先講結論：動態定價不是把價格權交給演算法，而是把「哪種情況該賣哪個價」這件事，從老闆憑手感拍板，升級成一套寫得出理由、追得回紀錄、事後能檢討的機制。我每天在 ECPRO 翻各家賣場的價格變化，最常看到的問題從來不是不敢調價，而是價格跳來跳去，卻連自己都答不出「昨天那個價怎麼來的」。台灣品牌真正欠的，八成不是模型，而是定價的紀律與可追溯性。這篇我把電商自動調價從零拆一遍，包含它在調什麼、分成哪兩層、哪些情境真的吃這套、有哪些坑，以及一條不必燒錢就能起步的落地順序。
自動調價到底在調哪些變數
所謂動態定價，核心就是讓價格跟著幾個變數自動或半自動地移動，而不是一年才動一次的固定牌價。我把賣家實務上真正會拿來當觸發條件的變數，收斂成四個。
- 需求熱度：某支商品的搜尋、加購、近期銷售斜率往上，代表市場願意用更高價接手；熱度轉冷時就用價格換週轉速度。
- 同規競品：你的價格從來不是關在房間裡自己決定的，隔壁同規格賣多少、有沒有在檔期上，會直接左右消費者的比價結論。
- 庫存與效期：這是最常被漏掉的一項。庫存壓得深、效期逼近、要換季的品項，價格本來就該承受壓力；反過來稀缺、補貨困難的品項，沒理由自己流血。
- 時段節奏：平日白天、深夜、週末、發薪日前後、大檔預熱期，消費者對價格的敏感度並不一樣，同一個折扣在不同時段的效果差很多。
把這四個維度想通，你會發現自動調價其實不是一個後台功能，而是一套「在對的時間、對的商品、對的客群，出對的價」的決策邏輯。功能只是承接這套邏輯的工具，邏輯本身才是資產。
兩個層次：規則式與 AI，多數人該先做前者
很多品牌一聽到動態定價就直接想到人工智慧，其實它分成截然不同的兩層，而台灣絕大多數賣家該優先補的是第一層。
規則式：看得懂、控得住、出事叫得停
規則式定價，就是事先把調價邏輯寫成一條條「若…則…」的明碼規則。舉幾個我常幫品牌設的例子：同規競品若低於我售價某個百分比、而且我毛利仍守在安全線以上，就跟到競品價再加一塊；某支 SKU 的庫存週轉天數超過門檻，就每過一週自動往下一個級距、直到觸及最低售價地板為止；週末晚間的高需求時段，指定品類自動小幅加價。這種做法的最大好處是透明，每一次改價你都答得出原因，能追、能停、能改。缺點是規則一多容易互相打架、需要人維護，而且它不會自己學。
對年營收還沒到相當量體的品牌，我會直接建議從規則式起步。它一點都不炫，卻可控，而且自動調價大約八成的效益，其實在這一層就拿得到了。
AI 定價：會學，但也更難解釋
AI 定價，是把大量歷史資料，也就是價格、銷量、競品價、庫存、流量、天氣、節慶等等，餵進模型，讓它預測「這個價位下的預期銷量與利潤」，再自動挑出最適價。它的長處是能處理規則式吃不下的複雜交互，也能自己隨市場漂移調整。代價通常有三個：一是要有夠乾淨、夠長的資料，台灣多數品牌根本沒累積到那個量；二是它偏黑盒，改價原因不好交代，遇到客訴或稽核會很難答；三是它可能學到你不想要的行為，例如為了衝短期成交把價格壓到傷品牌。
我的判斷標準很直接：連規則式都還沒跑順，就先別碰 AI 定價。演算法是用來優化一套已經運轉的系統，不是拿來替你補上根本還沒建立的定價紀律。
哪些情境真的吃這套，哪些千萬別碰
自動調價不是每個品牌、每個品類都該全面上。我用一張表把真正適用與明顯不適用的情境攤開來對照。
| 情境類型 | 適不適合動態定價 | 理由 |
|---|---|---|
| 生鮮與短效期品 | 非常適合 | 效期就是倒數計時，今天不清明天就是損耗，價格必須隨剩餘效期與庫存往下走。 |
| 固定名額 / 檔期席次 | 適合 | 座位、房間、限量名額賣完即無、過期歸零，越接近截止、剩越少，定價越該動。 |
| 大檔期(雙11 / 節慶) | 適合 | 預熱、開跑、返場各階段最適價完全不同，固定價不是少賺就是賣太快。 |
| 清庫存 / 換季下架 | 適合 | 目標從賺毛利切成換現金，讓價格隨庫存與時間遞減，比人工一批批改有效率。 |
| 形象主力商品 | 不建議 | 價格錨點要穩，一浮動就動搖消費者對品牌的定價認知。 |
| 剛上市新品 | 不建議 | 還在建立價格印象，太早浮動會讓市場摸不清它到底值多少。 |
| 品牌溢價型商品 | 不建議 | 溢價本身就是賣點，跟著跳水等於自己拆招牌。 |
一句話總結：動態定價要放在該周轉的商品上，別放在你要撐品牌價值的商品上。這條線分不清，工具越強反而傷得越重。
三個先講白話的風險
會推自動調價的人很多，願意把風險攤開講的很少。這三個我一定先跟品牌說清楚，不然後面全是地雷。
- 傷品牌信任：消費者今天用某個價買到，隔天看到明顯更低的價，那種被當盤子的感覺會直接變成退貨、負評與不再回頭。浮動幅度越大、越頻繁、越沒理由，傷害越深。所以自動調價一定要配「單次幅度上限」與「冷卻期」，別讓同一個人在短時間內看到落差過大的價格。
- 被比價反噬：台灣消費者的比價成本極低，同一支商品開好幾個分頁、跨通路查是常態。你在某個通路默默調高，比價工具與社群通常很快就傳開，自動調價一旦變成「哪裡貴就被抓哪裡」，反而是自曝其短。動手前得先盤點自己在各通路的價格一致性。
- 踩到法規與平台規則：公平交易法對不實標價，例如虛構原價再打折的假促銷，是有規範的，自動調價若搞成「先漲後降」製造假降價，是有法律風險的。另外各平台對頻繁改價、對標售價的顯示也各有規矩，跨平台亂調容易踩線。至於針對特定客人偷偷顯示不同價的個人化定價，台灣目前觀感與法規容忍度都很低，我一律建議別碰。
一個匿名案例：不上 AI，靠三條規則救回毛利
分享一個我近距離看過的例子，細節都做了去識別化。某個保健類品牌，主力是幾支瓶裝品，效期大約一年，過去一年只調一次價，結果每一季都在替快到期的批號打骨折出清，毛利被啃掉一大塊，年底盤點還常有一批直接報廢。
他們沒有導入任何模型，只設了三條規則式邏輯。第一條，按效期分級：距效期大約半年內的批號自動進入加速週轉區，每兩週往下一個折扣級距，但踩到最低售價地板就停，不再往下。第二條，時段加價：把週末晚間與每月發薪日後幾天設為需求高峰，主力品類自動小幅加價，這段時間的客群對這點價差通常無感。第三條，庫存連動：只有當某支 SKU 的週轉天數超過門檻才啟動降價，週轉健康的品項價格穩住不動。
跑了大約一季，最明顯的變化不是營收暴衝，而是報廢批號幾乎歸零，過去被迫的骨折出清，變成有節奏的自然消化，整體毛利率通常回升了幾個百分點。更關鍵的是，行銷與業務終於答得出「這個價是怎麼算出來的」。這正是我一直強調的重點：自動調價的第一份紅利，往往來自減少浪費與決策透明，而不是把東西賣更貴。
台灣品牌的分階段落地順序
不必一次到位。我幫品牌規劃時，通常是這樣一步步接上去的。
- 先做時段定價：挑一到兩個需求波動明顯的品類，把一週切成幾個時段，用歷史訂單看哪些時段價格敏感度低，在那些時段小幅加價，敏感時段反向搭促銷。這步幾乎零風險，多數電商後台或排程工具就能做。
- 再做分眾，但要用對地方：這裡務必分清楚，分眾不等於對同一個人偷偷顯示不同價。務實的分眾，是新客首購券、會員專屬價、老客回購優惠這種資格公開、大家都看得到的方式去做價格差異，法規與觀感都站得住腳。把差異綁在會員身分與行為上，別綁在系統偷偷判斷你是誰。
- 接上庫存與效期：設定週轉門檻與最低售價地板，讓該清的商品自動進入遞減邏輯。做到這步，你其實已經拿到自動調價大約八成的價值。
- 最後才碰競品跟價與 AI：等資料累積夠、規則跑得順、團隊也習慣這套紀律，再把競品價格變化納進規則觸發條件，或導入模型做最適定價。
還有一個常被忽略的前提：自動調價會直接牽動你的廣告成效。價格一動，轉換率、客單、ROAS 全跟著變，如果投放團隊與定價團隊各做各的，很容易互相抵銷。這兩件事要放在同一張儀表板上看，才不會左手加價、右手多花廣告費把加的又還回去。真要落地前，先確認你用的後台支援排程改價與價格版本紀錄，這是能不能安全操作的地基。
自動調價與最低售價、價格控管的護欄
動態定價和價格控管聽起來衝突，其實是一體兩面。動態定價負責「價格何時往上或往下」，價格控管負責「不論怎麼動，都不能越過的邊界」。我一定會先幫品牌把兩條線畫出來。
- 最低售價地板：通常是成本加上一條不能再低的毛利底線，任何自動邏輯一跌到這裡就必須煞停。
- 跨通路價格帶：官網與各大平台的同一支商品，價差要控制在消費者不會覺得被騙的範圍內。
自動調價只能在這兩條線之間活動。少了這層護欄，它很快會演變成通路之間互相殺價，把品牌價值一起賠進去。換句話說，先立好價格控管的紀律，再談自動調價的彈性，順序不能反。我在 ECPRO 看過太多站，就是把彈性放到沒有底線的商品上，結果短期衝了單、長期把定價權整個玩壞。把彈性留給該周轉的商品，把紀律留給撐品牌的商品，這條界線抓對了，自動調價才會是資產，而不是風險。