美國有許多通過輸油管道、鐵路或水運碼頭與煉油廠相連的運輸終端，建有巨大的儲油罐區，加油站的油一般是卡車從這些終端拉來的。每天早晨，都會有許多油罐車來來往往。正是這些運油車，加滿了油后輸入到各加油站的地下儲油箱內，再賣給消費者。

美國加油站的燃油價格幾乎每天都要進行調整。幾十年來，燃油定價都是門藝術，主要依靠人類的運算和直覺。隨著人工智能與機器學習的興起，它們的巨大潛力將使燃油定價更準確有效。目前，測試階段正使用一種新定價工具來測試這一方法。

PriceAdvantage是Skyline Products（成立于1970年，為交通和石油行業設計和制造了40多年的智能標牌解決方案）的一個分公司，它之前的燃油定價軟件使用了線性算法（linear algorithms）預測價格的變化，這將會影響零售商的銷量和利潤。但遺憾的是，這一方法并不完善。

PriceAdvantage的科學數據專員Brendan Doner表示，如果價格降低兩美分，通過該方法得到的預測結果會出現約30％的錯誤，結果并不十分準確。

這款燃油定價軟件采用了一種自上而下的建模方式。這一方法是基于經濟學建立的，Doner以及他的同事都認為這應該有效（但事實并非如此）。根據這些假設創建了一個模型，模型中給出的價格就是定下的大致燃油價格。

他舉了個例子，例如，該模型中零售商為了實現盈利目標，提高汽油價格，使其比以往的定價高出10美分，比市場價格高出6美分。顧客一定會說“這太瘋狂了。或許今天我會獲得更多利潤，但從現在開始三個星期以后，如果所有人都意識到我們的定價高的時候，我們將失去所有的顧客”。

另一方面，舊的模型會建議降低燃油價格以增加銷量，而不管其他地點的營業動態。這一模型是基于經濟學課本知識建立的——如果你降低了燃油價格，今天就會賣出更多燃油，Doner認為這已經老套過時了。

線性運算的另一個問題是：不能將競爭對手對價格變化的反應考慮在內。有經驗的零售商通過頻繁的現場調查或定期油價信息服務（OPIS）獲得價格數據反饋，快速了解競爭對手的價格變化。因此，他們可以更快地做出反應，使競爭對手不能實現期望的銷量或利潤增長。

Doner表示，舊模型從現實生活定價的因果中吸取經驗，并依此調整定價方式方面做的不好。要摒棄“我們認為它應該發揮作用”的想法，要在現實中觀察到底是如何發揮作用的，這更像是一種自下而上的方法。

AI成為“新”燃油定價軟件核心

PriceAdvantage所追求的不是創造一個算法，讓零售商盲目定價或者簡單給出一個建議的燃油價格。而是希望這個經濟模型可以為燃油價格分析師提供數據，幫助他們更好的了解該定價背后的來龍去脈。而人工智能技術成為PriceAdvantage“新”燃油定價軟件的核心。

Doner說道，大多數人認為人工智能是靠神經網絡支持的，這些巨大模型就像個黑匣子，人們并不清楚為什么它要給出這樣的定價建議，為什么在這個地點賣的更多或在這一天賣的更少。但是這些模型卻能夠準確的預測出價格變化將會如何影響燃油的銷量及利潤。

PriceAdvantage采用了一種基于概率的模型，能夠向燃油分析師提供價格變動成功的概率。相比之下，舊模型雖可提供建議價格以及以這種價格預計燃油售出的量，但并未提供實現該預測的置信水平（confidence level，置信水平是指特定個體對待特定命題真實性相信的程度，也就是概率是對個人信念合理性的量度）。而新模型告訴零售商，該價格變動下實現銷售目標的可能性為57％。

“新”燃油定價軟件更能滿足零售商的個別需求，它可以根據店鋪人員數量、利潤或店內銷售目標，隨時計算每一個店鋪在不同市場下的成功率。新模型也能顯示價格改變的時機對其完成目標可能性的影響。比如，如果店鋪燃油定價比市場定價稍高一點或許更有可能實現銷售目標。

Doner表示，之前的工具（舊的燃油定價軟件）無法實現的一項功能是了解競爭者的反應。如果在星期三下午三點更改定價，這個價格可以保持到第二天早上。或者如果在顧客流量很大的早上更改定價，這個時間正是競爭對手進行價格調查或者獲得OPIS信息反饋的時間，所以他們會緊跟你的步伐調整價格。

或是周二下午，零售商網站將24小時監視市場并對價格變動作出回應。但在星期一顧客流量高峰期該段時間會縮短為12小時。或者說競爭對手對于2美分的降價或許不會有太大的反應，但4美分的降價將會導致整個市場降價。