
Hương sắp bán gói cà phê mang đi trong tuần thi. Cô hỏi AI đóng vai sinh viên và nhận được mức 45.000 đồng. Con số nghe hợp lý, nhưng Hương chưa biết bao nhiêu khách thực sự sẽ mua ở mức đó.
Dùng AI để gợi ý mức giá và câu hỏi cần kiểm tra. Dùng dữ liệu từ người mua thật để đánh giá nhu cầu và chốt giá. Tình huống trong bài là ví dụ minh họa.
Mức giá AI đưa ra khớp dữ liệu đến đâu?
Oetzel và Maiberger đối chiếu mức sẵn lòng chi trả từ mô hình ngôn ngữ với dữ liệu người tham gia trong bốn nghiên cứu sản phẩm, dùng cơ chế có khả năng dẫn đến mua thật. Giá trị trung bình do AI tạo có thể trông hợp lý trong khi phân phối, đường cầu và hàm ý lợi nhuận vẫn khác. Kết quả thay đổi theo sản phẩm. Oetzel và Maiberger (2026).
Hương dùng con số đó để làm gì?
Hương dùng AI đề xuất các tình huống mua và các mức giá quanh giá dự kiến. Sau đó cô chọn vài mức đáp ứng chi phí, xác định cùng quy cách sản phẩm và đo số người thực sự nhận ưu đãi ở từng mức. Các mức chỉ là ví dụ cho một phép thử.
Cách kiểm tra mức giá với khách thật
- Liệt kê mức giá có thể thử và chi phí biến đổi trên mỗi đơn vị.
- Ghi rõ sản phẩm và điều kiện giống nhau ở các nhóm. Nếu có thể, phân nhóm trước khi khách nhìn thấy giá.
- Đo tỷ lệ mua và lãi góp trên mỗi khách đủ điều kiện. Ghi số quan sát và thời điểm thử để tránh diễn giải quá chắc từ mẫu nhỏ.
Bài tập thực hành. Hai nhóm có cùng mức sẵn lòng trả trung bình nhưng một nhóm tập trung quanh giá đó và nhóm kia phân tán mạnh. Hãy giải thích vì sao cùng mức giá có thể cho tỷ lệ mua khác nhau.
Đọc thêm Từ 200 đánh giá đến một nhu cầu sản phẩm.
Tài liệu tham khảo
Oetzel, S., & Maiberger, T. (2026). How price sensitive is AI? Benchmarking LLM-generated willingness to pay in pricing analytics. Journal of Marketing Analytics. https://doi.org/10.1057/s41270-026-00542-7


