JP2003525479A - 商品およびサービス競争入札用の目標価格システム - Google Patents

Abstract

(57)【要約】 商品およびサービスに競争力を持って入札するための、最適な付け値または価格（２０５）を生成する「目標価格システム」（ＴＰＳ）として知られているビジネス方法およびコンピュータ・システムである。本システムは、１つまたは複数のデータ記憶部（２４５）と関連した１つまたは複数のホスト・プロセッサに常駐し、記憶された価格データを用いてカタログ価格を定め、記憶されたコスト・データを用いてその価格の原価を計算する商品モデル（２１５）と、その価格に対する同等な競合他社正価を計算する競合他社正価モデル（２２５）と、その価格での落札の確率を価格の関数として計算する市場反応モデル（２２０）とを含む。システムは、付け値または価格に関する予想貢献度を最大化する最適な値の目標価格を計算する最適化モデルをさらに含むことが好ましい。あるいは、システムはさらに、以前から存在するアプローチよりも目標価格決定を用いることの利益を計算する利益モデル（２３５）と、それぞれ目標価格に影響する戦略的目標（２３０）とを交互に含む。

Description

【発明の詳細な説明】

【０００１】 [関連出願に対する相互参照］ 本願は米国暫定出願である１９９９年３月５日出願の第６０／１２３，３４５
号、１９９９年３月５日出願の第６０／１２２，９５８号および２０００年１月
２７日出願の第６０／１７８，５０１号の利益を主張する。

【０００２】 ［発明の背景] ［１．発明の分野］ 本発明は、一般的に、商品およびサービスに競争力を持って入札するための目
標価格を生成するシステムおよび方法に関する。特に、本発明は顧客に商品やサ
ービスを提供するコスト、顧客の価格感受性および入札価格決定レベルに対する
潜在的競合他社の反応を含む競争環境などの要因を考慮する、企業間販売環境に
おいて目標入札価格を生成するシステムおよび方法に関する。

【０００３】 [２．関連技術の説明] 特定の業界において、会社は第三者に代わって行う仕事に入札するが、かかる
仕事は、通常、商品の製造またはサービスの提供の何れかである。かかる会社は
、特定の第三者に代わって仕事を行うための契約に、互いに対して競争力を持っ
て入札することが多い。契約に対する入札または一連の商品またはサービスを提
供する入札を行う際に、会社は、所与の価格で落札する見込みと、その価格で落
札した場合に得られるであろう利益とを釣り合わせる的確な価格をつけるか、そ
の所与の契約に対して「目標価格」をつけることが目的となる。

【０００４】 商品やサービスの提供に関する契約または他の合意を得る満足な入札を行うた
めに、会社は、入札価格に適切に反映されたならば、落札する見込みと落札した
場合に達成される利益とを会社が適切に釣り合わせることができるようにする、
特定の入札パラメータに関する側面を評価しなければならない。伝統的に、入札
価格決定は、入札価格に影響する特定の要因を考慮して、個々の顧客に商品また
はサービスを提供するコストを推測するコンピュータ・システムによって支援さ
れてきた。これらの典型的な「コスト・オブ・サービス」ベースの入札システム
は、商品またはサービスを配送するコストに基づいて、見込み契約または他の合
意に関するプライス・フロアまたは最低付け値を計算するものであり、その契約
に関する実際の利益計算は本質的に会社が行うことになっている。その結果、伝
統的なコスト・オブ・サービス・ベースの入札システムは最低付け値に関する手
引きは提供できるものの、落札する見込みと落札した場合に達成される利益とを
会社が適切に釣り合わせる最適な方法に関する手引きは提供しない。この手引き
は、目標価格から達成される予想利益を最大化することにより、落札する見込み
と落札した場合に達成される利益とを釣り合わせる目標価格が確定された場合に
のみ提供することができる。

【０００５】 さらに、伝統的なコスト・オブ・サービス・ベースの入札システムは、顧客や
競合他社の市場の反応を価格決定の要因として含める能力を欠いているので、商
品やサービスに競争力を持って入札する価格決定ツールとしては多数の欠点を有
する。これは主として、仕向先の顧客がその特定のニーズに合った商品やサービ
スをますます要求しているにもかかわらず、このシステムはコスト重視であるた
めである。伝統的なコスト・オブ・サービス・ベースの入札システムは、勝ちお
よび負け、落札の収益性などの入札後情報を追跡および分析し、それ以外に将来
の付け値の生成のために分析できる有用なデータを取得する能力も欠いている。

【０００６】 飛行機の座席や商品の価格決定などの技術分野においては、入札価格決定に市
場および競合他社の反応の特徴を反映することができるシステムがある。しかし
、かかるシステムは、通常、特定のフライトの座席または特定の商品フューチャ
契約などの、特定の時点における個々の商品またはサービスに関する価格決定情
報を生成する。その結果、これらのシステムは、通常は長い契約期間にわたって
行われる小荷物輸送サービスのポートフォリオに値付けをする、小荷物輸送サー
ビス用の入札システムに直接的には適用できない。

【０００７】 そのため、入札価格を生成するときに、市場や競合他社の反応の特徴を考慮す
る入札価格決定の方法に対するニーズがある。さらに、長い契約期間にわたって
提供される商品やサービスのポートフォリオに関する付け値を生成するときに、
市場や競合他社の反応の特徴を考慮する入札価格決定方法に対するニーズがある
。本発明が主として目的とするのは、かかる改良されたシステムおよび方法の提
供である。

【０００８】 [発明の概要] 目標価格決定（ＴＰ）は、利益を増大させるために企業がその価格決定および
それに関連した事業方法を最適化することを可能にする。ＴＰは、競合他社やコ
スト、市場反応動向に関する情報を梃子にして、予想される財務上の貢献を最大
化する顧客特定の価格を設定する。その結果、得られる収益性の増大的な改善は
、合計すると多大な利得となり得る。ＵＰＳでは、ＴＰは以前の事業慣行よりも
利益を１年当たり１億ドル超増加させた。

【０００９】 本発明は、事業方法および「ターゲット・プライシング・システム」（ＴＰＳ
）として知られているコンピュータ・システムにおいて、上記のニーズを満たし
ている。ＴＰＳは、長い契約期間にわたって提供される商品やサービスのポート
フォリオに関する付け値を生成するときに、次の要因を考慮する入札価格決定シ
ステムである。（１）契約を締結するコスト、（２）顧客の価格感受性および非
価格的要因の相対的な重要性、および（３）実際のまたは潜在的な競合他社の入
札を含む競合的環境。これらの要因を検討する際に、ＴＰＳは、落札する見込み
と落札した場合に契約から得られる利益（すなわち、貢献度益）との間の最良な
釣り合いを達成しようと努める。

【００１０】 具体的には、ＴＰＳは、落札する見込みを反映した各入札に関する市場反応曲
線を入札価格の関数として生成する。ＴＰＳは、契約を締結するコストに基づく
その入札に関する対応する貢献度益曲線も入札価格の関数として生成する。これ
ら２本の曲線の積は、予想貢献度曲線を入札価格の関数として作り出す。この予
想貢献度曲線のピーク値に対応する入札価格は、その特定の入札に関する目標価
格または最適な入札価格である。

【００１１】 ＴＰＳの重要な側面は、個々の入札に関する正確な市場反応曲線を創出する能
力である。これらの市場反応曲線は、最終的な市場反応に影響すると思われる多
数の要因を識別することにより生成される。特定のドライバと最終的な市場反応
との相関関係を分離するために、過去の入札情報の大規模なデータベースが構成
される。このデータベースは、入札価格および各入札に関する勝ち／負けデータ
ならびに、各入札に関する様々な要因に関連する情報を含む。そして、そのデー
タに関して回帰分析を行い、様々な要因と市場反応との相関関係を識別する。そ
して、これらの相関関係は、「ドライバ」と呼ばれるものであるが、将来の入札
に関する市場反応を予測するために用いられる。すなわち、市場反応曲線の創出
には、（１）最終的な市場反応に影響すると思われる要因を識別すること、（２
）入札情報の大規模な過去のデータベースおよびこれらの要因を収集すること、
（３）回帰分析を適用して、要因と市場反応との統計的相関関係を識別すること
、および（４）これらの相関関係をドライバとして用いて、将来の入札に関する
市場予測反応曲線を作成することが関係する。このアプローチは、個別の顧客お
よび競合他社の反応曲線を創出することに用いることができるか、単一または組
み合わせの市場反応曲線を創出することに用いることができる。このアプローチ
は、地域、顧客のタイプ、サービスの種類（たとえば、空輸および地上輸送）ま
たは特定の用途に適切と思われる他のあらゆる種類の区分けによって分割するこ
ともできる。

【００１２】 特定のドライバは、入札に係るサービスまたは商品の種類および他の多数の要
因に基づいて変わることを理解されたい。その結果、特定の入札システムについ
て市場反応ドライバを創出する方法は、本発明の重要な側面であり、一方、小荷
物輸送業界用とされる特定のドライバは、本発明の特定の用途向けとすることが
できるドライバの典型的な例である。

【００１３】 本発明は、上記のように目標価格を生成するコンピュータ・ベースのＴＰＳを
含むが、ＴＰＳを作成してマーケティング要員のための支援および研修ツールと
してＴＰＳシステムを用いる方法をも定めている。具体的には、この方法はＴＰ
Ｓを作成すること、ＴＰＳを用いてマーケティング要員に対する価格決定指導を
改善すること、マーケティング要員にＴＰＳ推奨の目標価格に基づいて入札を行
う権限を与えることによりこの入札方法を合理化すること、入札の勝ち／負けの
結果の予測におけるＴＰＳの成功を監視すること、およびＴＰＳを継続的に改良
することを含む。このシステム改良方法は、ＴＰＳの成功および正確さを監視す
ること、新たな入札データをＴＰＳに反映するように定期的に更新すること、市
場反応に影響すると思われる新たな要因の識別することと、これらの要因を新た
なドライバとしてＴＰＳに組み込むこと、およびマーケティング要員がＴＰＳに
よって生成された目標価格を解釈して使用する方法を改良することを含む。

【００１４】 したがって、本発明は広範な業界向けの方法およびコンピュータ・ベースの入
札システムとして一般的に適用可能であり、商品ならびにサービスに関する入札
価格決定システムに適用できることを理解されたい。このシステムは、サービス
のポートフォリオに関する市場反応に影響する要因を識別して利用することに特
に有用であるが、同じ技術は、個々の商品またはサービスに関する入札価格に対
する市場反応を予測することに適用できる。

【００１５】 本発明の他の目的、利点および特徴は、以下に記載する図面の簡単な説明、発
明の詳細な説明および特許請求の範囲を吟味した後に明らかになるであろう。

【００１６】 ［発明の詳細な説明］ 本発明の目標価格決定方法に関する図面および明細書に関して、ここで用いて
いる用語を以下のとおり定義する。 「アカウント」：企業間取引における最高の地位。アカウントは顧客企業との
関係を代表する。 「許容可能範囲」：入札情報を収集するときに、アカウント・エグゼクティブ
は、競合他社の正価・モデルに依拠するのではなく、競合他社の正価のフィール
ド観察を提供することができる。許容可能範囲は、決定された値をモデルの推定
競合他社正価からどれくらい離すことができるかを特定している。許容可能範囲
は、最終的にはシステム所有者によって決定される。警告範囲も参照のこと。 「入札」：入札とは、価格を交渉する（自動的にカタログ価格を見積もるので
はなく）商品およびサービスの明確に特定されたパッケージ（目標価格決定のコ
ンテキストにおける商品と呼ばれる）である。入札申し出とも呼ばれる。 「入札特性」：入札システムのオブジェクトの属性に基づく予測変数（会計シ
ステムのオブジェクトの属性に基づくものとは反対）。 「入札ドライバ」：予測変数を参照。 「入札状況」：入札状況は、所与の契約に関する交渉の現在の段階を特定する
。目標価格決定システムによって現在支援されている入札状況は以下を含む。 「制作中」：アカウント・エグゼクティブが入札をまとめている途中である
。 「ペンディング」：アカウント・エグゼクティブが現在入札を交渉している
。 「受諾」：入札に関する契約が締結された。 「拒絶」：入札は顧客に受け容れられるものではなかった。 「無効」：入札が以前には有効であったが、契約が終了した。 「係数」：どの予測変数も市場反応モデルによって計算された関連する係数
を有する。落札確率は、これらの予測変数（アカウントおよび入札の主要な属性
を評価する）およびそれらの係数（落札確率を推測する予測変数の相対的重みを
評価する）の関数である。統計的回帰ルーチンを用いて計算されるので、回帰係
数とも呼ばれる。 「会社」：目標価格決定を用いて事業に関する情報を蓄えているオブジェクト
およびその競合者。これに対して、顧客企業はアカウントと呼ばれる。 「競合他社」：目標価格決定ユーザを除く、アカウントが商品を選択できる会
社。具体的には、（物理的）競合会社に関する興味深いデータを記録するオブジ
ェクト。競合他社オブジェクトと関連付けられているのは、競合他社商品および
競合他社の正価モデル。 「貢献度、予測」：限界貢献度と落札確率との積（予測貢献度＝限界貢献度×
落札確率）。予測貢献度曲線は、市場反応曲線と限界貢献度曲線との積であり、
予測貢献度を正価の関数として示している。 「貢献度、限界」：直接的にかかったコストを上回る収益の超過分を示す純収
益の計測値（限界貢献度＝正価−限界コスト）。限界貢献度曲線は、正価と限界
貢献度との関係を示している。この「曲線」は常に直線である。 「コスト」：本明細書中のコストまたはコスト・モデルに対する全ての言及は
通常、限界コストを意味する。報告目的で他のコスト方式（割り当てられた管理
および機会コストを含む）を追跡することができる。 「コスト、限界」：入札申し出のサービス要件を満たす増大的であり回避可能
なコスト。申し出が保証サービスのような確率的な要素を含むのであれば、限界
コストは暗示的には期待値である。 「コスト・モデル」：ルックアップ・テーブルおよび（任意選択の）補間アル
ゴリズムを用いて商品の限界コストを推測するオブジェクト。モデルは、ゼロか
ら３の次元を用いてあるいは関数関係を通してまたは外部源から価格を予測する
ことができる。 「割引」：目標価格決定に関する操作の通常モードは、カタログ価格を受け容
れて目標割引レベルを計算することである。割引は、カタログ価格から引くパー
センテージ、絶対ドル価、絶対ドル割引および競合他社正価に対する当社の正価
の比率で指定することができる。それ以外にコンテキストが明確に示していない
限り、ドルという用語の使用はドルのみではなく全ての通貨の種類に言及するた
めに行われる。 「期間」：期間は、１つのレベルの入力された量を他のレベルの量に変換する
のを助けるためにシステムにおいて指定される。（たとえば、システムにおいて
商品に関する週毎の注文が入力されたが、市場反応モデルは四半期毎の量につい
て維持されている場合には、システムは自動的に、１つの期間の量を他の期間に
わたる量に変換する）これらの期間の例は、日、週、月、四半期および年を含む
。 「グローバル・ディメンション」：目標価格決定方法は、アカウント、入札ま
たは会社を統合できる全ての軸を指定するグローバル・ディメンション・リスト
を含む。これらのグローバル・ディメンションは、これらのオブジェクトの集合
を指定するか選択しなければならないときにはいつも用いられ、省略時解釈によ
り（by default）オブジェクトの全ての属性を含む。 「限界貢献度」：１ユニットを販売した結果としての、最終損益に対する貢献
度（限界貢献度＝正価−限界コスト）。 「市場反応パラメータ」：係数と同義。パラメータも参照。 「市場反応曲線」：特定の市場セグメントについて、競合他社の正価を一定に
保持しながら、市場反応曲線は落札の確率を正価の関数として示している。市場
反応曲線を決定することは、実施時における主たるコンサルティング職務の１つ
であり、本明細書中で解説する。 「市場セグメント」：購買動向（市場反応曲線）が類似である顧客の別個の集
団。かかる集団は、システムにおいてはグローバル・ディメンションとして表さ
れている、市場セグメント基準と呼ばれる主要な計測軸で定義されている。同時
に、これらの基準は市場セグメント・スキームを特定し、落札可能性を予測する
際に興味深い顧客の全ての側面を捉える。 「オプション」：追加支払いで取得できる商品の特徴。目標価格決定は、独立
のものとしては市場で提供できない単一の「仮想商品」の変形として、密接に関
連した商品をモデル化するために、オプションを用いることもできる。所与の商
品についてゼロ以上のオプションが存在し得る。オプションは商品のユニット毎
にユニットで維持される（たとえば、１台の自動車について３年の保証）。 「注文、オプション」：商品注文の一部として注文されたあらゆるオプション
に望ましい量などの情報を記憶したオブジェクト。 「注文、商品」：入札に関係する各商品に望ましい量などの情報を記憶したオ
ブジェクト。 「パラメータ」：パラメータは、システムの振る舞いまたは性能を制御するオ
ブジェクトである。これらは、グローバル・ディメンションおよび予測変数に関
する現在の定義およびこれらの係数の現在値を含む。これらは、好適なアルゴリ
ズムを示す様々なスイッチおよび値も含み（選択肢がある場合に）、例は通貨単
位の選択である。全てのパラメータの集合はパラメータ・セットと呼ばれる。一
度に１つのパラメータ・セットしか有効にはできないが、性能の遡及的分析を支
援するために、全ての過去のパラメータ・セットが記憶されている。 「予測変数」：計測変数は、入札に関する落札確率を推測（または「予測」）
するために用いられる計測値または指標変数である。これらは、入札またはアカ
ウントのオブジェクトの何れかの属性に基づくことができる。入札ドライバと呼
ばれる当初の一連の予測変数は、システム設置時に定められる。そして、追加の
予測変数は、既存のものおよびあらゆるグローバル・ディメンションを用いて、
システム所有者が作成できる。市場反応モデルは、あらゆる予測変数に係数を合
わせている。 「価格、カタログ」：交渉しない顧客用の「標準的」価格または、交渉の開始
価格。「カタログ」価格は公表してもしなくてもよい。 「価格、最高」：価格範囲を参照。 「価格、最低」：価格範囲を参照。 「価格、正規」：カタログ価格から割り引きした正価。 「価格、目標」：予想貢献度を最大化するために、落札確率と限界貢献度とを
釣り合わせる価格。抑制された目標価格は、指定された戦略的な目的に従って、
予想される貢献度を最大化しなければならないが、抑制されていない目標価格は
、かかる長期的な考慮のない場合の最適価格を示している。 「価格モデル」：ルックアップ・テーブルおよび（任意選択の）補間アルゴリ
ズムを用いて価格を見積もるオブジェクト。価格モデルはカタログ価格および競
合他社正価を提供するために用いられ、ゼロからＮの次元を用いて、関数関係を
通してまたは外部システムからの検索によって価格を見積もることができる。 「価格範囲」：貢献度最大化目標価格と同様に、目標価格決定は、アカウント
・エグゼクティブが付け値を交渉できる最低価格および最高価格を計算する。 「商品」：商品は、最適な割引レベルが計算される最小項目である。物理的な
商品は商品とオプションオブジェクトとの両方を用いて表される。商品のリスト
は、カタログ価格およびコスト情報、それらの利用可能なオプションのリストな
らびに、それらと競合する競合他社のあらゆる商品と共に、ユーザによって維持
される。 「商品ライン」：類似の商品の集合。目標価格決定は、単一の価格モデルが商
品ラインの全ての商品によって共有されることを可能にする。 「収益」：目標価格決定は、収益および利益に関するいくつかの計測値を用い
る。貢献度、予測；貢献度、限界；収益、総計；および収益、カタログを参照。 「収益、総計」：顧客から受け取った全ての収益、すなわち、提示して受け容
れられた価格（総収益＝カタログ価格×（１−割引）×数量）。 「収益、カタログ」：割引を何ら提示せずに落札した場合に受け取る収益（カ
タログ収益＝カタログ価格×数量）。 「戦略的目標」：おそらくは短期利益を犠牲にして、長期的な企業成長を促進
するために、シニア・マネジメントによって確立される事業要件。目標価格は以
下の点での拘束的な制約の直接的な入力を支援する。 「最低成功率」：影響を受けた全ての入札は、指定された最低落札確率を維持
するように価格決定される。 「最高成功率」：影響を受けた全ての入札は、指定された最高落札確率を維持
するように価格決定される。 「販売利益目標」：影響を受けた全ての入札は、指定された総販売利益（総販
売利益＝１−総売上／限界コスト）。 「成功率」：受諾された入札の提示した入札に対する比率。 「落札確率」：所与の正価での入札が落札される見積り確率。落札確率を正価
に関連づける関数は（それ以外の全てを一定に保持すると）、落札確率曲線と呼
ばれる場合もある、市場反応曲線である。

【００１７】 本発明のシステムおよび方法は、入札を行う会社にとって収益性があると共に
、会社の入札が競争力を持つように他の第三者の入札者のありそうに思われる入
札を考慮した入札を行うための、最適な目標価格を計算する。さらに、本願は米
国暫定出願である１９９９年３月５日出願の第６０／１２３，３４５号、１９９
９年３月５日出願の第６０／１２２，９５８号および２０００年１月２７日出願
の第６０／１７８，５０１号の利益を主張しているので、これらの出願の主題は
この参照によって本明細書に明示的に援用されている。

【００１８】 高いレベルでは、ＴＰシステムは図１に示したように想像することができる。
左側にいるアカウント・エグゼクティブ１０５は、次のようないくつかの種類の
コンピュータ・インターフェイスの１つを通して、システムに入札を入力する。 ・ＴＰ入札入力画面１１０。これらの画面は、他の代替的装置の１つを望まず
必要としない顧客のために、ＴＰシステムに設けられている。 ・レガシー・アカウント・マネジメント・システム１１５。これは通常、ユー
ザによって開発される、所有権を主張できるソリューションである。たとえば、
ＵＰＳのＩＡＳシステム。 ・セールス・フォース・オートメーション・システム１２０。これらは通常、
Ｓｉｅｂｅｌ、Ｂａａｎ、ＶａｎｔｉｖｅまたはＯｒａｃｌｅなどの第三者のソ
フトウエア・プロバイダから購入される。 ・サービス・ビュロー１２５。標準的ＴＰ入札入力画面を用いているが、Ｔａ
ｌｕｓ−管理サーバにリンクされている。 ・他のシステム１３０。アカウント・エグゼクティブが使用する代替的なハー
ドウエア／ソフトウエア、たとえば、ＰａｌｍＰｉｌｏｔ専用に開発されたイン
ターフェース画面。 ・プロダクト・バーティカル・インターフェイス１３５。製品の一部として提
供されるが、特定の業界用たとえば、積載貨物輸送用にカスタマイズされたイン
ターフェイス。

【００１９】 これらの異なった種類のＧＵＩのそれぞれは、アカウントおよび入札情報を収
集するために用いられる。そして、ＧＵＩは、好適な実施形態においてはインタ
ーネットおよび／またはイントラネットなどの通信ネットワークとすることがで
きる通信リンク１４０を介して完成した入札書を目標価格エンジン（ＴＰＥ）１
４５に提出し、ＴＰＥ１４５は最適化を行って、入札の申し出が行われる最適な
価格範囲を返信する。好適な実施形態におけるＴＰＥ１４５は、様々な入力オプ
ションへのＴＰＥインターフェース１４７を含む。アカウント・エグゼクティブ
１０５は、顧客に対する申し出を提示してから、顧客と交渉する。一旦入札の最
終状況が決定されると（勝ちまたは負け）、システムにおいて入札が更新される
。

【００２０】 ＴＰＥ１４５は分析インターフェイス１５０を介して分析を支援する。ＴＰＥ
１４５はいくつかの実施形態において、報告データ記憶部１５５を占める場合が
ある商品報告データを生成することもできる。このデータ記憶部１５５から抽出
されたデータは、報告書１６５および警告書１７０に用いられる場合がある事業
目的１６０の基礎を形成できる。

【００２１】 図２は、典型的なＴＰＥ１４５のさらに詳細なブロック図を提供している。入
札情報は、上記のもののようなフロントエンド・インターフェース２０５を介し
て収集されて、ＴＰＥ１４５に提出される。この情報は、ＥＪＢ、ＪＮＩ、ＸＭ
Ｌまたは他の適切な符号化などの多様な確立された通信形式の１つで受信される
情報を抽出する、ＴＰＥインターフェース１４７によって受信される。抽出され
た情報は目標価格決定計算機（ＴＰＣ）２１０に渡される。ＴＰＣは、その最適
化をリアルタイムで行うために、バッチ・システムによって開発されたパラメー
タを用いる。キー入力は、商品モデル（コストを含む）２１５および市場反応を
計算するのに用いられるパラメータである。市場反応モデル（ＭＲＭ）２２０は
決まった間隔で実行されて、最近観察された入札データに応じて市場反応パラメ
ータを更新する。システム・オーナーは、ＭＲＭを実行すること、必要な入力が
システムに入れられことを確実にすること、およびＴＰＣによって使用される前
にその出力を詳しく調べることに責任を有する。ＭＲＭは手動、自動ベース（バ
ッチ）または半自動ベースで実行することができる。ＴＰＣは、競合他社の正価
モデル２２５、戦略的目標２３０および分析／利益モジュール２３５から得られ
た情報を利用することもできる。様々なモデルに関するデータはシステム・パラ
メータ・データ記憶部２４０に記憶することができる。ＴＰＣ入札情報は、入札
データ記憶部２４５に記憶することができる。いくつかの実施形態においては、
報告データ抽出器２５０を用いて、入札データ記憶部２４５から入札データを抽
出して、抽出した入札データを報告データ記憶部１５５に入れることができる。

【００２２】 当業者に分かるように、多様なデータ記憶部は、データベース・アーキテクチ
ャ、ファイル記憶スキームまたは他の構造などの様々な組織的構造を介して実施
することができる。好適な実施形態においては、リレーショナル・データベース
が記憶構造として用いられているが、階層的、オブジェクト指向、空間的または
他のデータベース・アーキテクチャを用いることができる。さらに、データ記憶
部は、フラット・レコード・テーブル、ハッシュ・レコード・テーブルまたは他
の知られた組織的構造などの適切な構造を利用して、フラット・ファイルに編成
することができる。

【００２３】 目標入札価格を計算するために、いくつかのステップを行う必要がある。最初
に、以下で説明するように、入札は、好ましくは商品モデルにおけるカタログ価
格を用いて価格決定しなければならない。これらの価格は現在のデータから直接
的に収集するか、第三者または所有権を主張できる価格決定システムから入手す
ることができる。最初の価格の生成に際しては、Ｓｉｅｂｅｌ ＳａｌｅｓやＴ
ｒｉｌｏｇｙ ＳＣ Ｐｒｉｃｅｒなどの第三者のソフトウエア製品を用いるこ
とができる。

【００２４】 そして、商品モデルにおけるコストを用いて入札を原価計算する。これらのコ
ストは、当該技術分野において知られているように第三者からの所有権を主張で
きる原価計算システムから手動で収集したか入手したかの何れかであるか、外部
システムからリアルタイムで検索することができる。

【００２５】 一旦入札を原価計算すると、それから入札について同等な競合他社の正価を計
算する。これは何らかの割引が発生した後に、競合他社がこの顧客に請求するで
あろう価格である。競合他社の商品に関するカタログ価格は、商品モデルにおい
ては維持することが好ましいが、正価を判断するために、適切な割引メカニズム
をカタログ価格に適用しなければならない。これは、以下で説明するように、競
合他社の正価モデルによって行うことが好ましい。

【００２６】 そして、会社の価格の関数としての落札の確率を計算する。これは、以下で説
明するように、市場反応モデルからのパラメータを用いて計算することが好まし
い。

【００２７】 また、会社の既存の価格決定アプローチを上回る目標価格決定の利益を計算す
ることができる。以下で説明するように、以前から存在する価格決定方法に関す
る論理を利益モデルにおいて維持することが好ましい。

【００２８】 上記のステップの検討から明らかなように、本発明の方法は、コンピュータ・
プラットフォームで実施するソフトウエアにおけるような、自動化されたシステ
ムで用いるように容易に適合可能である。それにもかかわらず、本明細書で開示
しているモデルを手動で生成し維持することができるので、この方法のステップ
は手で行うことができる。

【００２９】 また、この方法は、最適な目標入札価格を生成するために最適化方法を含むこ
とが好ましい。最初の最適化ステップは、入札について予想される貢献度を最大
化する価格を計算することであるが、これは価格が上昇するに伴って増加する貢
献度と、価格が上昇するに伴って低下する落札確率とを釣り合わせることにより
行う。

【００３０】 上記で計算した目標価格が与えられると、その入札内で各商品に何らかの割引
を適用しなければならない。これは第２の最適化方法を用いて行う。貢献度と落
札確率とを釣り合わせるステップは、指定された何らかの戦略的目標を考慮して
繰り返す。最低成功率などの戦略的目標の例は、計算した最初の値にまさる。

【００３１】 本発明の方法は、目標入札価格を計算する際に市場反応モデルを利用する。市
場反応モデル（ＭＲＭ）は、様々な価格での過去の入札情報の吟味を通して、落
札確率を価格の関数として計算する。ＭＲＭは、顧客を別個の市場セグメントに
区分することを求める。市場セグメントは、この方法の使用に先だって詳細な分
析的調査を通して決定される。この方法において交互に用いられる別のモジュー
ルは、通常ベースまたはアドホック・ベースで報告を作成するのに用いられる報
告モジュールである。

【００３２】 市場反応モデル（ＭＲＭ）は、次のことを含む２つの主要なサービスを提供す
る。 １．入札に対する市場反応を計算すること。 ２．市場反応変数を与えられて、モデル係数を生成すること。

【００３３】 これらのサービスを提供するために、市場反応モデルは以下を含む、より低い
レベルのサービスを支援する。 １．ＩｎｉｔｉａｌｉｚｅＭＲＭＦｏｒＢｉｄ。目標価格決定計算機（ＴＰＣ
）は、最適化を開始する前に各入札について１回、このサービスを起動する。一
旦付け値が分かると、価格に基づくもの以外の全ての変数の値が分かる。このサ
ービスは、価格依存変数のそれぞれを評価して、それらの合計を計算する。 入力 ・有効なパラメータ・セット（オブジェクトを参照）−オブジェクト・サーバへ
の問い合わせ ・入札（オブジェクトを参照）−ＴＰＣによって渡されたパラメータ ・アカウント（オブジェクトを参照）−入札オブジェクトからルックアップ 出力 ・このセットアップ・ステップについては直接の出力はなし。完了時に、計算さ
れた価格依存項の合計を保存。 ・状況コードおよび説明を返す。次の状況コードを支援すべきである。 １．首尾よく完了 ２．ＭＲＭには知られていない競合他社を無視（説明における競合他社の名
称） ３．「一般競合他社」に関するパラメータを用いる未知の競合他社（説明に
おける競合他社の名称） ４．変数の変換に失敗（説明における変数の名称） 起動：ＴｒａｎｓｆｏｒｍＰｒｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓ（
「ブラック・ボックス」において実施） 説明：ＴＰＣは、最適化を行う前にこのサービスを呼び出す。最適化中は、シス
テム・ユーザの平均入札レベル価格が市場反応関数における唯一の変数である。
このサービスは、指標および入札（予測変数）の変数の値を決定する。これは、
価格依存項の合計を求めることにより、市場反応モデル公式を部分的に計算して
、価格依存項を変数として保持する。 手順：有効なパラメータ・セットは、モデル・パラメータ、モデル変数の定義お
よび使用するモデルの種類（好適な実施形態においては、これは二項ロジットか
多項ロジットの何れかである）。 １．有効なパラメータ・セットからモデル・タイプを求める（モデル・タイプ
は二項ロジットまたは多項ロジットになり得る） ２．入札における競合他社のリストを有効なパラメータ・セットにおける競合
他社と比較する。適切な状況コードを返す。「変数の変換に失敗」を除く全ての
状況コードについて、次のステップを完了しなければならない。 ３．有効なパラメータ・セットにおける拡張モデル表示から、各価格依存項を
得て、その値を計算する。 ４．有効なパラメータ・セットにおける価格依存項の値を合計して、それらの
値を記憶する。 このステップの終わりに、落札確率を計算する市場反応モデル公式は次のよう
になる。 二項形式：

【数１】 ここで、ｐｒｏｂ（Ｗｉｎ）は、システム・ユーザが落札する確率であり、ｋ
は価格依存項の合計である。この公式は他社（システム・ユーザ以外）をモデル
における基準と仮定している。

【００３４】 「０」がシステム・ユーザの勝ちを示し「１」が負けを示すように、依存また
は反応変数を符号付けした場合に、この公式はシステム・ユーザの落札確率を返
す。別の言い方をすれば、システム・ユーザは基準として用いられる。システム
・ユーザはどの入札でも利用可能な唯一の選択肢であるので、システム・ユーザ
を基準として用いるべきである。

【００３５】 基準の使用はパラメータの解釈および価格依存項の形式（一般的に全ての選択
依存項）を決定するので、基準を知っていることは重要である。「他社」を基準
として用いるのであれば、全ての価格をその他社に相対的なものにすべきである
。そのため、相対的価格を得るために、（ｐ−ｐ_other）またはｐ／ｐ_otherある
いはこれらの一方のある関数変換を用いる。価格依存項はカスタム・コードにお
いて計算され、そのため価格項の形式はその実施によって決定される。 多項形式：

【数２】 ここで、ｋ_jは競合他社「ｊ」によって指数化された価格依存項の合計である
。

【００３６】 Ｊは入札において名前が挙げられた全ての競合他社の組である。この形式の公
式は、モデルにおいてシステム・ユーザが基準として用いられると仮定している
。 ２．ＷｉｎＰｒｏｂａｂｉｌｉｔｙＧｉｖｅｎＰｒｉｃｅを計算する。目標価格
決定計算器（ＴＰＣ）は、ライン・サーチ中にこのサービスを実施して目標価格
を決定する。価格依存変数の値は、所与の価格に基づいて計算する。 これはプラグされて、ＩｎｉｔｉａｌｉｚｅＭＲＭＦｏｒＢｉｄによって計算
された値に沿った公式になり、落札確率を得る。 起動：目標価格決定計算機（ＴＰＣ）による 入力： ・システム・ユーザの入札に関する平均入札レベル価格−ＴＰＣによって渡され
たパラメータ ・有効なパラメータ・セット（オブジェクトを参照）−システム・パラメータ ・入札（オブジェクトを参照）−ＴＰＣによって渡されたパラメータ ・アカウント（オブジェクトを参照）−入札オブジェクトからルックアップ ・ＩｎｉｔｉａｌｉｚｅＭＲＭＦｏｒＢｉｄにより計算された値 出力： ・入力価格に対応する落札確率 ・状況コード ・以下の状況コードを支援すべきである。 １．成功 ２．変数の変換に失敗（説明における変数名で） 起動：ＴｒａｎｓｆｏｒｍＰｒｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓ 前提条件：ＩｎｉｔｉａｌｉｚｅＭＲＭＦｏｒＢｉｄをこのサービスの前に実行
する。 注：平均入札レベル価格は次の式によって与えられる。

【数３】 ここで、ｐ_iおよびｑ_iは商品注文ｉにおけるユニット当たりの価格および数量
。 手順： １．各競合他社について１回ＴｒａｎｓｆｏｒｍＰｒｉｃｅＤｅｐｅｎｄｅｎｔ
Ｖａｒｉａｂｌｅｓを起動。システム・ユーザの価格および競合他社の価格で起
動。 ２．モデルにおける価格依存項の値を合計。 ３．有効なパラメータ・セットからモデル・タイプを入手。 ４．モデル・タイプに基づいて次の公式を評価。 二項形式

【数４】 ここで、ｐｒｏｂ（Ｗｉｎ）はシステム・ユーザが落札する確率であり、ｋは
価格独立項の合計であり、ｍは価格依存項の合計である。 多項形式

【数５】 ここで、ｐｒｏｂ（Ｗｉｎ）はシステム・ユーザが落札する確率であり、ｋ_j
は競合他社「ｊ」によって指数化された価格独立項の合計であり、ｍ_jは競合他
社「ｊ」によって指数化された価格依存項の合計であり、「Ｊ」は入札で名前を
挙げられた全ての競合他社の組である。

【００３７】 この公式はシステム・ユーザが基準として用いられると仮定している。 ３．ＧｅｎｅｒａｔｅＭＲＭＣｏｅｆｆｉｃｉｅｎｔｓ。このサービスはＡｎａ
ｌｙｓｔ ＷｏｒｋＢｅｎｃｈによって起動される。モデル適合に用いられる一
連の入札を得るために、データベース内の過去の入札にデータ・フィルタが適用
される。変数の係数を得るために回帰が実行される。モデル診断が出力ファイル
に書き込まれる。 起動：Ａｎａｌｙｓｔ ＷｏｒｋＢｅｎｃｈによる 入力： ・パラメータ・セット（オブジェクトを参照）−オブジェクト・サーバへの問い
合わせ ・過去の入札の組−オブジェクト・サーバへの問い合わせ 出力： ・ＭＲＭ変数の係数（パラメータ・セットに保存） ・係数見積もりの誤り（出力ファイルに保存） ・モデル適合パラメータ（出力ファイルに保存） 起動：ＴｒａｎｓｆｏｒｍＰｒｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓ、
ＴｒａｎｓｆｏｒｍＰｒｉｃｅＩｎｄｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓ、Ｔ
ｒａｎｓｆｏｒｍＤｉｓｃｒｅｔｅＶａｒｉａｂｌｅｓ 手順：この手順は異なったモデル・タイプについて回帰を行う。現在、「多項ロ
ジスティック」および「二項ロジスティック」モデルが支援されている。モデル
・タイプはパラメータ・セットに示されている。 １．データ・フィルタと「Ｅｘｃｌｕｄｅ Ｂｉｄ」フラッグを一連の過去の入
札に適用して、望まない入札を除く（「Ａｐｐｌｙ Ｅｘｃｌｕｄｅ Ｂｉｄ」
フラッグがユーザによって設定された場合−これはパラメータ・セットに示され
ている）。 ２．次のパラグラフで説明するフィルタ規則を適用 ３．各入札でＴｒａｎｓｆｏｒｍＰｒｉｃｅＩｎｄｅｐｅｎｄｅｎｔＶａｒｉａ
ｂｌｅｓ、ＴｒａｎｓｆｏｒｍＰｒｉｃｅＩｎｄｅｐｅｎｄｅｎｔＶａｒｉａｂ
ｌｅｓおよびＴｒａｎｓｆｏｒｍＤｉｓｃｒｅｔｅＶａｒｉａｂｌｅｓを起動し
て、回帰用のデータセットを形成する。 ４．有効なパラメータ・セットにおいてモデル・タイプに関する回帰を実行。回
帰計算の詳細はこの文書では説明していない。Ｒｏｇｕｅｗａｖｅなどの第三者
ソフトウエアのサービスを用いて、二項統計回帰を行う。 ５．回帰の出力を出力ファイルに保存。これは、モデル適合パラメータ（尤度比
テスト）および係数見積もりにおける標準的誤りを含む。これらのファイルの場
所はシステム・パラメータとして記憶される（ＬＯＧ＿ＦＩＬＥＳ＿ＬＯＣＡＴ
ＩＯＮ）。 ６．回帰からの係数を有効なパラメータ・セットに保存する。 フィルタ規則 １．「一般競合他社」オプションが設定されていない場合に、有効なパラメータ
・セットにおける競合他社のリストに名前が挙げられていない競合他社により落
札された入札を除外する。このオプションが設定されている場合には除外しない
。 ２．「Ｅｘｃｌｕｄｅ Ｂｉｄ」フラッグが設定された入札を除外する（選択さ
れている場合に）。 誤りの状況：次の誤り状況が発生し得る。 １．入札で定義されていないＭＲＭにおける市場セグメント変数 ２．市場セグメント変数は入札における無効な値である。

【００３８】 これらの状態は、新しい市場セグメント変数が作成されたか、入札の後に変更
された既存のものが最後に更新されたときに発生する。 ４．ＥｘｐａｎｄＰａｒａｍｅｔｅｒＳｅｔ。このサービスは、パラメータ・セ
ットが、拡張されたモデル表示を含んでいない場合に、回帰を実行するかモデル
係数を表示する前にＡｎａｌｙｓｔ ＷｏｒｋＢｅｎｃｈによって起動される。
起動：パラメータ・セットを有効なものとして設定する過程の中でオブジェクト
・サーバにより起動。 入力： ・パラメータ・セットを参照 ・市場セグメントの定義 ・離散的入札属性の定義 出力： ・パラメータ・セットの拡張された表示（拡張された表示については付録Ｂ１を
参照） 手順： １．適用可能な場合には、既存の拡張された表示をクリアする。 ２．市場セグメント変数および離散的入札属性の定義を参照して、クロスされた
離散的変数のクロス乗積を求める。 ３．次のパラグラフにおいて「指標変数作成規則」を用いて指標変数を作成する
。 ４．付録Ｂ１に記載した線に沿って表示を保存する。 指標変数を作成する規則 １．競合他社：「ｎ」社の競合他社と１社のシステム・ユーザがいる場合に（合
計でｎ＋１社）、競合他社について「ｎ」個の指標変数を作成する。システム・
ユーザは基準になるので、システム・ユーザについて指標変数は定められない。
２．離散的変数：一連のクロスされた離散的変数が「ｎ」個の可能な値を有して
いるのであれば、「ｎ」個の指標（疑似）変数を作成する必要がある。しかし、
これらのうち（ｎ−１）個のみが実際に用いられる。どれを使用しないで残すか
の選択は、以下に基づく。 ・ユーザによってモデル係数がシステムに入力された場合に、ユーザはどのクロ
ス乗積項を除くかを選択する。この選択は、選択されたクロス乗積項についてＮ
ＵＬＬ係数を入力することにより示される。

【００３９】 システム内で回帰を実行することによりモデル係数が生成される場合には、シ
ステムは除くクロス乗積を任意に選択する。 ５．ＴｒａｎｓｆｏｒｍＰｒｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓ。こ
のサービスは次の２つのサービス、すなわち、ＣａｌｃｕｌａｔｅＷｉｎＰｒｏ
ｂａｂｉｌｉｔｙＧｉｖｅｎＰｒｉｃｅおよびＧｅｎｅｒａｔｅＭＲＭＣｏｅｆ
ｆｉｃｉｅｎｔｓによって起動される。これは、それぞれが価格変数とおそらく
他の入札属性を含む、市場反応ドライバの一連の値を生成する。入札属性は新し
い入札、現在有効な入札または過去の入札を参照することができる。 起動：ＣａｌｃｕｌａｔｅＷｉｎＰｒｏｂａｂｉｌｉｔｙＧｉｖｅｎＰｒｉｃｅ
、ＧｅｎｅｒａｔｅＭＲＭＣｏｅｆｆｉｃｉｅｎｔｓによる 入力： ・評価される入札を参照（パラメータとして渡す） ・システム・ユーザの価格（パラメータとして渡す） ・競合他社正価（パラメータとして渡す） 出力： ・変換された入札属性の値 手順：競合他社の数と同一性は入札によって異なるので、ＴｒａｎｓｆｏｒｍＰ
ｒｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓは、一度に１つの価格変数（シ
ステム・ユーザまたは競合他社の何れかの価格）に基づいて価格依存変数の値を
生成するだけである。そのため、ＣａｌｃｕｌａｔｅＷｉｎＰｒｏｂａｂｉｌｉ
ｔｙＧｉｖｅｎＰｒｉｃｅは、各価格変数について１回ＴｒａｎｓｆｏｒｍＰｒ
ｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓを起動しなければならない。 ６．ＴｒａｎｓｆｏｒｍＰｒｉｃｅＩｎｄｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅｓ
。このサービスは、ＩｎｉｔｉａｌｉｚｅＭＲＭＦｏｒＢｉｄおよびＧｅｎｅｒ
ａｔｅＭＲＭＣｏｅｆｆｉｃｉｅｎｔｓサービスによって起動される。これは、
非価格入札属性の関数的な変換を含む、市場反応ドライバの一連の値を生成する
。入札属性は、新たな入札、現在有効な入札または過去の入札を参照することが
できる。 起動：ＩｎｉｔｉａｌｉｚｅＭＲＭｆｏｒＢｉｄ、ＧｅｎｅｒａｔｅＭＲＭＣｏ
ｅｆｆｉｃｉｅｎｔｓ 入力： ・評価される入札を参照（パラメータとして渡す） 出力： ・変換された入札属性の値 ７．ＴｒａｎｓｆｏｒｍＤｉｓｃｒｅｔｅＶａｒｉａｂｌｅｓ。市場反応ドライ
バの一連の値を生成する。 起動：ＩｎｉｔｉａｌｉｚｅＭＲＭｆｏｒＢｉｄ、ＧｅｎｅｒａｔｅＭＲＭＣｏ
ｅｆｆｉｃｉｅｎｔｓによる 入力： ・評価される入札を参照（パラメータとして渡す） 出力： ・変換された入札属性の値 ８．ＧｅｔＰｒｉｃｅＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅＮａｍｅｓ。 ９．ＧｅｔＰｒｉｃｅＩｎｄｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅＮａｍｅｓ。 １０．ＧｅｔＤｉｓｃｒｅｔｅＶａｒｉａｂｌｅＮａｍｅｓ。 １１．ＧｅｔＤｉｓｃｒｅｔｅＶａｒｉａｂｌｅＬｅｖｅｌｓ。

【００４０】 これら最後の４つのサービスは、値がＴｒａｎｓｆｏｒｍＰｒｉｃｅＤｅｐｅ
ｎｄｅｎｔＶａｒｉａｂｌｅｓ、ＴｒａｎｓｆｏｒｍＰｒｉｃｅＩｎｄｅｐｅｎ
ｄｅｎｔＶａｒｉａｂｌｅｓおよびＴｒａｎｓｆｏｒｍＤｉｓｃｒｅｔｅＶａｒ
ｉａｂｌｅｓによって生成される市場反応ドライバの名称と説明を返す。

【００４１】 図７はＭＲＭを示しており、モデル・パラメータ・セット７１０および上記で
列挙したサービス７２０からなるＭＲＭと、その目標価格計算機（ＴＰＣ）２１
０および過去の入札７３０との相互作用を示している。

【００４２】 多くの状況が、目標価格決定ユーザが一群の類似のオブジェクト、たとえば「
全ての小さいアカウント」を選択して指定するように求める。これは「グローバ
ル・ディメンション・オブジェクト」で実施され、「グローバル・ディメンショ
ン・オブジェクト」はオブジェクトの属性から得られる分類変数（同様の大きさ
）を指定する。この動作は会社、アカウント、入札または商品オブジェクトに適
用することができ、異なったタイプの顧客が異なった価格にどのように反応する
かを見積もるための市場反応モデル化において用いられる。これは、システムお
よび／または顧客動向を理解するために、ユーザが結果を分析することを可能に
するときに、報告にも用いられる。また、グローバル・ディメンション・オブジ
ェクトは、最低落札率などの特定の戦略的目標を達成するために、ユーザがシス
テムのデフォールト動作を修正することを可能にする戦略的目標を適用する際に
用いることができる。

【００４３】 次元は、市場セグメンテーションのある形式を用いて、ユーザがもう一度競合
他社割引動向をモデル化することを可能にする、競合他社正価モデル化を許容す
る。これは、ユーザが以前から存在する（「ビジネス・アズ・ユージュアル」（
ＢＡＵ））価格決定方法をモデル化することを可能にする利益モデル化をも許容
する。

【００４４】 グローバル・ディメンションは、目標価格決定のユーザが上記の１つを行うこ
とを望むときにはいつも作成される。推定されることとは思うが、これらは上記
の目的の２つ以上に用いることができる。これらの用途の多くについて、グロー
バル・ディメンションは、ＴＰユーザの顧客を区分することに、すなわち、市場
セグメンテーション基準として用いられる。

【００４５】 ３つの異なった種類、すなわち、離散的、連続的および階層的なグローバル・
ディメンションがある。離散的セグメンテーションは、顧客を特定のバケットに
区分するのに用いられる。たとえば、次の離散的な市場セグメント、すなわち北
、南その他を想定する。顧客は３つのセグメント、北、南およびその他のうちの
１つのみに区分される。

【００４６】 連続的セグメンテーションは、連続的な指標変数を用いて顧客を特定のバケッ
トに区分するのに用いられる。たとえば、年間収益に関する次の連続的な市場セ
グメント、すなわち、小：０〜１，０００万ドル、中：１，０００万〜５，００
０万ドル、大：５，０００万ドル超を想定する。顧客は、それらの年間収益に応
じて小、中または大の何れかに区分される。それらの年間収益が変わるか、小／
中／大の分岐点の定義が変わると、顧客は自動的に再区分される。根本的な連続
的変数（収益）は「基本変数」と呼ばれる。

【００４７】 階層的市場セグメンテーションは、特殊化された形態の離散的市場セグメンテ
ーションであり、２層以上のセグメンテーションがある。たとえば、地域に関す
る次の階層的市場セグメンテーション、すなわち、北：メーン州、ニューヨーク
州など、南：フロリダ州、ジョージア州などを想定する。ニューヨーク州の顧客
は、ニューヨーク州セグメントならびに北セグメントに区分される。

【００４８】 したがって、市場セグメントは、市場反応モデル化、報告、戦略的目標、価格
およびコスト・モデル化、競合他社正価モデル化および利益モデル化などの目的
に用いられる。

【００４９】 市場セグメントは、次のように市場反応モデル化に用いられる。すなわち、特
定のＴＰ設置について定められたあらゆる市場セグメントは、自動的に市場反応
モデル化に利用可能になる。しかし、付加される各セグメンテーション基準はサ
ンプル・スペースの次元性を高めるので、システムの統計的一体性を依然として
維持しながら用いることができる市場セグメントの数には有限の限界があること
に留意されたい。たとえば、次の市場セグメント、すなわち、顧客サイズ：小、
中、大、アカウント・サイズ：小、中、大、顧客地域：ＮＥ、ＳＥ、ＮＷ、ＳＷ
、国際的事業分野：製造、サービス。

【００５０】 この一連の顧客セグメントによって示唆されたサンプル・スペースは３×３×
５×２＝９０である。これは、観察することができる９０の入札取引毎に、（最
終）顧客セグメント当たり（平均）１回の観察があることを意味する。現実には
、市場セグメントのいくつかは他のものよりも人口密度が高いので、観察が記録
されない多くの市場セグメントがある。この特性は、必要とされる観察の総数を
２倍、３倍以上にする場合がある。また、勝ちならびに負けを必要とするので、
取引の必要数は２倍になることに留意されたい。その結果、各市場セグメントを
モデル化するために、少なくとも１０回の勝ちと１０回の負けが必要とされるこ
とを想定する（正確な数は、データがどれほど密接に相関しているかに左右され
る）。これは、上記について、次の回数の観察が必要になることを示唆している
。 （９０市場セグメント） ×（２０観察） ×（２．５推定希薄因子） ＝４５００観察

【００５１】 上記の市場セグメントの１つが削除された場合に、この数は大幅に削減される
。たとえば、地域セグメントが削除されると、以下の数しか必要でなくなる。 （１８市場セグメント） ×（２０観察） ×（２．５過程希薄因子） ＝９００観察

【００５２】 市場セグメントは報告目的で用いられる。特定の目標入札価格に関して定めら
れたあらゆる市場セグメントは、報告において用いることができる。市場セグメ
ントは、ｘ軸に沿ってデータを統合するために選択できる。たとえば、上記の例
においては、顧客サイズ、アカウント・サイズ、顧客地域および業種によって、
平均目標価格を表示した報告を作成できた。

【００５３】 市場セグメントは戦略的目標を入力するために用いられる。戦略的目標の例は
、最低／最高落札率である。前の例を用いると、ユーザは、顧客サイズ、アカウ
ント・サイズ、顧客地域および業種によって市場占有率を決定できた。たとえば
、製造業セグメントにあるＮＥの全ての小規模な顧客について最低落札率４０％
を設定するように決定できる。

【００５４】 商品モデル化のためには、グローバル・ディメンションを用いて商品カタログ
価格および（可変）コストの特定を可能にする。特定の目標価格決定について定
められたあらゆるグローバル・ディメンションは、価格およびコストのモデル化
に自動的に利用可能になる。正価およびコストの両方が商品モデルにおいて維持
される。

【００５５】 好適な実施形態における商品価格およびコストは、三次元（以下の）テーブル
を通して説明できる。次元はグローバル・ディメンション・リストから選択され
るか、システム・オーナーによって定められる。目標価格決定システムは、「グ
ローバル・ディメンション」リストと呼ばれる標準的または一定の次元の組を支
援する。このリストは、サイズ、地域および注文された品質などの次元を含む可
能性が最も高い。このシステムは、まだグローバル・ディメンション・リストの
一部ではない新たな次元名の作成も支援する。グローバル・ディメンション・リ
スト内で定められた次元は、特定された次元カテゴリも有する。たとえば、地域
は北、南、東および西と定義されたカテゴリを有することができ、サイズは特大
、大、中および小と定義されたカテゴリを有することができる。そして、これら
の定義は価格（コスト）モデル・テンプレートに入れられて、ユーザが各タプル
に関する価格（コスト）を特定することを可能にする。たとえば、特定の商品に
ついて、２つの次元、すなわち地域とサイズを超えて定義された価格モデルを有
すると想定すると、ここで、各次元は次のように分類された。この場合に、テン
プレートは次のように見える。 次元１：地域 次元２：サイズ 価格 東 特大 大 中 小 西 特大 大 中 小 北 特大 大 中 小 南 特大 大 中 小

【００５６】 そして、システム・オーナ−は上記のテンプレートにおける各２タプル毎に商
品−価格を指定する。各次元を定めながら、システム・オーナーは次元カテゴリ
がどのように解釈されるべきかを規定する必要もある。すなわち、「ルックアッ
プ」（離散的）または「補間」（得られる連続的および正確な値）である。

【００５７】 受注時に（または、このアクションも既に言及しているように、入札構成また
は入札入力時に）、セールス・レプリゼンタティブは、これらの次元に応じてア
カウント、入札および／または商品注文をマップするために必要とされるデータ
を収集する。

【００５８】 全ての必要な情報が得られると、ここでシステムは特定の商品注文に関する価
格（コスト）を計算しなければならない。次に、その過程を通して一般に考えら
れるように、それを構成することを試みた。効率のショートカットが認識されて
採用されるのであれば、システムにおいて最終的に実施されることは異なる場合
がある。説明の残りの部分に進む前に、異なったモデル（価格、コスト、ＢＡＵ
価格、競合他社正価）の何れか中で全ての次元が「ルックアップ」次元として特
定されたときに、以下の詳述は大幅に単純になることは指摘する価値がある。そ
の場合に、アルゴリズム全体は、根本的に「テーブルからの値をルックアップし
ている」、下記のステップ１に削減される。他のあらゆるシナリオにおいて（す
なわち、「補間」次元として特定された少なくとも１つの次元がある場合に）、
「多次元一次補間」と呼んだ方がよい場合がある次のアルゴリズムが適用される
。

【００５９】 各ステップの詳細／詳述に入る前に、このアルゴリズムの簡単な要約を以下に
示す。 ・ステップ１：価格（コストまたは他の値）モデルにおける次元の総数を得る。
ルックアップ・次元に値を設定して、Ｎ＝補間次元の数にする。 ・ステップ２：所望の点がある「セグメント」を見つける。Ｎ＝３ならば８個の
点によって定められる箱形、Ｎ＝２ならば４個の点によって定められる矩形、Ｎ
＝１ならば２個の点によって定められる線セグメント。 ・ステップ３：それぞれが２点間の１回または複数回の一次補間からなり、残り
の点の数を２の因数によって削減するＮ回の反復を行う。Ｎ個のステップの後に
、１つの点（所望の１つ）のみが残る。

【００６０】 ステップ１：まず、商品−注文での全ての「ルックアップ」次元を解明する 「補間」次元の前に「ルックアップ」次元を解明する。たとえば、３つの次元
にわたって商品の価格モデルが定められた場合には、そのうち２つは「ルックア
ップ」タイプのものであり、３番目のものは「補間」タイプである。これらを分
離して、「ルックアップ」次元をまず解明する。

【００６１】 例１ 特定の商品の価格モデルが次の次元に沿って定められる次のシナリオを想定す
る。 ・次元１：［米国の州］としての地域：ルックアップ ・次元２：［１０、２５、５０および１００］としての数量：補間 ・次元３：［２ドア・クーペ、４ドア・セダンおよび５ドア・ワゴン］としての
ボディ・タイプ：ルックアップ

【００６２】 この商品に関する注文のために、セールス・レプリゼンタティブは各次元用の
商品注文入力画面に次の情報を明記した［ＣＡ、８０、４ドア・セダン］。明ら
かに、この時点でシステムが行うべきであるのは、「ルックアップ」次元を直ち
に解明できると認識することである。検討中の商品注文が３タプル、すなわち［
ＣＡ、５０、４ドア・セダン］および［ＣＡ、１００、４ドア・セダン］の間に
あることをシステムは認識すべきである。

【００６３】 ３タプル［ＣＡ、５０、４ドア・セダン］に関する価格はユニット当たり１５
，０００と定め、３タプル［ＣＡ、１００、４ドア・セダン］に関する価格はユ
ニット当たり１４，５００と定めるものと仮定する。すると、明らかに、［ＣＡ
、８０、４ドア・セダン］の商品注文３タプルに関する価格はこれら２つの値の
間にある。これが、最終的に計算する必要があることである。

【００６４】 例２： 次の次元に沿って同じ商品のコスト・モデルが定められている次のシナリオを
想定する。 ・次元１：［米国の州］としての地域：ルックアップ ・次元２：［１０、２５、５０および１００］としての数量：補間 ・次元３：［５０、１００、２５０および５００］としてのマイル表示距離：補
間

【００６５】 この商品に関する注文のために、セールス・レプリゼンタティブは各次元用の
商品注文入力画面に次の情報を明記した（ＣＡ、８０、１５０）。明らかに、こ
の時点でシステムが行うべきであるのは、「ルックアップ」次元を直ちに解くこ
とができると認識することである。検討中の商品注文が３タプル（ＣＡ、５０、
１００）、（ＣＡ、５０、２５０）、（ＣＡ、１００、１００）および（ＣＡ、
１００、２５０）の間にあることをシステムは認識すべきである。そして、明ら
かに、（ＣＡ、８０、１５０）の商品注文３タプルに関するコストは、これら４
個の点でのコストの間にある。これが、最終的に計算する必要があることである
。

【００６６】 ステップ２：商品−注文３タプルの「相対的位置」を識別する しかし、価格を計算できるようになる前に、まず商品注文３タプルの「相対的
位置」を識別しなければならない。前の例においては、１つの「補間」次元しか
なかったので、これはかなり容易であった。

【００６７】 さらに説明を進める前に、いくつかの表記を紹介させて頂きたい。Ｘ、Ｙおよ
びＺは、商品価格（コスト）モデルにおいて定められた第１、第２および第３の
「補間」次元を示すとする。Ｘに関する様々なカテゴリ（分岐点）はｘ［ｊ］に
よって示され、ここで、ｊ＝１、２、・・・、ｎ_xであるものとする。Ｙおよび
Ｚについても同様である。（バーｘ，バーｙ，バーｚ）によって示されたあらゆ
る商品注文３タプルについて、下記が真になるように、商品価格（コスト）モデ
ル内の各補間次元についてｋ、ｌおよびｍを求めることができる。

【数６】

【００６８】 ｛ｘ［ｋ］、ｘ［ｋ＋１］｝、｛ｙ［ｌ］、ｙ［ｌ＋１］｝および｛ｚ［ｍ］
、ｚ［ｍ＋１］｝のデカルト積を、特定することができるあらゆる「ルックアッ
プ」次元と共に捉えることにより、所望の点を「内包する」点の組を生成する。

【００６９】 注：何れの次元についても、式１−ａ、１−ｂまたは１−ｃが真でない（すな
わち、次元値が最も低い分岐点よりも下か、最も高い分岐点よりも上にある）の
であれば、システムは次の２つの可能性の一方を一貫して採用することができる
。 １．ハード・バウンダリ状態：システムは誤り状態を報告する。すなわち、バ
ーｘ＜ｘ［ｌ］であるかｘ＞ｘ［ｎ_x］（あるいはｙおよびｚについても同様）
であれば、システムは誤り状態を返すはずである。この代替策の実施は、かかる
状況が頻繁に生じる見込み（または可能性）に対して重みづけしなければならな
い。このアプローチを実施する（すなわち、誤り状態を報告する）ことが重要で
あり、システム・ユーザがこのシナリオが頻繁に起きることを通知するのであれ
ば、それは、関連付けられた価格、コスト（または他の）モデルを、より広い範
囲の分岐点を含むように修正すべきことを意味する場合がある。 ２．ソフト・バウンダリ状態：システムは問題のバウンダリでの値を返す。こ
のアプローチの影響は、「不均衡な」価格（コストまたは他の値）の計算に翻訳
できるという点で認識されるべきである。システム・ユーザが、モデルによって
報告された「値」がバウンダリで「上部を切られて」いたり「上を覆われて」い
たりすることに気づかないのであれば、これは、システムの機能性や価格決定の
勧告の不信につながる場合がある。

【００７０】 あきらかに、両方のアプローチはそれらの長所および短所を有する。個人的な
好みは上記の第２のアプローチを採用することであるが、場合によっては（また
は顧客によっては）これが理想的なアプローチではないこともある。この周辺に
ある方法は、ソフト・バウンダリ状態をデフォールトして、価格（コストまたは
他の）モデル・テンプレート内（Ａｎａｌｙｓｔ Ｗｏｒｋｂｅｎｃｈ ＧＵＩ
内）で「フラッグ」（チェックボックス）を提供するものである。フラッグはユ
ーザがデフォールトの「ソフト・バウンダリ」アプローチを除外することを許容
する。除外されたときに、システムは「ハード・バウンダリ」アプローチを採用
し、これは、提供された値がモデル記載の境界外にあるときに誤り状態を報告す
る。Ｏｒｉｅｎｔａｌの解除については、ソフト・バウンダリ状態アプローチを
単に用いる。

【００７１】 例１（続き）： 次のデータを提供されており（１つの補間次元のみ）、 （ＣＡ、バーｘ、４ドア・セダン）＝（ＣＡ、８０、４ドア・セダン） これは、式１−ａの相似物を次のように書くことを可能にする。 ５０＜８０＜１００ すなわち、前述のように、所望の価格点は（ＣＡ、５０、４ドア・セダン）お
よび（ＣＡ、１００、４ドア・セダン）に関する価格点の間にある。

【００７２】 例２（続き）： 次のデータを提供されており、 （ＣＡ、バーｘ、バーｙ）＝（ＣＡ、８０、１５０） これは、式１−ａおよび１−ｂの相似物を次のように書くことを可能にする（
すなわち、コスト・モデルについては２つの「補間」次元を有するので、このと
きは一対の不等式）。 ５０＜８０＜１００ １００＜１５０＜２５０

【００７３】 すなわち、前述のように、所望の価格点は（ＣＡ、５０、１００）、（ＣＡ、
５０、２５０）、（ＣＡ、１００、１００）および（ＣＡ、１００、２５０）に
関する価格点内に内包されている。これらの点は、組｛ＣＡ｝、｛５０、１００
｝および｛１００、２５０｝のデカルト積を捉えることにより生成した。

【００７４】 ステップ３：所望の補間された値を計算する ここで既に、商品−注文の価格をそれに関連付けられた３タプルによって指定
されたように計算する備えはほぼ完全にできている。収集する必要がある最後の
情報は、前のステップで識別された次の３タプルに関する商品価格（コスト）モ
デル・テンプレートからの価格（コスト）である。

【００７５】 アルゴリズムは、補間次元のそれぞれに沿った「反復」アプローチである。し
かし、「せいぜい」３個の補間次元しか支援しないことが分かっているので、こ
のアルゴリズムに対する反復の回数は３回に限定されている。これは、解決策そ
のものに達するまで、各反復で１次元だけ問題のサイズを連続的に削減する。ア
ルゴリズムの説明に進む前に、表記の最後の１つを紹介する。（バーｘ、バーｙ
、バーｚ）での価格（コストまたは他の値）はｆ₀₀₀で示されるものとする。同
様に、（ｘ［ｋ］，ｙ［ｌ］，ｚ［ｍ］）での価格（コストまたは他の値）はｆ _klm によって示されるものとする。（バーｘ、ｙ［ｌ］、ｚ［ｍ］）などの点で
の補間結果は、同様にｆ_0lmで示されるものとする。 反復１：Ｘ軸に沿って補間することにより、第１の補間次元をｘ＝バーｘに固
定して、次の点での価格を計算する。 １．（バーｘ、ｙ［ｌ］、ｚ［ｍ］）：点（ｘ［ｋ］，ｙ［ｌ］，ｚ［ｍ］）
および（ｘ［ｋ＋１］，ｙ［ｌ］，ｚ［ｍ］）での価格を補間 ２．（バーｘ、ｙ［ｌ＋１］、ｚ［ｍ］）：点（ｘ［ｋ］，ｙ［ｌ＋１］，ｚ
［ｍ］）および（ｘ［ｋ＋１］，ｙ［ｌ＋１］，ｚ［ｍ］）での価格を補間 ３．（バーｘ、ｙ［ｌ］、ｚ［ｍ＋１］）：点（ｘ［ｋ］，ｙ［ｌ］，ｚ［ｍ
＋１］）および（ｘ［ｋ＋１］，ｙ［ｌ］，ｚ［ｍ＋１］）での価格補間 ４．（バーｘ、ｙ［ｌ＋１］、ｚ［ｍ＋１］）：点（ｘ［ｋ］，ｙ［ｌ＋１］
，ｚ［ｍ＋１］）および（ｘ［ｋ＋１］，ｙ［ｌ＋１］，ｚ［ｍ＋１］）での価
格を補間 反復２：Ｙ軸に沿って補間することにより、第２の補間次元をｙ＝バーｙに固
定して、次の点での価格を計算する。 １．（バーｘ、バーｙ、ｚ［ｍ］）：点（バーｘ、ｙ［ｌ］、ｚ［ｍ］）およ
び（バーｘ、ｙ［ｌ＋１］、ｚ［ｍ］）での価格を補間 ２．（バーｘ、バーｙ、ｚ［ｍ＋１］）：点（バーｘ、ｙ［ｌ］、ｚ［ｍ＋１
］）および（バーｘ、ｙ［ｌ＋１］、ｚ［ｍ＋１］）での価格を補間 反復３：Ｚ軸に沿って補間することにより、第３の補間次元をｚ＝バーｚに固定
して、次の点での価格を計算する。 １．（バーｘ、バーｙ、バーｚ）：点（バーｘ、バーｙ、ｚ［ｍ］）および（
バーｘ、バーｙ、ｚ［ｍ＋１］）での価格を補間。これは１つの次元に沿った単
純な一次補間である。

【００７６】 上記説明に関するいくつかの一般的注記。 １．これらの反復のそれぞれの中で、使用する一般補間公式は

【数７】 であり、ここで、（ｘ［ｒ］，ｙ［ｓ］，ｚ［ｔ］）および（ｘ［ｕ］，ｙ［ｖ
］，ｚ［ｗ］）は補間の所与の「端点」であり、ｆ_rstおよびｆ_uvwはそれらの個
々の価格（コストまたは他の値）であり、（ｘ［ａ］，ｙ［ｂ］，ｚ［ｃ］）は
問題の点である（すなわち、各反復において補間している価格の点である）。 ２．距離関数は、

【数８】 として特定され、距離関数に対する因数として規定された２点の間のユークリッ
ド距離である。 ３．価格（コストまたは他の）モデルに対する３つ未満の補間次元で、３つ未
満の補間次元のシナリオに関する次の観察を行う。 ａ）２つの補間次元：上記アルゴリズムのステップ３が反復２および３に削減
されるだけである。 ｂ）１つの補間次元：上記アルゴリズムのステップ３が反復３に削減されるだ
けである。

【００７７】 「〜まで行う」または「〜まで繰り返す」（反復）ループとして実施された場
合には、この側面には特に取り組む必要はない。補間は自動的に補間次元の数に
適合する。

【００７８】 競合他社正価モデル化については、あらゆる定義されたグローバル・ディメン
ション全体にわたって割引が競合他社カタログ価格に適用されることを許容する
ことにより、グローバル・ディメンションが特定の目標価格決定入札に関して定
められる。割引は正価に行き着くために用いられる。競合他社カタログ価格は商
品モデルにおいて維持される。

【００７９】 ＢＡＵ価格および競合他社正価モデルは、コストおよび価格モデルに関して上
記で既に説明した次元名および次元タイプ（「ルックアップ」または「補間」）
以外に、１つの付加的な属性を有する。この付加的な属性は「モデル・タイプ」
と名称を付されている。「モデル・タイプ」が採る様々な値は、テンプレートが
ＢＡＵ価格モデルまたは競合他社正価モデルの何れを記載しているかに左右され
る。それぞれについて、これらは以下のように詳述されている。 ＢＡＵ価格 １．ディスカウント・オフ・カタログ価格 ２．コスト・プラス ３．ゴーイング・レート

【００８０】 競合他社正価 １．ディスカウント・オフ・カタログ価格 ＢＡＵ価格モデルと競合他社正価モデルとの間の明らかな重複は、３つの別個
のモデル・タイプのコンテキストにおいてアルゴリズムを説明すべきであること
を示唆している。

【００８１】 これらのモデルのデータ捕獲は、価格およびコスト・モデル・データ捕獲と全
く同じである。ＢＡＵ価格および競合他社正価を計算するのに必要な全てのデー
タは、商品−注文入力の時点で捕獲される。セールス・レプリゼンタティブのＧ
ＵＩ画面は、この要件を念頭に設計されている。

【００８２】 ３つのモデル・タイプへの反映は、それらのそれぞれが次の２つの特性を有し
ていることを明らかにしている。 １．それぞれが「基本値」から生成または計算されている。 ａ．ディスカウント・オフ・カタログ価格は「カタログ価格」を「基本値」と
して用いている。 ｂ．コスト・プラス価格決定は「コスト」を「基本値」として用いている。 ｃ．ゴーイング・レート価格決定は、平均、最低または最高「競合他社正価」
を「基本値」として用いている。この最後のモデルは、競合他社正価自体が「競
合他社のカタログ価格」を「基本値」として用いているので、それに組み込まれ
たこの論理／理由付けの別の層を有する。 ２．それぞれが「調節係数」を「基本値」に適用して「調節値」を得る。 ａ．ディスカウント・オフ・カタログ価格は規定された「ディスカウント・オ
ン・カタログ価格」を「調節係数」として用いる。 ｂ．コスト・プラス価格決定は、規定された「パーセンテージ・オーバー・コ
スト」を「調節係数」として用いる。 ｃ．ゴーイング・レート価格決定は、規定された「競合他社の正価に対するオ
フセット」を「調節係数」として用いる。前述のように、「競合他社正価」自体
にはこの論理／理由付けのレベルがさらに関係し、事実、「ディスカウント・オ
フ（競合他社の）カタログ価格」を「調節係数」として用いる。

【００８３】 このように理解すると、アルゴリズム仕様は次のように単純になる。 ステップ１：「基本値：Base Value」を計算する。 「基本値」が少なくとも１つの「補間次元」を有しているのであれば、「基本
値」を計算する際に、上記で特定された多次元一次補間アルゴリズムを用いなけ
ればならない場合がある。 ステップ２：「調節係数：Adjustment Factor」を計算する。 「調節係数」は価格およびコスト・モデルに類似のモデル（すなわち、各次元
を「ルックアップ」または「補間」として解釈する能力を備えた多次元・テーブ
ル）を通して説明しているので、上記のアルゴリズムをここでも適用する。 ステップ３：「調節値」を計算する 「調節値：Adjusted Value」は次の何れかである。 １．カタログ価格からの割引価格 ２．コストを超える価格 ３．競合他社正価に対するオフセット これは次のように容易に計算される。 AdjustedValue ＝ （１＋ AdjustmentFactor） ・ BaseValue ここで、「調節係数：AdjustmentFactor」は「パーセンテージ」（正または負
の何れか）として表されることが理解される。これは、調節係数が５％であれば
、上記の公式においてそれが採る値は０．０５であることを示唆している。換言
すれば、 AdjustmentFactor ＝ AdjustmentFactoAsPercentage／１００

【００８４】 それぞれの場合の正確な公式は次のとおりである。 １．割引カタログ価格：Discounted List Price DiscountedListPrice ＝ （１＋ DiscountOffListPrice） ・ ListPrice ２．コスト・プラス価格：Cost Plus Price CostPlusPrice ＝ （１＋ CostPlusOffset） ・ Cost ３．ゴーイング・レート価格：Going Rate Price ゴーイング・レート価格決定はさらに次のように分類される。 平均ケース：

【数９】 ここで、ｎは競合他社の数である。 最低ケース：

【数１０】 最高ケース：

【数１１】 上記のそれぞれのケースについて、競合他社正価：Competitor Net Price
は次のように計算される。 CompetitorNetPrice_i＝（１＋DiscountOfCompetitorListPrice_i）・Competito
rListPrice_i

【００８５】 利益モデル化については、グローバル・ディメンションを用いて目標価格決定
利益を計算する。利益は、目標価格と、目標価格決定方法の使用の前に決定され
るそれらの対応する予想貢献度対価格およびそれらの対応する予想貢献度レベル
との相違をシミュレートすることによりモデル化する。目標価格決定の使用の前
に決定される価格は、グローバル・ディメンションを用いてモデル化できる。

【００８６】 市場反応モデル（ＭＲＭ）は３つの主要な機能を果たす。すなわち、過去のデ
ータに基づいて市場反応予測変数に関する係数を更新すること（これらの更新さ
れた値はユーザが拒否または変更できる）、特定の入札について、価格依存予測
変数を評価して、価格のみに左右される市場反応曲線を生成すること、および特
定の入札および提示価格について、落札する見積もり確率（「市場反応」）を計
算すること。

【００８７】 予測変数は、市場セグメンテーション基準（ユーザが定義する）、入札ドライ
バまたはこれらのいくつかの積とすることができる。ユーザが指定するあらゆる
予測変数について、市場反応曲線を定める計数値が見積もって記憶する。これら
の係数は、アカウントおよび入札特性と組み合わせて用いて、落札確率を計算す
る。市場反応曲線および落札確率は図３のグラフに示されている。

【００８８】 係数は２つのカテゴリ、すなわち価格依存および価格独立に入る。最適な（目
標）価格を計算するときに、価格依存項は定数として見て、事前に計算すること
ができる。主たる入力は、市場セグメントならびに各市場セグメントに関する価
格依存および価格独立予測変数である。主たる出力は、価格独立および価格依存
係数、入札特定市場反応曲線ならびに入札特定落札確率見積もりおよび価格特定
落札確率見積もりである。

【００８９】 入札特性はこの方法のステップを始める前に、目標価格決定ユーザによって決
定される。特定の回帰に用いられる特定の値は、特性に関する補間に基づいてい
る。一旦市場セグメントおよび入札特性が定められると、確率判断に用いること
ができるように、価格独立の特性および価格依存の特性を作らなければならない
。これらのパラメータは顧客動向をモデル化することに用いるので、変換のいく
つかは始めはあまり直観的でない場合がある。たとえば、何れか１つのパラメー
タにおける大きな変化による確率の大きな振れの可能性を低くするために、対数
式が広く用いられている。

【００９０】 以下は入札特性の例のリストである。 入札特性 特性 説明 名称 入札数量 所与のポートフォリオについて注文された数量 入札総収益 カタログ価格^×ポートフォリオにおける全ての商品の数量 収益 入札貢献度 貢献度＝（収益−コスト）×所与の入札における全ての商品の
数量 主要競合他社 予め指定された主要競合他社の組について、競合他社の何れか
が所 与の入札に存在するか判断する 主要商品 入札において最大の収益の商品

【００９１】 図４Ａの曲線は、落札確率（Win Probability）を増大する割引の関数として
表している。これらの曲線は、価格に対して落札の確率をモデル化するのではな
く、割引（ＣＥ）に対して落札の確率をモデル化しているので、形は反転してい
る。

【００９２】 図４Ａは、「大きい」および「小さい」注文数量の顧客の間で、ブランドの選
択や価格感受性が異なるケースを示している。多量の注文の顧客は当社のブラン
ドに対するより小さい選択（市場反応曲線の横移動）と、より大きい価格感受性
（曲線は中央領域で急峻である）を示していることに留意されたい。

【００９３】 図４Ｂは地域セグメンテーションの例を示している。２番目の曲線はやや右に
ずれているので、カナダ地域に比べて南東地域にはブランドの選択がある。曲線
は非常に類似しているが、特により小さい割引については相違がある。

【００９４】 ＭＲＭは勝ち／負け情報を含む過去の入札を用いて、統計的回帰を実行する。
統計的回帰はロジット関数を用いて最も適合する市場反応曲線を決定する。統計
的形態を用いることには大きな利点がある。

【００９５】 統計的形態は、特性の何れの組についても出力がゼロと１との間にあることを
確実にしている。また、これは滑らかな負の傾斜を提供する。これは、最初の導
関数から価格感受性を得ることを容易にする。ロジット関数の数学的特性は、効
率的な数値計算および適合された係数の直観的解釈を提供する。

【００９６】 たとえば、価格が落札の見込みをモデル化するための唯一の説明的変数である
場合には、下記のように勝ち負け情報を含む１０個の過去の入札がある。 価格 勝ち／負け １ 勝ち ２ 勝ち ３ 勝ち ４ 勝ち ５ 勝ち ６ 負け ７ 負け ８ 負け ９ 負け １０ 負け

【００９７】 勝ち／負けが、勝ちは１によって示され負けは０によって示される疑似変数と
して扱われる場合には、図５Ａに示されたように価格に対する勝ち／負けのプロ
ットを得る。

【００９８】 このプロットを統計的関数に当てはめると、統計的関数は次のように定められ
る。

【数１２】 図５Ｂの曲線が得られるが、ここで、勝ち／負けは二進反応変数であり、アル
ファおよびガンマは説明的変数である。この曲線を用いると、あらゆる価格での
落札の見込みを判断することが容易である。ＭＲＭ計算を説明するために単純な
例を以下に示す。 例：Ｍｅｒｉｔｏｒ重車両システム Ｍｅｒｉｔｏｒはトラック駆動トレーラの種々の部品を製造している。これら
の部品はトラックを製造するＯＥＭ（ボルボ／ＧＭなど）を通して末端の顧客に
販売される。トラックの殆どは末端の顧客のためにＯＥＭによって組み立てられ
るので、Ｍｅｒｉｔｏｒは末端の顧客に提示する割引を計算しなければならない
。

【００９９】 以下の例において、Ｍｅｒｉｔｏｒ重車両システムによってＴｒｉｎｉｔｙ
Ｓｔｅｅｌアカウントに入札が提出された。目標価格決定のユーザによって以下
の顧客セグメントが定められた。 入力 市場セグメンテーション 市場セグメント名 顧客サイズ 市場セグメント解釈 小：０〜１００、中：１０１〜５００、大５０１
以上 さらに次の入札特性がユーザによって定められた。 入札特性 特性名 ＬＯＧＶＯＬ 特性解釈 注文数量のログ したがって、アカウントＴｒｉｎｉｔｙ Ｓｔｅｅｌに提出されたサンプル入
札を以下に示す。 サンプル入札 アカウントＮｏ． １ アカウント Ｔｒｉｎｉｔｙ Ｓｔｅｅｌ 顧客サイズ^× 中 入札Ｎｏ． １ 注文商品 トランスミッション−ＴＲ１２３４ 注文数量 １００ 勝ち／負け 勝ち 当社正価 ５５ドル 競合他社正価 ５７ドル 市場反応変数は次のように計算される。 問題公式化変数 変換用公式 使用値 アルファ アルファ０（切片） あらゆる問題について １ 切片変数を１に設定 アルファ１（離散的顧客 小＝０．０、中＝１．０、 １ セグメント−疑似変数） 大＝２．０ アルファ２（ＬＯＧＶＯＬ） Ｌｏｇ（数量） ２ ガンマ ガンマ１（離散的顧客 アルファ１×Ｌｏｇ セグメント−疑似変数）（ＰｒｉｃｅＲａｔｉｏ） −１．０１５５１２１ ６６ ガンマ２（ＬＯＧＶＯＬ） アルファ２×Ｌｏｇ （ＰｒｉｃｅＲａｔｉｏ） −０．０３１０２４３ ３２ 勝ち／負け情報を含む類似の入札の多数の列が統計的回帰ルーチンにおいて以
下に示したとおり計算される。 出力 回帰によって得られる係数 アルファ アルファ０（切片） −０．００３ アルファ１（離散顧客セグメント −疑似変数） −０．００１ アルファ２（ＬＯＧＶＯＬ） −０．０００６ ガンマ ガンマ１（離散的顧客セグメント −疑似変数） −０．０００８ ガンマ２（ＬＯＧＶＯＬ） −０．０００３ これらの係数を与えられると、あらゆる入札の落札確率は特定の価格について
容易に計算できる。上記の例について、 落札の確率を計算する アルファの合計 ＝アルファ０＋アルファ１＋アルファ２ −０．００４６ ガンマの合計 ＝（ガンマ１＋ガンマ２） ×（ｌｏｇ（ＰｒｉｃｅＲａｔｉｏ） １．７０６３４ Ｅ−０５ 上記入札に関する落札確率 １／１ ＋ＥＸＰ−（アルファ＋ガンマ ×ｌｏｇ（ＰｒｉｃｅＲａｔｉｏ） ０．４９９

【０１００】 これによって、落札確率は、システムが用いて落札確率を計算する市場反応パ
ラメータを含む有効なパラメータ・セットから判断できる。 落札確率：Win Pribに関する二項ケースは、

【数１３】 ここで、α＝α₀＋Ｂ₁α₁＋Ｂ₂α₂＋．．．＋Ｂ_nα_n γ＝γ₀＋Ｄ₁γ₁＋Ｄ₂γ₂＋．．．＋Ｄ_nγ_n 落札確率に関する多項ケースは、

【数１４】 ここで、α_i＝α₀＋Ｂ_1iα₁＋Ｂ_2iα₂＋．．．＋Ｂ_niα_n γ_i＝γ_0i＋Ｄ₁γ_li＋Ｄ₂γ_2i＋．．．＋Ｄ_nγ_ni それぞれのケースにおいて、αおよびγは入札に特定のものである。 Ｂ₁、．．．Ｂ_nは、入札特定のブランドの選択および他の価格独立ドライバ並
びに市場セグメント変数である。 Ｄ_i、．．．Ｄ_nは、入札特定価格依存ドライバおよび市場セグメント変数であ
る。 αは、これらのパラメータの変化が市場反応曲線を右に（または左に）移動さ
せるので、ブランドの選択および他の価格独立パラメータとして言及されている
。 γは、これらのパラメータの変化が市場反応曲線の傾斜を変えるので、価格依
存パラメータとして言及されている。

【０１０１】 価格独立予測変数は、顧客のブランドの選択の計測値として見ることができる
。しかし、価格依存予測変数は顧客の価格感受性の計測値を提供し、市場反応曲
線の直線領域の傾斜を決定する。図８は、市場反応曲線上における予測変数係数
の影響を示している。

【０１０２】 統計的回帰の好適な方法に関しては、

【数１５】 であり、αは価格独立係数の合計を表している。図８において、αが増加すると
、曲線は右に移動する（高まったブランドの選択を示している）ことに留意され
たい。一方、γは価格の変化の効果を合計している。そのため、図８においては
、γが増加すると、曲線はより急峻になる。

【０１０３】 統計的市場反応曲線に関しては、落札確率（ＷＰ）が０．５に等しい屈折点が
常にある。γが高いほど、ＷＰ＝０．５に近くでは曲線はより急峻になり、端点
ＷＰ＝０およびＷＰ＝１ではより浅くなる。

【０１０４】 市場セグメンテーションはマクロ・レベルの顧客動向（たとえば、地域ベース
の市場セグメント）をモデル化しており、したがって価格戦略の一体的な部分で
あることに留意されたい。目標価格決定においては、アカウント特性は市場セグ
メントを特定するために用いることができ、セグメント特定の正価が提供される
ことを可能にする。また、個々の入札の特性（量または主要な競合他社）は、顧
客のブランドの選択および支払いの意志にさらに影響し得る。したがってＭＲＭ
は、入札確率を見積もるときに、アカウントと特定の入札の両方の特性を適用す
る。

【０１０５】 目標価格決定を多数の広範な業界において採用して、入札のための基本的イン
フラストラクチャとして機能することを可能にする、基本的な事業のオブジェク
トがある。特に、主要なオブジェクトは、会社、アカウント、入札、商品および
オプション（競合商品およびオプションを含む）を含む。 「会社」：会社は目標価格決定ユーザか会社の競合他社の１つかの何れかであ
る。 「アカウント」：目標価格決定ユーザの顧客または潜在的顧客である。 「入札」：入札は、カスタム価格が目標価格決定方法によって生成される特定
された期間にわたる商品に対する要求である。 「商品」：目標価格決定ユーザが製作して入札に含める商品またはサービスが
ある。また、商品は競合他社によって製作されるものも含む。 「オプション」：商品に追加できるが、それのみでは注文できない付加的な副
商品がある。

【０１０６】 図４は、主要なオブジェクトがどのように相互関係するかを示している。会社
はアカウントの入札に含まれる商品を製作する。アカウントは目標価格決定ユー
ザの現在のおよび潜在的な顧客である。各アカウントは名称およびアカウント番
号によって識別される。各アカウントと関連付けられるのは、市場セグメント変
数の値である。

【０１０７】 アカウントは０以上の入札を含む。アカウントは、それが新しい場合やそれに
ついて入札がまだ行われていない場合には０個の入札を含む。アカウントは２以
上の入札を含むことができるが、いつでも１つの入札のみが有効である。残りの
入札は、無効であるか、拒否されたか、ペンディングであるか制作中かの何れか
である。 有効な入札価格決定の例は次のとおりである。 アカウント 番号 名称 本社住所 顧客になった日 顧客セグメント 業界 １ Ｔａｌｕｓ Mt. View, CA １/１/１990 小 ５ ４１ ２ Ｃｉｓｃｏ Menlo Park, CA １/１/１985 大 ３ ３４ ３ Ｈｅｒｔｚ Park Ridge, NJ １/１/１998 中 ４ ８５ ４ Ｈｙａｔｔ Oakbrook, IL なし なし ７ ２１ ５ Ｓａｆｅｗａｙ Oakland, CA なし なし ４ ４５

【０１０８】 入札は、指定された価格での指定された期間にわたる商品の配送に関する、ア
カウントへの申し出である。入札は少なくとも１つの商品またはサービスの注文
を含み、２つ以上の商品またはサービスの注文を含むことができる。たとえば、
入札には、以下に示したように次の情報、すなわち、入札番号、アカウント、入
札の説明、入札状況、アカウント・エグゼクティブ、様々な日付および１つまた
は複数の商品注文を含むことができる。 入札番号 アカウント 説明 日付 状況 １ Ｔａｌｕｓ 年度更新 １９９７ 無効 ２ Ｔａｌｕｓ 年度更新 １９９８ 有効 ３ Ｃｉｓｃｏ 年度更新 １９９７ 無効 ４ Ｃｉｓｃｏ 年度更新 １９９８ 有効 ５ Ｈｅｒｔｚ 最初の申し出 １９９８ 有効 ６ Ｈｙａｔｔ 最初の申し出 １９９７ 拒否 ７ Ｓａｆｅｗａｙ 最初の申し出 １９９８ 拒否

【０１０９】 入札は常に次の状態のうちの１つである（状態は時間が経つと変わり得ること
に留意されたい）。 「制作中」−入札が作成されており、顧客に提出されていない。 「ペンディング」−入札は完成され、目標価格が決定され、顧客に提出されて
いるが、顧客からはまだ反応を得ていない。 「有効」−入札が受け容れられ、契約に転換されて、その契約の下で現在商品
を提供している。 「拒否」−入札が完全に拒否されたか、実行されないまま失効した。 「無効」−以前には有効であったが、指定された（有効な）期間を過ぎた入札
。 入札には次の日付が関連付けられている。 「開始日」−これらの条件の下で商品が提供される最初の日。 「終了日」−これらの条件の下で商品が提供される最終日。 実施形態には「開始日」および「終了日」を入札と関連付けないものもある。 「始端日」−入札が最初に顧客に提出された日。 「終端日」−入札が受け容れられたか、拒否されたか実行されずに失効した日
。 「失効日」−入札が失効する日。 「最終修正日」−入札が最後に修正された日（商品注文が修正されたか、提示
された価格が変更されたかの何れか）。

【０１１０】 商品は、契約したか合意した条件で会社がその顧客に提供する商品およびサー
ビスである。商品は、次のパラメータ、すなわち、名称、番号、部品番号、製品
ライン、一連のオプション、コスト・モデル、価格モデル、一連の競合商品およ
び会社から構成することができる。

【０１１１】 オブジェクト・モデルにおいては、商品と商品注文とを区別することが好まし
い。商品は定義であり、商品注文は入札において注文された特定の商品である。
商品注文は、数量、対応する期間およびオプションを含む。商品のいくつかの例
は次のとおりである。 番号 名称 製品ライン 部品番号 １ Inspiron 3500 ノートブック D266Xt １００１ ２ Dimension XPS ビジネス・ R450 デスクトップ ２００１ ３ Solo Portable PC ５１５０ ４ Hyperspace GX- 450XL ６２００

【０１１２】 商品注文は、入札において注文された特定の商品およびオプションである。商
品注文は、要求された数量および数量が関連する期間（たとえば、１日当たり、
１週当たり、１ヶ月当たり、１四半期当たり、全期間で）も特定する。また、商
品注文は、この商品と共に注文されたオプションを特定する。最後に、Ｎ個の次
元価格またはコスト・モデルを含むあらゆる商品について、価格／コスト・モデ
ルに対応する特定の次元も記録しなければならない。この例は次のとおりである
。 商品番号 数量 期間 競合他社 競合他社正価 オプション １ ２５ 全期間 １ ２７００ なし ２ ５０ 全期間 １ ３９９９ ２

【０１１３】 オプションは、特定の商品について注文できる副商品である。オプションは、
対応する商品が注文された後にのみ注文できる。各商品は０以上のオプションを
含む。

【０１１４】 オプションは、次のパラメータ、すなわち名称、コスト・モデル、価格モデル
、競合するオプションおよび会社から構成することができる。

【０１１５】 オブジェクト・モデルにおいては、オプションとオプション注文とを区別する
ことが好ましい。オプションは定義であり、オプション注文は特定の商品注文と
共に注文された特定のオプションである。オプション注文は、次の例が示すよう
に、商品注文オブジェクトに含まれる。 番号 名称 会社 価格モデル コスト・モデル 競合オプション １ ３２ＭＢメモリ ０ ９９ドル ５０ドル ３ ２ ３年保証 ０ １５０ドル ５０ドル ４ ３ ３２ＭＢメモリ １ ６０ドル ４ ３年保証 １ ０ドル 価格およびコストは次の方法でモデル化できる。 ０−Ｄ 単一値 １−Ｄ 値のベクトル ２−Ｄ 二次元マトリックス Ｎ〜Ｄ ｎ次元マトリックス 関数 上記モデルの組み合わせ 価格／コスト・モデルの例 ０−Ｄ ２０ドル １−Ｄ 数量 １ ２〜５ ６＋ 価格 ２０ドル １８ドル １５ドル 重量 ２−Ｄ 距離 ０〜１ポンド １〜１０ポンド １０＋ポンド １ゾーン １０ドル ８ドル ５ドル ２ゾーン １５ドル １２ドル ８ドル ３ゾーン １９ドル １４ドル ９ドル 「関数」：集荷コスト（０−Ｄ）＋輸送コスト（２−Ｄ） 価格またはコストは、適合入力からのテーブルから検索して、正確な値に補間
することができる。

【０１１６】 目標価格決定ユーザの商品のそれぞれについて、競合商品のリストが特定され
る。これらの競合商品のそれぞれは、目標価格決定ユーザの商品のように扱われ
る。唯一の相違は、商品において特定された会社は競合他社で、競合他社に関す
るコストは計算する必要はないのでコスト・モデルは特定されないことである。

【０１１７】 目標価格決定に用いられる競合他社正価（ＣＮＰ）モデルは、交渉済みの割引
を含めて、競合他社が顧客に提示する価格を見積もる。論理的には、全ての他の
要因が等しいとすると、競合他社の正価が低いほど、同じ成功の確率を確実にす
るために目標入札価格は低くならなければならない。逆に、競合他社の正価が高
いほど、目標入札価格は高くなる。

【０１１８】 目標価格決定方法は、特定の入札におけるあらゆる商品について商品レベルで
正確な競合他社正価を用いることが理想的である。そして、目標価格決定方法は
、各競合商品について競合他社の正価を計算できる。競合他社正価を見積もるこ
とができる間は、データの分散は、得られた目標価格に現在の市場環境を適正に
反映させないことがあり得る。

【０１１９】 目標価格決定ユーザの商品のそれぞれについて、通常はシステムにおける各競
合他社からの競合商品がある。たとえば、目標価格決定ユーザがフォードであり
、競合他社がホンダやトヨタからなっていたならば、Ｔａｕｒｕｓ自動車などの
各フォード商品について、ホンダからの競合商品（たとえば、アコード自動車）
およびトヨタからの競合商品（たとえば、カムリ自動車）があるであろう。競合
商品は注文レベルでのみ必要とされる。

【０１２０】 これらの競合商品は、次を例外として、あたかも目標価格決定ユーザの商品の
ように目標価格決定商品モデルにおいて維持される。競合他者の申し出のコスト
を見積もる必要はないので、コスト・モデルはそれらに関して記憶されない。競
合商品は、目標価格決定ユーザの商品テーブルに記憶されるので維持されない。

【０１２１】 競合商品のカタログ価格を計算するために、その商品に維持された価格モデル
が利用される。全ての他の商品のように、競合他社の商品価格は０−Ｄ、１−Ｄ
または２−Ｄモデルとして維持することができる。価格モデル化に必要とされる
全ての属性（すなわち、価格モデルの次元）は、入札商品注文構成過程中に入手
しなければならない。

【０１２２】 商品のカタログ価格に対しては、オプションの価格も付加しなければならない
。これは、ユーザ商品モデルを吟味して、適切なオプション価格を検索ことによ
り行われる。この方法は次の例によって最も明確にすることができる。 連続的市場セグメント 年間収益 小 ０〜５０，０００ドル 中 ５１，０００〜４００，０００ドル 大 ４００，０００超 目標価格決定ユーザ：フォード 競合他社：ホンダおよびトヨタ 商品：Ｔａｕｒｕｓ 以下の１−Ｄ価格モデル： Ｔａｕｒｕｓ価格モデル 数量 価格 １〜９ ２０，０００ドル １０〜９９ １９，０００ドル １００＋ １８，０００ドル Ｔａｕｒｕｓ競合他社テーブル： ホンダ：アコード トヨタ：カムリ Ｔａｕｒｕｓオプション・テーブル： オプション 価格 ホンダ・オプション／価格 トヨタ・オプション／価格 サンルーフ １000ドル ムーンルーフ−800ドル 該当せず Ｖ−８ 2000ドル Ｖ−６−１500ドル Ｖ−６−2000ドル 革シート 800ドル ＬＸアップグレート ＸＬＥアップグレード −１200ドル −2000ドル 商品：ホンダ・アコード 以下の１−Ｄ価格モデル： ホンダ・アコード価格モデル 数量 価格 １〜５ ２２，０００ドル ６＋ ２０，０００ドル 商品：トヨタ・カムリ 以下の０−Ｄ価格モデル：２１，０００ドル 入札例： 入札番号１：フォードＴａｕｒｕｓ １台、サンルーフおよびＶ−８付き フォード・カタログ価格＝２０，０００ドル＋１０００ドル＋２０
００ドル＝２３，０００ドル ホンダ・カタログ価格＝２２，０００ドル＋８００ドル＋１５００
ドル＝２４，３００ドル トヨタ・カタログ価格＝２１，０００ドル＋０＋２０００ドル＝２
３，０００ドル 入札番号２：フォードＴａｕｒｕｓ １５台、サンルーフおよび革シート付き フォード・カタログ価格＝１９，０００ドル＋１０００ドル＋８０
０ドル＝２０，８００ドル ホンダ・カタログ価格＝２０，０００ドル＋８００ドル＋１２００
ドル＝２２，０００ドル トヨタ・カタログ価格＝２１，０００ドル＋０＋２０００ドル＝２
３，０００ドル

【０１２３】 競合他社カタログ価格を計算した後に、適切な割引モデルを適用することによ
り正価を計算する。割引オプションは次のとおりである（各モデルは競合他社毎
に異なることに留意されたい）。 ・セグメンテーションの使用なし＝単一の割引値を全ての商品に対して適用する
； ・商品セグメンテーションを使用＝各商品について異なった割引を利用可能であ
る；市場セグメンテーションを使用＝各市場セグメントについて異なった割引を
利用可能；または ・セグメントの組み合わせ＝２つ以上の市場セグメントを組み合わせるか、１つ
または複数の市場セグメントを有する商品セグメントを組み合わせる。

【０１２４】 前述と同様に、これは次の例によって最もよく示される。 ホンダ：セグメンテーションの使用なし：標準的割引は１０％。 トヨタ：商品および市場セグメントを次のとおり用いる： 市場セグメント＝顧客サイズ 商品 小 中 大 カローラ ０％ ５％ １０％ カムリ ０％ １０％ １５％

【０１２５】 これは、ホンダの正価を計算するために、まずカタログ価格（オプションを含
む）を計算してから１０％割引することを示している。トヨタの正価を判断する
ためには、まずどの顧客サイズ市場セグメントにアカウントが入るかを判断して
から、価格決定される商品に対して適切なパーセンテージを適用することが必要
である。たとえば、カムリを購入する中サイズの顧客については、割引は１０％
になるであろう。

【０１２６】 目標価格決定方法には競合他社正価が非常に重要な入力であるので、見積もる
競合他社正価が妥当であることを確実にするために事前対策を採るべきである。
これは、許容可能範囲を用いることにより達成することが好ましい。

【０１２７】 許容範囲は、目標入札価格計算中に許容可能範囲外に出る値を判断するために
用いられる。値が許容可能範囲外にある場合には、競合他社正価を許容可能範囲
内に入るまで変えなければならないか、競合他社正価モデルを変えなければなら
ない。

【０１２８】 目標価格決定方法は特定のユーザに対して最適化することができる。マクロ・
レベルでは、目標価格決定方法は各入札について目標価格を推奨する。そして、
これらの入札レベルの推奨を用いて、商品レベル価格の推奨を計算する。各レベ
ルでの目標価格は、特定の事業規則（制約）に従って、予想限界貢献度を最大化
する非線形最適化によって判断される。しかし、単一の特定の入札価格を提供す
るのではなく、目標価格決定方法は、顧客と最終価格を交渉できる範囲を計算す
ることが好ましい。

【０１２９】 入札の「静的な」評価を検討するか、多年にわたる各入札注文を評価すること
により、マクロ・レベルで市場ダイナミクスを捕獲することができる。多年最適
化は、顧客反応、金利の変化、コストおよび価格構造の変化および同様のパラメ
ータのような動向をモデル化できる。

【０１３０】 目標価格決定は、次の一連の４ステップで価格を計算する。 （１）制約されていない入札レベル価格。 （２）制約された入札レベル価格。 （３）制約されていない商品レベル価格。 （４）制約されている商品レベル価格。

【０１３１】 各ステップで、この方法は最低価格、目標および最高価格を計算する。内部的
には、価格はカタログ価格に相対的なパーセント割引として計算されるが、目標
価格決定ユーザは、それらを絶対（現金）額、絶対（現金）割引または、競合他
社正価に相対的な価格比として表示するように選択できる。

【０１３２】 目標価格決定ユーザは、落札確率を計算するのに必要な全ての入札およびアカ
ウント情報を収集しなければならない。付加的なパラメータまたは要因の例は、
商品、オプションおよび注文数量、カタログ価格および入札における全ての商品
の数量、入札における全ての商品のコストおよび数量、入札における全ての商品
についての競合他社正価である。

【０１３３】 目標価格決定方法は、最低、目標および最高価格をその出力として生成する。
生成された値は、入札全体についての制約されていない価格および制約されてい
る価格、および各商品についての制約されていない価格および制約されている価
格である。

【０１３４】 最適化の方法は、制約されていない入札レベルの最適化を解明するステップと
、全ての戦略的目標を無視するステップと、制約された最適化の適用を通して戦
略的目標を解明するステップと、制約されてない商品の最適化および制約された
商品の最適化を解明するステップとを特に含む。

【０１３５】 この方法を用いる際には、ＭＲＭを用いて過去の入札データを分析して、市場
反応予測変数に関する係数を全てのアカウントおよび入札特性で更新する。ＭＲ
Ｍは全ての価格独立項を計算して、目標価格決定ユーザの正価にのみ依存する市
場反応曲線を生成する。そして、ユーザは非線形最適化ルーチンを行って、予想
貢献度を最大化する価格を次のように求めることが好ましい。 予想貢献度＝落札確率×全ての商品についての合計［カタログ価格×（１−割
引） −商品ｉの可変コスト］×商品ｉの数量

【０１３６】 一旦入札最適化が計算されると、入札における各商品に割引が割り当てられる
。入札レベルで計算された割引を、入札内の商品のそれぞれに単に割り当てるこ
とは可能であるが、各商品に対する割当を最適化することが好ましい。

【０１３７】 この方法は、所与の入札において注文された商品のそれぞれについてインセン
ティブを割り当てながら、予想貢献度（入札レベルでの）を最大化すべきである
。個々の商品インセンティブは入札レベルに統合されて、あらゆる所望の制約を
受ける。商品レベルで提示されたインセンティブはまとまって、入札最適化によ
って決定された入札レベルのインセンティブになるべきである。そして、商品イ
ンセンティブは、いくつかの実施形態において負の販売利益があり得ることにな
るとしても、その商品に可能な販売利益を超えるべきではない。

【０１３８】 戦略的目標は、目標価格決定方法の使用からのデフォールト動向を制御するた
めに用いることができる。さらに、戦略的目標は、最適な目標価格の計算に影響
する制約を決定する。

【０１３９】 この方法は、次の２つのタイプの戦略的目標を用いることが好ましい。 「落札（成功）率」−これらは、特定の市場セグメントで必要とされる最低ま
たは最高の落札率である。 「最低販売利益」−これらは、各入札で強制される最低販売利益である。

【０１４０】 戦略的歩合は次の順序で適用することが好ましい。（１）制約されていない目
標価格を計算し、（２）対立する戦略的目標を解決する。実現可能な目標範囲を
戦略的目標によって決定される制約から計算する。最適な目標価格がこの実現可
能な範囲外にあれば、制約を満足する制約された目標価格を求める。

【０１４１】 多数の最低成功率目標の中で、最も高い成功率を有するものを選択する。多数
の最高成功率目標の中で、最も低い成功率を有するものを選択する。多数の販売
利益目標の中で、最も高い販売利益を有するものを選択する。成功率目標と販売
利益目標とが対立していれば、ユーザによって設定された任意のパラメータが優
先順位を決定する。

【０１４２】 最低販売利益は２レベル、すなわち個々の製品レベルおよび製品ライン・レベ
ルで適用することができる。制約されていない目標価格が計算された後に、商品
の最低販売利益を検証する。何れかの商品について、最低販売利益が守られてい
なければ（たとえば、商品Ａの最低利益が１０％であるが、方法は８％と計算し
た）、目標価格は最低販売利益にまで調節すべきである（すなわち、最低販売利
益基準が満たされるまで価格を引き上げる）。

【０１４３】 全ての商品販売利益を調節した後に、全体的な入札販売利益を計算する。入札
販売利益が最低を超えていれば、全ての商品の価格はそれに比例して調節すべき
である。たとえば、最低入札販売利益が１０％であり、５％の販売利益の入札を
有していると仮定する。このとき、その入札における各商品の価格を、全体的な
入札販売利益が１０％になるまで比例的に引き上げる。

【０１４４】 特定の入札に関する全ての戦略的目標の総コストを計算するか、あるいは、全
ての組の潜在的入札について戦略的目標を適用するコストを前向きベースで判断
する。特定の入札における戦略的目標の予想コストは、単に、戦略的目標のない
予想貢献度と目標のある予想貢献度との相違である。

【０１４５】 目標価格決定の利益は、目標価格決定の使用の性能を計測すること、および目
標価格決定ユーザの依然のシステムが効果的に動作していないと思われる範囲に
、調査努力を集中させることに用いることができる。問題は、ユーザの誤り、た
とえば、不正確な入力データの結果である場合もあり、そのため、できるだけ早
く修正すべきである。

【０１４６】 目標価格決定の利益は、目標価格決定を用いることから生ずる増加した予想貢
献度として定義される。数学的には、これは、目標価格決定のある予想貢献度か
ら、会社の既存の価格決定方法を用いることから生ずる予想貢献度を引いたもの
として表される。

【０１４７】 目標価格決定の利益を計算する好適な方法は、過去の入札取引のデータベース
を収集して、各入札について、次の情報を記録することである。 「目標価格」：最適化工程を通してシステムによって計算される 「実際価格」：顧客により最終的購入を通して決定される（通常は、目標価格決
定方法によって計算される範囲内に入るはず） 「可変コスト」：各入札状況に独特である 「ＴＰ落札確率」：目標価格と関連づけられた落札確率 「ＡＰ落札確率」：ＴＰ落札確率に関して用いたものと同じ市場反応曲線を用い
て、実際価格と関連づけられた落札確率 「ビジネス・アズ・ユージュアル（ＢＡＵ）価格」：目標価格決定の前に、入札
に用いられた価格 「ＢＡＵ落札確率」：ＴＰ落札確率に関して用いたものと同じ市場反応曲線を用
いて、ＢＡＵ価格と関連付けられた落札確率。 上記の値を用いると、次のように計算できる。 実際に受けた利益（すなわち、ユーザが現在体験している利益）＝ （実際の価格−コスト）×ＡＰ落札確率−（ＢＡＵ価格−コスト）×ＢＡＵ落
札確率、および ＴＰ最適利益（すなわち、正しく用いた場合の理論的システム潜在性）＝ （目標価格−コスト）×ＴＰ落札確率−（ＢＡＵ価格−コスト）×ＢＡＵ落札
確率

【０１４８】 これらの数値は各取引について計算することができ、そして、何れかのレベル
にスケーリングされた利益数値が望ましい。たとえば、利益は、競合他社、地域
、アカウント・エグゼクティブ、顧客のタイプ、産業セグメントまたは他のパラ
メータによって統合することができる。

【０１４９】 目標価格決定利益を計算するために、目標価格決定の前に会社の価格決定行為
のシミュレーションが必要である。ユーザは、次の３つの異なった価格決定方法
の中から選択を行うことが好ましい。 「コスト・プラス価格決定」：この価格は、コストを上回る予め指定された額
（販売利益）である。ＢＡＵ価格＝コスト×（１＋売上総利益） 「カタログ価格決定」：この価格は、価格リストにおいて維持されているもの
から予め指定された額を割り引いたものである。ＢＡＵ価格＝カタログ価格×（
１ー割引） 「ゴーイング・レート価格決定」：この価格は競合他社の価格に基づいており
、それらの価格を上回るか下回る、事前に指定された額である。ＢＡＵ価格＝競
合他社正価×（１＋売上総利益）

【０１５０】 これらのＢＡＵ価格モデルは商品毎に、あるいはシステムのグローバル・ディ
メンションのいずれかに応じて変わり得る。ゴーイング・レート・モデルについ
ては、目標価格決定ユーザは、多数の競合他社の価格から「ゴーイング・レート
」をどのように計算するかを選択しなければならず、オプションは、最低、平均
または最高の競合他社の正価である。

【０１５１】 数例が事前目標価格決定活動モデルをより明らかにする。 会社は常にコストを１０％上回って価格決定した。これはセグメンテーション
なしのコスト・プラス・モデルである。売上利益＝１０％。会社は常にコストを
幾分か上回って価格決定した。特定の非常に競争力の高い商品については５％で
あり、残りの所有権を主張できる商品については２０％であった。これは、商品
セグメンテーションのあるコスト・プラス・モデルである。会社はコストを幾分
か上回って価格決定した。売上利益は商品および顧客サイズ毎に異なった。商品
および市場セグメンテーションのあるコスト・プラス。会社はその標準的価格リ
ストから割引した。割引は地域および顧客サイズ毎に異なった。２つのグローバ
ル・ディメンション（地域および顧客サイズ）を有するカタログ価格決定。 会社はその競合他社に基づいて価格決定した。競合他社Ａに対して、会社は５
％上に価格決定し、競合他社Ｂに対して、会社は５％下に価格決定した。ゴーイ
ング・レート価格決定。

【０１５２】 目標価格決定利益計算における最終ステップは、上記の方法の１つを用いて計
算されたＢＡＵ価格を得て、それに関連づけられた落札確率を計算することであ
る。これは、市場反応曲線からのその価格と関連づけられた落札率をルックアッ
プすることにより行う（これも、競合他社正価を必要とする）。市場反応モデル
は公平な過去の情報から得られ、価格を落札確率に直接関連付けるので、非目標
価格決定方法を用いて計算された価格に関する落札確率を計算するのに用いるこ
とができる。しかし、比較を意味あるものにするためには、同じＭＲＭパラメー
タ・セットを用いて、ＴＰおよびＢＡＵの両方の落札確率を計算しなければなら
ない。

【０１５３】 以上は本発明の好適な実施形態にのみ関するものであり、本発明の趣旨および
範囲から逸脱することなく、本明細書に記載した実施形態に多数の変更を加える
ことができることを理解されたい。

【図面の簡単な説明】

【図１】 本発明による典型的なＴＰＳにおける構成部分のブロック図であ
る。

【図２】 図１にある典型的な目標価格エンジン（ＴＰＥ）１４５における
構成部分のブロック図である。

【図３】 市場反応モデルにおいて用いる市場反応曲線ならびに貢献および
予想される貢献のプロットを示したグラフである。

【図４Ａ】 分量ベースの区分について大量および少量の顧客に関する落札
確率カーブを示した分岐グラフであり、割引はｘすなわち価格軸上にプロットさ
れている。

【図４Ｂ】 地域ベースの区分について大量および少量の顧客に関する落札
確率カーブを示した分岐グラフである。

【図５Ａ】 勝ち／負け曲線をプロットした底線点で示したグラフを示して
いる。

【図５Ｂ】 勝ち／負け曲線を統計的関数によってプロットした、図３Ａの
グラフを示している。

【図６】 目標価格決定システムおよび方法の主たるオブジェクトを示した
ブロック図である。

【図７】 市場反応モデルの他のシステム構成部分との相互作用を示したブ
ロック図である。

【図８】 予測係数の市場反応曲線への影響を示している。

───────────────────────────────────────────────────── フロントページの続き (31)優先権主張番号 ６０／１７８，５０１ (32)優先日 平成12年１月27日(2000．1．27) (33)優先権主張国 米国（ＵＳ） (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＴＺ，ＵＧ，ＺＷ )，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ， ＴＪ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ， ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，Ｃ Ｒ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＤＭ，ＥＥ，ＥＳ，ＦＩ ，ＧＢ，ＧＤ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ， ＩＬ，ＩＮ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，Ｋ Ｚ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＡ ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ， ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，Ｓ Ｋ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＴＺ，ＵＡ，ＵＧ ，ＵＺ，ＶＮ，ＹＵ，ＺＡ，ＺＷ (71)出願人 Ｏｖｅｒｌｏｏｋ 11， 2839 Ｐａｃｅ ｓ Ｆｅｒｒｙ Ｒｏａｄ， Ａｔｌａｎ ｔａ， Ｇｅｏｒｇｉａ 30337， Ｕｎ ｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒ ｉｃａ (72)発明者 ボイド、ディーン アメリカ合衆国、オレゴン州、コテッジ・ グローヴ、ワグナー・レーン 36245 (72)発明者 ガーディノ、トーマス アメリカ合衆国、オレゴン州、ユージー ン、フォレスター・ウェイ 1033 (72)発明者 ゴードン、マイク アメリカ合衆国、カリフォルニア州、サ ン・マテオ、ヴェンチュラ 643 (72)発明者 プーラング、ムディタ アメリカ合衆国、カリフォルニア州、サニ ーヴェイル、ヴィンセント・ドライブ 1240、アパートメント エイ (72)発明者 アンデルソン、ヨルゲン アメリカ合衆国、カリフォルニア州、サニ ーヴェイル、サウス・ベイヴュー・アベニ ュー 231、ナンバー 20 (72)発明者 クリシュナマーシー、パブハカール アメリカ合衆国、カリフォルニア州、プレ ザントン、ボードウォーク・ストリート 3085 (72)発明者 タイ、チア−フン アメリカ合衆国、カリフォルニア州、サニ ーヴィエル、ロングスパー・アベニュー 1607 (72)発明者 クック、マーク アメリカ合衆国、カリフォルニア州、エ ル・グラナダ、ポスト・オフィス・ボック ス 272 (72)発明者 ヤン、フェン アメリカ合衆国、カリフォルニア州、サニ ーヴェイル、ガーランド・アベニュー 683、ナンバー 63 (72)発明者 ナンディワダ、ラヴィ アメリカ合衆国、カリフォルニア州、サ ン・ホセ、レインボー・ドライブ 7110、 アパートメント 13 (72)発明者 コラマラ、アヌパマ アメリカ合衆国、カリフォルニア州、マウ ント・ヴュー、ウエスト・ミドルフィール ド・ロード 500、ナンバー 189 (72)発明者 モンテイロ、ブライアン アメリカ合衆国、カリフォルニア州、サニ ーヴィエル、エスカロン・アベニュー 1000、アパートメント エイチ−3060 (72)発明者 クック、グレグ アメリカ合衆国、カリフォルニア州、マウ ント・ヴュー、カーン・コート 1249 (72)発明者 ハース、スティーヴ アメリカ合衆国、カリフォルニア州、メン ロー・パーク、アーリントン・ウェイ 260

Claims (44)

【特許請求の範囲】
1. 【請求項１】 １つまたは複数のデータ記憶部に連結した１つまたは複数の
   ホスト・プロセッサに内在する、最適値を得るための目標価格決定システムであ
   って、 記憶された価格データを用いてカタログ価格を定め、記憶されたコスト・デー
   タを用いて該価格の原価計算を行う商品モデルと、 前記価格に対する同等な競合他社正価を計算する競合他社正価モデルと、 前記価格での落札の確率を価格の関数として計算する市場反応モデルとを含む
   システム。
2. 【請求項２】 予想貢献度を最大化する最適値の目標価格を計算する、最適
   化モデルをさらに含む、請求項１に記載のシステム。
3. 【請求項３】 以前から存在する価格決定アプローチと比較して、１つまた
   は複数の目標価格決定の利益を計算する利益モデルをさらに含む、請求項１に記
   載のシステム。
4. 【請求項４】 前記商品モデル、競合他社価格モデル、市場反応モデル、最
   適化モデルおよび利益モデルは、前記目標価格決定システムの前記１つまたは複
   数のプロセッサ上のソフトウエアで実施されるオブジェクトである、請求項２に
   記載のシステム。
5. 【請求項５】 前記商品モデルおよび前記競合他社価格モデルは、少なくと
   も価格とコストとを反映する記憶されたデータを有してｎ次元であり、前記価格
   決定、価格の原価計算および同等な競合他社正価の計算は、前記記憶されたデー
   タの反復一次補間によって行われる、請求項１に記載のシステム。
6. 【請求項６】 １つまたは複数のデータ記憶部に連結した１つまたは複数の
   ホスト・プロセッサに内在する、最適な付け値を得るための目標価格決定システ
   ムであって、 記憶された価格データを用いてカタログ価格を定め、記憶されたコスト・デー
   タを用いて前記付け値の原価計算を行う商品モデルと、 前記付け値に対する同等な競合他社正価を計算する競合他社正価モデルと、 落札の確率を価格の関数として計算する市場反応モデルと、 あらゆる潜在的入札に対する競合的な反応を判断し、予想貢献度を最大化する
   目標価格を計算する最適化モデルとを含むシステム。
7. 【請求項７】 以前から存在する価格決定アプローチと比較して、１つまた
   は複数の目標価格決定の利益を計算する利益モデルを用いることをさらに含む、
   請求項６に記載のシステム。
8. 【請求項８】 前記商品モデル、競合他社価格モデル、市場反応モデル、最
   適化モデルおよび利益モデルは、前記目標価格決定システムの前記１つまたは複
   数のプロセッサ上のソフトウェアで実施されるオブジェクトである、請求項７に
   記載のシステム。
9. 【請求項９】 前記商品モデルおよび前記競合他社価格モデルは、少なくと
   も価格とコストとを反映する記憶されたデータを有してｎ次元であり、前記付け
   値の価格決定、付け値の原価計算および同等な競合他社正価の計算は、前記記憶
   されたデータの反復一次補間によって行われる、請求項６に記載のシステム。
10. 【請求項１０】 前記市場反応モデルは過去のデータに基づく市場反応予測
    変数に関する係数を含み、特定の入札については、価格および価格独立の予測変
    数を評価して、見積もられた落札の確率が計算される市場反応曲線を生成する、
    請求項６に記載のシステム。
11. 【請求項１１】 前記係数は過去の入札の結果に基づいて経時で動的に更新
    される、請求項１０に記載のシステム。
12. 【請求項１２】 前記市場反応予測変数は、顧客、注文および商品から構成
    される群から選択される属性である、請求項１１に記載のシステム。
13. 【請求項１３】 前記顧客属性は静的な可変属性である請求項１２に記載の
    システム。
14. 【請求項１４】 前記利益モデルは、前記目標価格で前記市場反応を与えら
    れて得られる前記予想貢献度から、前記以前から存在する価格決定アプローチを
    用いて前記市場反応を与えられて得られる前記予想貢献度を引いたものを比較す
    る、請求項７に記載のシステム。
15. 【請求項１５】 前記以前から存在する価格決定アプローチは、前記商品モ
    デルにおいてカタログ価格を割り引くことと、前記商品モデルにおいてコストを
    付加することと、過去のデータの競合的な適合とから構成された群から選択され
    る、請求項１４に記載のシステム。
16. 【請求項１６】 戦略的目標をさらに含み、そのそれぞれが前記入札の前記
    目標価格に影響する、請求項６に記載のシステム。
17. 【請求項１７】 前記戦略的目標は、前記入札での予め指定された最大また
    は最小営業利益、および前記入札での予め指定された最大または最小成功率を得
    ることから構成された群から選択される、請求項１６に記載のシステム。
18. 【請求項１８】 前記戦略的目標は、商品セグメント・レベルおよび市場セ
    グメント・レベルで指定される、請求項１７に記載のシステム。
19. 【請求項１９】 前記目標価格決定システムは前記目標価格に関する目標範
    囲をさらに計算する、請求項６に記載のシステム。
20. 【請求項２０】 前記目標範囲は、前記最大予想貢献度からの所定の範囲に
    基づいて計算される、請求項１９に記載のシステム。
21. 【請求項２１】 前記目標範囲は、前記計算された最適な目標価格よりも大
    きくかつ小さい所定の範囲に基づいて計算される、請求項１９に記載のシステム
    。
22. 【請求項２２】 前記目標価格決定システムは、前記目標価格決定システム
    のユーザのローカル・ネットワークにおける１つまたは複数のプロセッサに内在
    する、請求項６に記載のシステム。
23. 【請求項２３】 前記システムは、少なくとも前記価格データ、コスト・デ
    ータ、過去のデータおよび売上利益、売上高および収益などの付加的な事業計量
    値を含む目標価格決定データ記憶部を備えた、請求項６に記載のシステム。
24. 【請求項２４】 前記目標価格決定システムの前記１つまたは複数のプロセ
    ッサは、前記目標価格決定システムの前記ユーザから離して設けられ、インター
    ネット上の遠隔インターフェースからアクセス可能である、請求項６に記載のシ
    ステム。
25. 【請求項２５】 前記商品モデル、競合他社価格モデル、市場反応モデル、
    最適化モデル、利益モデルおよび目標価格決定データ記憶部は、前記ユーザから
    離して設けられた前記目標価格決定システムの前記１つまたは複数のプロセッサ
    に内在する、請求項８に記載のシステム。
26. 【請求項２６】 １つまたは複数のデータ記憶部に連結した１つまたは複数
    のプロセッサで、目標価格を決定する自動化された方法であって、 商品モデルにおいて記憶されたカタログ価格を用いて前記価格を決定するステ
    ップと、 前記商品モデルにおいて記憶されたコストを用いて前記価格の原価計算をする
    ステップと、 競合他社正価モデルを用いて前記価格について同等な競合他社正価を計算する
    ステップと、 市場反応モデルからのパラメータを用いて、前記価格での落札の確率を価格の
    関数として計算するステップと、 あらゆる潜在的な価格に競合的な反応を判断する最適化モデルを用いて、予想
    貢献度を最大化する前記価格に対する目標価格を計算するステップと を含む方法。
27. 【請求項２７】 以前から存在する価格決定アプローチと比較して、１つま
    たは複数の目標価格決定の利益を計算するステップをさらに含む、請求項２６に
    記載の方法。
28. 【請求項２８】 前記商品モデルおよび前記競合他社価格モデルは、少なく
    とも価格およびコストを反映する記憶されたデータを備えてｎ次元であり、価格
    決定し、価格の原価を計算し、同等な競合他社正価を計算する前記ステップは、
    前記記憶されたデータの反復一次補間によって行われる、請求項２７に記載の方
    法。
29. 【請求項２９】 同等な競合他社正価を計算する前記ステップは、 特定の値を求めて前記商品モデルからの価格を検索するステップと、 割引モデルを前記価格に適用して、前記特定の値に対する競合他社正価を判断
    するステップとをさらに含む、請求項２６に記載の方法。
30. 【請求項３０】 前記計算された競合他社正価が所定の範囲外にある場合に
    、前記計算された同等な競合他社正価を無視するステップをさらに含む、請求項
    ２９に記載の方法。
31. 【請求項３１】 前記市場反応モデルは過去のデータに基づく市場反応予測
    変数に関する係数を含み、特定の値に関して、落札の確率を計算する前記ステッ
    プは、 価格独立予測変数を評価するステップと、 前記値での見積もられた落札の確率が計算される市場反応曲線を生成するステ
    ップとを含む、請求項２６に記載の方法。
32. 【請求項３２】 価格独立予測変数を評価する前記ステップは、少なくとも
    、顧客、注文および商品について価格独立予測変数を評価する、請求項３１に記
    載の方法。
33. 【請求項３３】 静的で可変な価格独立予測変数を評価するステップをさら
    に含む、請求項３２に記載の方法。
34. 【請求項３４】 １つまたは複数の目標価格決定の利益を計算する前記ステ
    ップは、 前記特定の値に対する前記目標価格を得るステップと、 以前から存在する価格決定アプローチを用いて目標価格値を計算するステップ
    と、 前記以前から存在する価格決定アプローチからの前記値を市場反応曲線と比較
    して、前記以前から存在する価格決定アプローチでの落札の成功の前記確率を判
    断するステップとを含む、請求項２７に記載の方法。
35. 【請求項３５】 以前から存在する価格決定アプローチを用いて目標価格付
    け値を計算する前記ステップは、 前記価格モデルからの前記カタログ価格を割り引くステップと、 前記価格に対する前記コストに所定の額を加算するステップと、 前記特定の価格について過去の率を適合させるステップとのグループから選択
    されたステップである、請求項３４に記載の方法。
36. 【請求項３６】 契約の履行について特定の目標価格を計算するステップと
    、 前記目標価格への１つまたは複数の戦略的目標の適用可能性を判断するステッ
    プと、 前記１つまたは複数の戦略的目標によって制約された前記目標入札価格に関す
    る目標範囲を計算するステップと、 前記目標範囲内にある目標価格を得るステップと をさらに含む、請求項２７に記載の方法。
37. 【請求項３７】 １つまたは複数の戦略的目標の適用可能性を判断する前記
    ステップは、 前記価格での所定の最大または最小営業利益を得るステップと、 前記価格での所定の最大または最小成功率を得るステップとのグループから選
    択されたステップである、請求項３６に記載の方法。
38. 【請求項３８】 前記価格に関する目標範囲を計算するステップをさらに含
    む請求項２６に記載の方法。
39. 【請求項３９】 目標範囲を計算する前記ステップは、 前記最大予測貢献度から目標範囲を計算するステップと、 前記最適な目標価格に基づいて目標範囲を計算するステップとのグループから
    選択されるステップである、請求項３８に記載の方法。
40. 【請求項４０】 １つまたは複数のデータ記憶部に連結した１つまたは複数
    のホスト・プロセッサに内在する、最適値を得るための目標価格決定システムで
    あって、 記憶された価格データを用いてカタログ価格を定め、記憶されたコスト・デー
    タを用いて該価格の原価計算を行う商品モデルを作成する商品モデル手段と、 前記価格に対する同等な競合他社正価を計算する競合他社正価モデルを作成す
    る競合他社正価モデル手段と、 前記価格での落札の確率を価格の関数として計算する市場反応モデルを作成す
    る市場反応モデル手段とを含むシステム。
41. 【請求項４１】 あらゆる潜在的値に対する競合的反応を判断し、予想貢献
    度を最大化する目標価格を計算する最適化モデルを作成する、最適化モデル手段
    をさらに含む、請求項４０に記載のシステム。
42. 【請求項４２】 以前から存在する価格決定アプローチと比較して、１つま
    たは複数の目標価格設定の利益を計算する利益モデルを作成する利益モデル手段
    をさらに含む、請求項４０に記載のシステム。
43. 【請求項４３】 前記商品モデル手段、競合他社正価モデル手段、市場反応
    モデル手段、最適化モデルおよび利益モデルは、前記目標価格決定システムの前
    記１つまたは複数のプロセッサ上のソフトウエアで実施されるオブジェクトであ
    る、請求項４２に記載のシステム。
44. 【請求項４４】 前記商品モデルおよび前記競合他社価格モデルは、少なく
    とも価格およびコストを反映する記憶されたデータを備えてｎ次元であり、前記
    価格決定、価格の原価計算および同等な競合他社正価の計算は、前記記憶された
    データの反復一次補間によって行われる、請求項１に記載のシステム。