긱 이코노미의 혁신: AI 기반 동적 가격 책정으로 온디맨드 서비스 플랫폼 최적화

본 연구는 AI 기반 동적 가격 책정 모델을 활용하여 온디맨드 서비스 플랫폼의 수익성과 근로자 만족도를 동시에 향상시키는 새로운 보상 정책을 제시합니다. 다항 로짓 모델과 근사 동적 프로그래밍을 통해 근로자의 선호도를 정확하게 반영, 합성 및 실제 데이터에서 기존 방식 대비 2.5%~20%의 성능 향상을 달성하였습니다.

급증하는 온디맨드 서비스 시장! 비용 절감, 빠른 서비스 제공, 높은 적응력 등의 장점에도 불구하고, 플랫폼 운영의 핵심 과제는 근로자에게 매력적인 보상을 제공하면서 동시에 플랫폼의 수익성을 유지하는 것입니다. Georgina Nouli, Axel Parmentier, Maximilian Schiffer 세 연구자는 이러한 과제에 대한 혁신적인 해결책을 제시했습니다.

선호도를 고려한 똑똑한 보상 정책

연구진은 이 문제를 해결하기 위해 동적 가격 책정 모델을 개발했습니다. 이 모델은 각 요청에 대한 근로자의 보상을 실시간으로 결정하며, 여기서 핵심은 근로자의 선호도를 명시적으로 고려한다는 점입니다. 단순히 시장 수요만 반영하는 것이 아니라, 근로자들이 어떤 유형의 요청을 선호하는지, 어떤 지역에서 일하기를 원하는지 등을 고려하여 보상을 조정합니다.

다항 로짓 모델과 근사 동적 프로그래밍

근로자의 요청 수락 확률을 예측하기 위해 연구진은 다항 로짓(Multinomial Logit) 모델을 사용했습니다. 이 모델은 근로자의 선호도를 반영하여 각 요청에 대한 수락 확률을 정확하게 추정하는 데 도움을 줍니다. 그리고 이를 근사 동적 프로그래밍 알고리즘에 통합하여 시간 경과에 따른 플랫폼의 총 예상 수익을 극대화하는 최적의 보상 정책을 찾아냅니다.

놀라운 결과: 합성 데이터와 실제 데이터 모두에서 성능 향상

연구 결과는 놀랍습니다. 합성 데이터를 사용한 실험에서, 연구진의 알고리즘은 기존의 방식에 비해 균일한 근로자 집단에서는 2.5%~7.5%, 이질적인 집단에서는 9% 이상의 성능 향상을 보였습니다. 더욱 놀라운 것은 실제 데이터를 사용한 실험 결과입니다. 약한 지역 선호도 조건에서는 8%, 강한 지역 선호도 조건에서는 무려 20%의 성능 향상을 기록했습니다. 이는 플랫폼의 수익성을 크게 높이고, 동시에 근로자들의 만족도 또한 향상시킬 수 있음을 의미합니다.

미래를 향한 발걸음:

이 연구는 AI 기반 동적 가격 책정을 통해 온디맨드 서비스 플랫폼을 최적화하는 새로운 가능성을 제시했습니다. 앞으로 이러한 기술은 더욱 발전하여, 플랫폼 운영의 효율성을 높이고, 근로자와 플랫폼 모두에게 이익이 되는 지속 가능한 긱 이코노미 생태계를 구축하는 데 중요한 역할을 할 것으로 기대됩니다. 특히, 근로자의 개별적인 선호도를 정교하게 반영하는 기술의 발전은 더욱 공정하고 효율적인 플랫폼 운영을 가능하게 할 것입니다.