在加州山景城Boomerang总部的会议室里，古鲁·哈里哈兰拿出一支白板笔，试图解释究竟是什么原因促使零售商在一天内多次调整商品价格。在白板上，他画了多条曲线，代表在多种不同商品(图书、DVD和电子产品)的总销量中，电商所占比例的逐年上升。与此同时，他在曲线上标出了年份，代表多家实体零售商(Borders、Blockbuster、Circuit City和RadioShack)破产的时间。最初，这些年份看起来随机性很大，但在分析后可以看到，所有的破产都发生在电商销售占比达到20%至25%时。哈里哈兰指出：“决定性的节点就处在这个区间中。”

在达到决定性节点后，同时开展电商和实体业务的传统零售商将会感受到价格压力。哈里哈兰谈到，以往他走进RadioShack门店时，会有店员帮助他找到需要的线缆接头。然而，当零售商面临价格压力时，会倾向于削减员工、培训和客户支持费用。然而，利润率仍在继续下降，而如果店里没有任何人可以帮你，你为何还要去实体店购物?最终，这些零售商走向了失败。(这正是RadioShack走过的道路，该公司于2015年提交了破产申请。)

哈里哈兰认为：“情况并不一定非得是这样。”目前，他正在帮助实体零售商做出反击。

消费者没有能力处理所有的价格信息，因此会根据少数几款熟悉的商品去判断某家商店的商品价格是高是低。零售商知道这一点已有几十年时间。因此，它们会将店里鸡蛋和牛奶的价格定得很低，同时提高其他不容易被消费者注意到的商品价格。

哈里哈兰拥有机器学习的学位。在供职于亚马逊期间，哈里哈兰协助发明了“亚马逊销售教练”系统，并申请了专利。该系统帮助第三方卖家优化库存和价格。在Boomerang，他和团队开发了一个大规模的价格追踪系统，将数十亿价格决策告知其客户，包括Office Depot、GNC和U.S. Auto Parts。不过，这个软件的引擎并不是为了匹配市场上的最低价格。(哈里哈兰认为，匹配最低价格其实是一种很初级的算法。)软件的目标是管理消费者对价格的感知，能识别用户感知度最高的商品，并谨慎地确保这些商品价格与竞争对手一致。所有其他商品的价格都可以有所上浮。

哈里哈兰表示，亚马逊在很久之前就已经掌握了这种技巧。有一次，在黑色星期五之前的6个月，Boomerang监控了亚马逊网站上一款热门三星电视机的价格波动。在黑色星期五当天，亚马逊将电视机的价格从350美元下调至250美元，远远低于竞争对手。Boomerang的机器人也注意到，10月份，亚马逊曾将作为配件的某些HDMI线缆的价格上涨约60%。亚马逊知道，在网购时，消费者会针对价格较高的商品去比价，但对价格较低的商品并非如此。

有趣的是，其他零售商也在接受这样的做法。在演示中，Boomerang的员工打开了提供给客户的一个软件控制面板。在预定义的算法菜单上滚动，他选择了一条规则：对于满足以下筛选条件的商品，“比竞争对手便宜10%”。

用代码描述，这条指令就是：If (comp_price>cost) and (promo_flag = false) then set price = comp_price*0.90

这里的意思是：如果竞争对手的商品定价比商品制造成本高，且竞争对手没有开展一次性的促销活动，那么将价格定为竞争对手的90%。在一次点击后，这条规则得到了执行。在屏幕上，我可以看到该客户的价格感知指数出现了健康的下降。

不过，这还不是故事的全部。该客户的降价将会出现在竞争对手的价格监控面板上。是否做出回应部分取决于它们的算法如何表述这一信号。这是否是价格战的第一枪?或者这家零售商只是在清理库存?在实际中，这些问题很难回答。因此，良性的临时调价将会演变成为机器之间的价格战。如果不对这样的价格战做出干涉，那么最终结果将很快突破零售商的底线。Boomerang的客户可以选择“Guardrails”功能，这些额外的规则将会对最初设置的规则做进一步确认。此外，客户还可以加入一定程度的人工监控。Staples是Boomerang的首批客户之一。该公司首席技术官法萨尔·马苏德(Faisal Masud)认为，人工干预只在少数情况下是有意义的。“我们希望确保由软件来做出决策，而不是依靠人工。”他表示，“这是完全自动化的，否则你就会失败。”

当前的零售商定价非常复杂。因此，至少有一家Boomerang的客户开始关注博弈论。可以说，此前博弈论几乎没有在零售业得到过什么实际应用。哈里哈兰表示：“你要判断，‘主要竞争对手对我的反应是什么?如果我知道他们的反应，那么我第一步的最佳行动是什么?’这就是纳什均衡。”约翰·纳什(John Nash)对数学做出了重要贡献，而目前他的理论被用于研究商品定价。