: 23.06.2026 в 22:35:52
Mathematical modeling of pricing processes on AIC digital platforms taking into account behavioral factors and adaptive machine learning algorithms
Doguchaeva S.M.Journal paper
Economy of agricultural and processing enterprises
Volume 100, Number 11 (November 2025)
Abstract:
The rapid growth of digital trading platforms in agri-food supply chains heightens the need for pricing models that simultaneously account for participant behavior and rapidly changing market conditions. The aim of the study is to develop and evaluate a dynamic pricing model for agricultural producers and processing enterprises that integrates behavioral factors and adaptive machine learning algorithms. The empirical base covers twelve months of platform data for forty-five companies - thirty producers and fifteen processors - with records of prices, volumes, seasonality, and product characteristics. The experiments compare a static regime with infrequent revisions and a dynamic regime with regular adjustment; mean prices, coefficients of variation, aggregate volumes, and revenue are evaluated, and a sensitivity analysis to demand elasticity is additionally conducted. The results show that for producers the dynamic strategy reduces the average price by roughly 9%, increases sales and raises aggregate monthly revenue from 22.4 to 25.2 million rubles, while simultaneously lowering the price coefficient of variation from 14.8% to 10.3%. For processors the effect is more moderate, but volumes and revenue are also growing with a slight increase in price variability. The analysis of behavioral scenarios shows the need to take into account the sensitivity of buyers to price fluctuations, which emphasizes the importance of calibrating parameters based on the actual reactions of the audience. It is concluded that the proposed model has high practical applicability for tuning platform pricing recommendation systems, and that further extension to account for supplier competition and cost dynamics is advisable.
Keywords: Dynamic Pricing, Digital Platforms, Behavioral Factors, Reinforcement Learning, Agro-Industrial Complex