Abstract:
Questa tesi esplora il ruolo dell'intelligenza artificiale (IA) e del machine learning (ML) nel supportare le aziende B2B nelle decisioni strategiche riguardanti i prezzi. Il primo capitolo introduce le caratteristiche distintive del mercato B2B, analizzando le diverse strategie di prezzo che le aziende possono adottare nei confronti dei loro intermediari. Un concetto chiave discusso è la "price waterfall", che illustra come le riduzioni di prezzo si sviluppano lungo la catena distributiva. Il secondo capitolo esamina le basi legali relative all'uso dell'IA nel contesto della concorrenza verticale, con un focus particolare sulla Resale Price Maintenance (RPM). Viene analizzato come gli algoritmi di monitoraggio dei prezzi, pur essendo legali, possano in alcuni casi facilitare pratiche di RPM, potenzialmente violando le normative antitrust. Nel terzo capitolo, vengono approfonditi specifici impieghi dell'IA nelle strategie di prezzo B2B. Tra questi, gli algoritmi di clustering per la segmentazione della clientela e i software di dynamic pricing per l'ottimizzazione dei prezzi, insieme ai già citati algoritmi di monitoraggio dei prezzi. Infine, il quarto capitolo presenta un'analisi empirica di dati aziendali ottenuti tramite un algoritmo di price monitoring. L'obiettivo è fornire spunti su come utilizzare questi dati in modo etico, evitando pratiche scorrette che possano violare la concorrenza.
