Istraživanje za seminarski rad: AI i ekonomija cijena: može li algoritam pronaći optimalnu cijenu proizvoda?

LITERATURNA BILJEŽNICA

Naslov rada: AI i ekonomija cijena: može li algoritam pronaći optimalnu cijenu proizvoda?
Podtema: Primjena umjetne inteligencije na određivanje cijene koja, uz troškove, potražnju, konkurenciju, zalihe i poslovne ciljeve, maksimizira očekivani ekonomski rezultat.
Pretpostavke zbog izostavljenih parametara: razina 4. godina studija; jezik hrvatski; opseg približno 15 kartica; ciljani broj potvrđenih izvora 25; registar nije priložen; ulaz za [KRUG 3] prazan; posebni pravopisni parovi nisu navedeni.

---

FAZA A — KALIBRACIJA POLJA

Podtema pripada primijenjenoj mikroekonomiji, ekonomici poduzeća, marketingu, revenue managementu, operacijskim istraživanjima i podatkovnoj analitici.
Susjedne discipline su industrijska organizacija, ekonometrija potražnje, strojno učenje, reinforcement learning, upravljanje zalihama, pravo tržišnog natjecanja i zaštita potrošača.
Primarni izvori su teorijski modeli, empirijske studije s podacima o cijenama i prodaji, terenski eksperimenti, službeni pravni akti i regulatorni izvještaji.
Sekundarni izvori su sustavni i narativni pregledi, priručnici, udžbenici i konceptualni radovi koji sintetiziraju postojeće nalaze.
Standardne vrste izvora su mikroekonomski modeli, modeli procjene potražnje, modeli dinamičkog određivanja cijena, studije promocija, eksperimentalni radovi, algoritamske simulacije i regulatorni dokumenti.
Referentna djela širokog opsega uključuju udžbenike mikroekonomije, priručnike o određivanju cijena i revenue managementu te službene klasifikacije i regulatorne dokumente.
Pretraživane su izdavačke stranice, DOI zapisi, INFORMS, AEA, Springer, ScienceDirect, Wiley, Google Books, WorldCat, EUR-Lex, OECD, FTC i Hrčak.

---

FAZA B — PRIKUPLJANJE I PROVJERA IZVORA

B0. Registar

Registar nije priložen. Nijedan izvor nema oznaku [REG].

---

B0.5. Radna skica i sastavnice

1. Ekonomska funkcija cijene i ciljevi poduzeća

• usklađivanje ponude i potražnje
• informacijska i alokacijska funkcija cijene
• prihod, marža i profit
• tržišni udio i obrt zalihe
• razlika između kratkoročnog i dugoročnog cilja

2. Troškovno i vrijednosno određivanje cijena

• cost-plus pricing
• markup i marginalni trošak
• vrijednost za kupca i willingness to pay
• konkurentsko pozicioniranje
• ograničenja jednostavnih formula

3. Potražnja, elastičnost i procjena reakcije tržišta

• vlastita cjenovna elastičnost
• unakrsna cjenovna elastičnost
• odnos cijene, količine i profita
• povijesni podaci o prodaji
• endogenost cijene i kauzalna procjena

4. Konkurentske cijene i strateško tržišno okruženje

• cijene konkurenata
• diferencirani proizvodi
• oligopol i strateška reakcija
• tržišna transparentnost
• algoritamska koordinacija i koluzija

5. Dinamičko određivanje cijena, zaliha i neizvjesnost

• vremenski promjenjiva cijena
• ograničena i kvarljiva zaliha
• buduća potražnja
• učenje funkcije potražnje
• istraživanje–iskorištavanje informacije

6. Promocije, popusti i dugoročni učinci

• kratkoročni učinak popusta
• brand switching i proširenje kategorije
• referentna cijena
• dugoročna profitabilnost
• reputacijski i fairness učinci

7. AI, eksperimentiranje i višeciljna optimizacija

• regresijski i strukturni modeli potražnje
• machine learning
• A/B testiranje
• reinforcement learning
• optimizacija prihoda, profita, marže i tržišnog udjela

8. Ograničenja AI pricinga

• kvaliteta i dostupnost podataka
• interpretabilnost modela
• privatnost i personalizacija
• diskriminacija i pravednost
• pravo tržišnog natjecanja
• odgovornost i reputacijski rizik

---

B1. Kandidati i sastav korpusa

Prikupljena su 24 potvrđena izvora. Cilj od 25 nije dosegnut bez rekonstruiranja nepotvrđenih podataka. Korpus je namjerno zadržan na izvorima čiji se bibliografski identitet mogao provjeriti.

B1.5. Postojeći pregledi

1. Elmaghraby i Keskinocak (2003) — pregled dinamičkog određivanja cijena uz ograničenja zaliha, s naglaskom na revenue management, e-trgovinu i buduće smjerove istraživanja. Pokriva literaturu do približno 2003. godine. (pubsonline.informs.org)
2. den Boer (2015) — pregled povijesnog razvoja, procjene potražnje, učenja i dinamičkog određivanja cijena. Obuhvaća više disciplina i literaturu dostupnu do 1. listopada 2014. (sciencedirect.com)
3. Spann, Bertini, Koenigsberg i dr. (2025) — konceptualni pregled algoritamskog pricinga, njegova odnosa prema marketinškoj strategiji i regulatornim rizicima. Rad je recentan, ali u otvorenom zapisu nisu prikazani svezak i raspon stranica. (anderson.ucla.edu)
4. OECD (2023) — policy pregled algoritamskog tržišnog natjecanja, uključujući moguće učinkovitosti, algoritamsku koordinaciju i rizike za potrošače. (oecd.org)

Novi rad mora se pozicionirati iznad tih pregleda tako da ne prikazuje AI pricing samo kao tehnički problem optimizacije, nego poveže ekonomsku funkciju cijene, procjenu potražnje, zalihe, konkurenciju, višeciljnost i regulatorna ograničenja.

---

B2. Potvrđeni izvori

[I1] Monroe — referentno djelo širokog opsega

• Puni citat: Monroe, Kent B. (2003). Pricing: Making Profitable Decisions. 3rd ed. Boston: McGraw-Hill/Irwin. 658 p. ISBN 0072528818.
• TRAG DOHVATA: https://books.google.com/books/about/Pricing.html?id=oIe-QgAACAAJ
• RAZRJEŠENJE: zapis se razrješava na: Kent B. Monroe, 2003, Pricing: Making Profitable Decisions, McGraw-Hill/Irwin, 3. izdanje, udžbenik ili priručnik. (books.google.com)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: relevantni odjeljak
• POTVRDA LOKACIJE: potvrđena za tematske cjeline knjige; raspon poglavlja nije preuzet
• PREDMET IZVORA: integrirani pregled ekonomskih, marketinških, računovodstvenih i ponašajnih osnova određivanja cijena.
• [KANON]: da
• Vrsta i težina: referentni udžbenik pricinga; široki temelj za definicije, ciljeve i metode određivanja cijena.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: kvalitetno određivanje cijena zahtijeva povezivanje troškova, potražnje, ponašanja kupaca, konkurencije i poslovnih ciljeva.
• OGRADE AUTORÂ: nenavedeno u otvorenom relevantnom odjeljku
• NALAZ KOJI KORISTIM: cijena ima alokacijsku i upravljačku funkciju; knjiga razlikuje troškovne, potražnjom vođene, vrijednosne i konkurentske pristupe.
• Svrha u seminaru: nosivi temelj za uvod, pojmovnik, cost-plus, vrijednosno određivanje cijena i poslovne ciljeve.

[I2] Talluri i van Ryzin — referentno djelo širokog opsega

• Puni citat: Talluri, Kalyan T., and Garrett J. van Ryzin. (2004). The Theory and Practice of Revenue Management. International Series in Operations Research & Management Science, vol. 68. New York: Springer. XXXII, 713 p. DOI: 10.1007/b139000.
• TRAG DOHVATA: https://link.springer.com/book/10.1007/b139000
• RAZRJEŠENJE: zapis se razrješava na: Kalyan T. Talluri i Garrett J. van Ryzin, 2004, The Theory and Practice of Revenue Management, Springer, monografija. (link.springer.com)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: relevantni odjeljak
• POTVRDA LOKACIJE: potvrđena; izdavački zapis navodi poglavlja o dinamičkom pricingu, ekonomici, procjeni i prognoziranju.
• PREDMET IZVORA: teorija i praksa revenue managementa, uključujući pricing, kapacitet, prognoziranje i implementaciju.
• [KANON]: da
• Vrsta i težina: kanonska monografija operacijskih istraživanja i revenue managementa.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: revenue management povezuje cijenu, potražnju, raspoloživi kapacitet, prognoze i optimizaciju odluka.
• OGRADE AUTORÂ: nenavedeno
• NALAZ KOJI KORISTIM: optimalna cijena može ovisiti o zalihi, vremenu do isteka prodajnog horizonta i očekivanoj potražnji.
• Svrha u seminaru: temelj za dinamičko određivanje cijena, zalihe i razlikovanje prihoda od profita.

[I3] Nagle i Müller — referentno djelo širokog opsega

• Puni citat: Nagle, Thomas T., and Georg Müller. (2017). The Strategy and Tactics of Pricing: A Guide to Growing More Profitably. 6th ed. London: Routledge.
• TRAG DOHVATA: https://search.worldcat.org/title/The-strategy-and-tactics-of-pricing-%3A-a-guide-to-growing-more-profitability/oclc/1064549270
• RAZRJEŠENJE: zapis se razrješava na: Thomas T. Nagle i Georg Müller, 2017, The Strategy and Tactics of Pricing: A Guide to Growing More Profitably, Routledge, 6. izdanje, udžbenik ili priručnik. (search.worldcat.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: relevantni odjeljak
• POTVRDA LOKACIJE: potvrđena za tematski opseg; raspon stranica nije preuzet
• PREDMET IZVORA: strateško određivanje cijena usmjereno na vrijednost za kupca, ponašanje potražnje i profitabilni rast.
• [KANON]: da
• Vrsta i težina: široki strateški priručnik za pricing.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: cijenu nije dovoljno izračunati tako da pokrije trošak; treba njome upravljati percepcijom vrijednosti i reakcijom potražnje.
• OGRADE AUTORÂ: nenavedeno
• NALAZ KOJI KORISTIM: troškovno određivanje cijena može biti početna kontrolna točka, ali ne predstavlja cjelovitu strategiju.
• Svrha u seminaru: temelj za usporedbu cost-plus, value-based i strateškog pricinga.

[I4] Hinterhuber (2004)

• Puni citat: Hinterhuber, Andreas. (2004). “Towards value-based pricing—An integrative framework for decision making.” Industrial Marketing Management, 33(8), 765–778. DOI: 10.1016/j.indmarman.2003.10.006.
• TRAG DOHVATA: https://www.sciencedirect.com/science/article/pii/S0019850103001524
• RAZRJEŠENJE: zapis se razrješava na: Andreas Hinterhuber, 2004, “Towards value-based pricing—An integrative framework for decision making”, Industrial Marketing Management, članak u časopisu. (sciencedirect.com)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: nije potvrđena
• PREDMET IZVORA: konceptualni okvir za vrijednosno određivanje cijena koji povezuje ekonomsku vrijednost, cost-volume-profit analizu i konkurentsku analizu.
• Vrsta i težina: teorijski i konceptualni članak.
• EMPIRIJSKA OSNOVA: nije primjenjivo; prikazani slučaj nije dovoljan za preuzimanje brojčanih empirijskih tvrdnji.
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: vrijednosno određivanje cijena treba integrirati vrijednost za kupca, troškove i konkurentsko okruženje.
• OGRADE AUTORÂ: nenavedeno u sažetku
• NALAZ KOJI KORISTIM: AI model ne bi trebao optimizirati cijenu samo prema trošku ili povijesnoj prodaji, nego i prema procijenjenoj vrijednosti ponude za kupca. [SAŽETAK]
• Svrha u seminaru: teorijska potpora vrijednosnom pricingu.

[I5] Berry, Levinsohn i Pakes (1995)

• Puni citat: Berry, Steven, James Levinsohn, and Ariel Pakes. (1995). “Automobile Prices in Market Equilibrium.” Econometrica, 63(4), 841–890. DOI: 10.2307/2171802.
• TRAG DOHVATA: https://doi.org/10.2307/2171802
• RAZRJEŠENJE: zapis se razrješava na: Steven Berry, James Levinsohn i Ariel Pakes, 1995, “Automobile Prices in Market Equilibrium”, Econometrica, članak u časopisu. (ideas.repec.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: puni tekst
• POTVRDA LOKACIJE: potvrđena; članak navodi procjenu potražnje i troškova u diferenciranom tržištu.
• PREDMET IZVORA: strukturna procjena potražnje i ponude u oligopolističkom tržištu diferenciranih automobila.
• Vrsta i težina: teorijsko-empirijski ekonometrijski članak.
• EMPIRIJSKA OSNOVA: gotovo svi modeli automobila prodani u SAD-u tijekom približno dvadesetogodišnjeg razdoblja; podatak je naveden u radu.
• OPERACIONALIZACIJA: procijenjeni su vlastita i unakrsna cjenovna elastičnost, atributi proizvoda i troškovni parametri na agregiranim i proizvodnim podacima.
• ZAKLJUČAK IZVORA: moguće je procijeniti parametre potražnje i troškova u diferenciranim oligopolističkim tržištima uz strukturni model.
• OGRADE AUTORÂ: ograničenja proizlaze iz pretpostavki strukturnog modela; detalji nisu sažeti u otvorenom bibliografskom zapisu.
• NALAZ KOJI KORISTIM: procjena funkcije potražnje mora uzeti u obzir konkurentske proizvode i endogenost cijene, a ne samo korelaciju između cijene i prodaje.
• Svrha u seminaru: metodološka potpora procjeni potražnje i konkurentskih učinaka.

[I6] Gallego i van Ryzin (1994)

• Puni citat: Gallego, Guillermo, and Garrett van Ryzin. (1994). “Optimal Dynamic Pricing of Inventories with Stochastic Demand over Finite Horizons.” Management Science, 40(8), 999–1020. DOI: 10.1287/mnsc.40.8.999.
• TRAG DOHVATA: https://pubsonline.informs.org/doi/abs/10.1287/mnsc.40.8.999
• RAZRJEŠENJE: zapis se razrješava na: Guillermo Gallego i Garrett van Ryzin, 1994, navedeni naslov, Management Science, članak u časopisu. (pubsonline.informs.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: puni tekst
• POTVRDA LOKACIJE: potvrđena
• PREDMET IZVORA: dinamičko određivanje cijena ograničene zalihe uz stohastičku, cjenovno osjetljivu potražnju i konačni prodajni horizont.
• Vrsta i težina: teorijski model optimizacije.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: optimalna cijena ovisi o razini zalihe, trajanju prodajnog horizonta i stohastičkoj potražnji.
• OGRADE AUTORÂ: modelne pretpostavke navedene su u radu; sažetak ih ne prenosi u cijelosti.
• NALAZ KOJI KORISTIM: ne postoji nužno jedna statična optimalna cijena; optimalna odluka može se mijenjati kako se mijenjaju zaliha i vrijeme.
• Svrha u seminaru: ključna teorijska potpora završnom odgovoru na pitanje o „jednoj optimalnoj cijeni“.

[I7] Elmaghraby i Keskinocak (2003)

• Puni citat: Elmaghraby, Wedad, and Pınar Keskinocak. (2003). “Dynamic Pricing in the Presence of Inventory Considerations: Research Overview, Current Practices, and Future Directions.” Management Science, 49(10), 1287–1309. DOI: 10.1287/mnsc.49.10.1287.17315.
• TRAG DOHVATA: https://pubsonline.informs.org/doi/abs/10.1287/mnsc.49.10.1287.17315
• RAZRJEŠENJE: zapis se razrješava na: Wedad Elmaghraby i Pınar Keskinocak, 2003, navedeni naslov, Management Science, pregledni članak u časopisu. (pubsonline.informs.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet; nalaz preuzet iz sažetka
• PREDMET IZVORA: pregled dinamičkog pricinga uz zalihe, e-trgovinu i revenue management.
• Vrsta i težina: pregledni rad.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: šira dostupnost podataka, tehnologije promjene cijena i analitički alati potaknuli su primjenu dinamičkog pricinga.
• OGRADE AUTORÂ: nenavedeno u sažetku
• NALAZ KOJI KORISTIM: dinamičko određivanje cijena treba analizirati zajedno s raspoloživom zalihom i budućom potražnjom. [SAŽETAK]
• Svrha u seminaru: pregledni kontekst za poglavlje o zalihama i dinamičkom pricingu.

[I8] den Boer (2015)

• Puni citat: den Boer, Arnoud V. (2015). “Dynamic Pricing and Learning: Historical Origins, Current Research, and New Directions.” Surveys in Operations Research and Management Science, 20(1), 1–18. DOI: 10.1016/j.sorms.2015.03.001.
• TRAG DOHVATA: https://www.sciencedirect.com/science/article/pii/S1876735415000021
• RAZRJEŠENJE: zapis se razrješava na: Arnoud V. den Boer, 2015, navedeni naslov, Surveys in Operations Research and Management Science, pregledni članak u časopisu. (sciencedirect.com)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: relevantni odjeljak
• POTVRDA LOKACIJE: potvrđena
• PREDMET IZVORA: pregled dinamičkog pricinga, procjene potražnje, učenja, istraživanja–iskorištavanja i povezanih disciplina.
• Vrsta i težina: pregledni rad.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: dinamičko određivanje cijena uz učenje povezuje optimizaciju cijene s neizvjesnošću o funkciji potražnje.
• OGRADE AUTORÂ: pregled je prvenstveno usmjeren na operacijska istraživanja i ne pokriva sve teme društvene dobrobiti ni sve primjene.
• NALAZ KOJI KORISTIM: AI pricing nije samo prognoziranje; uključuje istodobno procjenjivanje nepoznate funkcije potražnje i izbor cijene.
• Svrha u seminaru: glavna pregledna os za povezivanje ekonomije, ekonometrije, strojnog učenja i optimizacije.

[I9] Besbes i Zeevi (2009)

• Puni citat: Besbes, Omar, and Assaf Zeevi. (2009). “Dynamic Pricing Without Knowing the Demand Function: Risk Bounds and Near-Optimal Algorithms.” Operations Research, 57(6), 1407–1420. DOI: 10.1287/opre.1080.0640.
• TRAG DOHVATA: https://doi.org/10.1287/opre.1080.0640
• RAZRJEŠENJE: zapis se razrješava na: Omar Besbes i Assaf Zeevi, 2009, navedeni naslov, Operations Research, članak u časopisu. (researchgate.net)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: puni tekst
• POTVRDA LOKACIJE: potvrđena
• PREDMET IZVORA: algoritmi dinamičkog pricinga kada funkcija potražnje nije poznata unaprijed.
• Vrsta i težina: teorijski algoritamski članak.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: moguće je učiti funkciju potražnje tijekom prodaje, ali cijena učenja je izgubljeni prihod u odnosu na situaciju u kojoj je potražnja unaprijed poznata.
• OGRADE AUTORÂ: rezultati ovise o pretpostavljenoj parametarskoj ili široj klasi funkcija potražnje.
• NALAZ KOJI KORISTIM: AI ne dobiva besplatno znanje o elastičnosti; mora uskladiti istraživanje tržišta s iskorištavanjem trenutačno najboljeg cjenovnog poteza.
• Svrha u seminaru: potpora ograničenju da algoritam može biti „near-optimalan“, ali ne nužno savršen.

[I10] Huang, Luo i Xia (2019)

• Puni citat: Huang, Guofang, Hong Luo, and Jing Xia. (2019). “Invest in Information or Wing It? A Model of Dynamic Pricing with Seller Learning.” Management Science, 65(12), 5556–5583. DOI: 10.1287/mnsc.2018.3197.
• TRAG DOHVATA: https://pubsonline.informs.org/doi/10.1287/mnsc.2018.3197
• RAZRJEŠENJE: zapis se razrješava na: Guofang Huang, Hong Luo i Jing Xia, 2019, navedeni naslov, Management Science, teorijsko-empirijski članak u časopisu. (pubsonline.informs.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet; nalaz preuzet iz sažetka
• PREDMET IZVORA: učenje prodavatelja o potražnji za pojedinačnim, heterogenim proizvodima.
• Vrsta i težina: model uz empirijsku procjenu i kontrafaktualne eksperimente.
• EMPIRIJSKA OSNOVA: panel-podaci vodećeg trgovca rabljenim automobilima; točan broj vozila nije preuzet.
• OPERACIONALIZACIJA: početna procjena proizvoda, naknadno učenje tijekom prodaje, cijene i vrijeme prodaje.
• ZAKLJUČAK IZVORA: informacije o potražnji mogu imati ekonomsku vrijednost i opravdati ulaganje u procjenu.
• OGRADE AUTORÂ: nalaz je vezan uz proizvode s individualiziranom neizvjesnošću potražnje.
• NALAZ KOJI KORISTIM: vrijednost AI sustava ne proizlazi samo iz automatizirane odluke, nego iz kvalitetnijeg učenja o proizvodu i tržištu. [SAŽETAK]
• Svrha u seminaru: primjer da informacijska prednost ima izravnu ekonomsku vrijednost.

[I11] Ban i Keskin (2021)

• Puni citat: Ban, Gah-Yi, and Bora Keskin. (2021). “Personalized Dynamic Pricing with Machine Learning: High-Dimensional Features and Heterogeneous Elasticity.” Management Science, 67(9), 5549–5568. DOI: 10.1287/mnsc.2020.3680.
• TRAG DOHVATA: https://scholars.duke.edu/publication/1496743
• RAZRJEŠENJE: zapis se razrješava na: Gah-Yi Ban i Bora Keskin, 2021, navedeni naslov, Management Science, članak u časopisu. (scholars.duke.edu)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: samo bibliografski zapis
• POTVRDA LOKACIJE: nije potvrđena
• PREDMET IZVORA: personalizirani dinamički pricing uz visokodimenzionalne značajke i heterogenu cjenovnu elastičnost.
• Vrsta i težina: teorijsko-algoritamski članak.
• EMPIRIJSKA OSNOVA: nije potvrđena u otvorenom zapisu
• OPERACIONALIZACIJA: nije potvrđena u otvorenom zapisu
• ZAKLJUČAK IZVORA: različiti kupci ili segmenti mogu imati različitu elastičnost, pa jedna cijena nije nužno najbolja za sve.
• OGRADE AUTORÂ: nisu dostupne u bibliografskom zapisu
• NALAZ KOJI KORISTIM: personalizirani pricing može povećati ekonomsku vrijednost samo ako su značajke dovoljno informativne i ako se prihvate troškovi, rizici i regulatorna ograničenja. [SAŽETAK]
• Svrha u seminaru: ograničena potpora personaliziranom pricingu; nije nosivi izvor zbog razine dohvata.

[I12] Elmachtoub, Gupta i Hamilton (2021)

• Puni citat: Elmachtoub, Adam N., Vishal Gupta, and Michael L. Hamilton. (2021). “The Value of Personalized Pricing.” Management Science, 67(10), 6055–6070. DOI: 10.1287/mnsc.2020.3821.
• TRAG DOHVATA: https://doi.org/10.1287/mnsc.2020.3821
• RAZRJEŠENJE: zapis se razrješava na: Adam N. Elmachtoub, Vishal Gupta i Michael L. Hamilton, 2021, navedeni naslov, Management Science, teorijski članak u časopisu. (doi.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet
• PREDMET IZVORA: ekonomska vrijednost personaliziranih cijena u odnosu na jedinstvenu cijenu.
• Vrsta i težina: teorijski model s granicama vrijednosti i modelom značajki.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: korist personaliziranog pricinga ovisi o heterogenosti vrednovanja i informativnosti značajki kupaca.
• OGRADE AUTORÂ: rezultat je modelno uvjetovan; sažetak ne daje pun popis ograda.
• NALAZ KOJI KORISTIM: AI personalizacija ne donosi automatski korist; vrijednost ovisi o raspodjeli spremnosti na plaćanje i kvaliteti dostupnih podataka. [SAŽETAK]
• Svrha u seminaru: teorijska potpora raspravi o tome kada personalizirana cijena ima smisla.

[I13] Calvano, Calzolari, Denicolò i Pastorello (2020)

• Puni citat: Calvano, Emilio, Giacomo Calzolari, Vincenzo Denicolò, and Sergio Pastorello. (2020). “Artificial Intelligence, Algorithmic Pricing, and Collusion.” American Economic Review, 110(10), 3267–3297. DOI: 10.1257/aer.20190623.
• TRAG DOHVATA: https://swlb2.aeaweb.org/articles?id=10.1257%2Faer.20190623
• RAZRJEŠENJE: zapis se razrješava na: Emilio Calvano, Giacomo Calzolari, Vincenzo Denicolò i Sergio Pastorello, 2020, navedeni naslov, American Economic Review, empirijsko-eksperimentalni članak u časopisu. (swlb2.aeaweb.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet
• PREDMET IZVORA: ponašanje Q-learning algoritama u ponavljanoj oligopolističkoj cjenovnoj konkurenciji.
• Vrsta i težina: računalni eksperiment u ekonomskom modelu.
• EMPIRIJSKA OSNOVA: eksperimentalne simulacije algoritama; nije riječ o opažanim stvarnim poduzećima.
• OPERACIONALIZACIJA: Q-learning agenti, ponavljana cjenovna konkurencija, promjene troška, potražnje, broja igrača i neizvjesnosti.
• ZAKLJUČAK IZVORA: algoritmi su u simuliranim uvjetima učili održavati nadkompetitivne cijene bez izravne komunikacije.
• OGRADE AUTORÂ: nalaz se odnosi na eksperimentalni model i nije izravni dokaz da se isto događa na svim stvarnim tržištima.
• NALAZ KOJI KORISTIM: AI pricing može proizvesti regulatorni problem i bez eksplicitnog dogovora među poduzećima, ali rezultat treba prikazati kao modelno-eksperimentalni nalaz. [SAŽETAK]
• Svrha u seminaru: ključni izvor za ograničenja konkurencije i algoritamsku koluziju.

[I14] Jedidi, Mela i Gupta (1999)

• Puni citat: Jedidi, Kamel, Carl F. Mela, and Sunil Gupta. (1999). “Managing Advertising and Promotion for Long-Run Profitability.” Marketing Science, 18(1), 1–22. DOI: 10.1287/mksc.18.1.1.
• TRAG DOHVATA: https://pubsonline.informs.org/doi/10.1287/mksc.18.1.1
• RAZRJEŠENJE: zapis se razrješava na: Kamel Jedidi, Carl F. Mela i Sunil Gupta, 1999, navedeni naslov, Marketing Science, empirijski članak u časopisu. (pubsonline.informs.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet
• PREDMET IZVORA: kratkoročni i dugoročni učinci oglašavanja, redovitih cijena i promocija na prodaju i profitabilnost.
• Vrsta i težina: empirijska marketinška studija.
• EMPIRIJSKA OSNOVA: više od osam godina panel-podataka za jednu kategoriju proizvoda; broj marki nije preuzet iz zapisa.
• OPERACIONALIZACIJA: model izbora marke i količine kupnje s promjenjivim parametrima, cijene, promocije i oglašavanje.
• ZAKLJUČAK IZVORA: promocije mogu imati pozitivan kratkoročni, ali negativan dugoročni učinak na brand equity, prodaju i profit.
• OGRADE AUTORÂ: nalaz je vezan uz promatranu kategoriju i pretpostavke modela.
• NALAZ KOJI KORISTIM: AI ne smije optimizirati popust samo prema trenutačnom rastu prodaje; mora uključiti moguće dugoročne učinke. [SAŽETAK]
• Svrha u seminaru: potpora poglavlju o promocijama i razlikovanju prihoda od dugoročne profitabilnosti.

[I15] Escobari (2012)

• Puni citat: Escobari, Diego. (2012). “Dynamic Pricing, Advance Sales and Aggregate Demand Learning in Airlines.” The Journal of Industrial Economics, 60(4), 697–724. DOI: 10.1111/joie.12004.
• TRAG DOHVATA: https://doi.org/10.1111/joie.12004
• RAZRJEŠENJE: zapis se razrješava na: Diego Escobari, 2012, navedeni naslov, The Journal of Industrial Economics, empirijski članak u časopisu. (doi.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet
• PREDMET IZVORA: dinamičko određivanje cijena zrakoplovnih karata uz neizvjesnu potražnju i ograničenu zalihu sjedala.
• Vrsta i težina: empirijska panel-studija.
• EMPIRIJSKA OSNOVA: panel-podaci američkih zrakoplovnih linija; točan broj opažanja nije preuzet.
• OPERACIONALIZACIJA: istodobna procjena jednadžbe cijene i potražnje kako se približava datum leta.
• ZAKLJUČAK IZVORA: cijena raste kako se zaliha smanjuje, a pada kako se približava trenutak prodaje; učinci šokova potražnje jači su od učinaka očekivane prodaje.
• OGRADE AUTORÂ: kontekst zrakoplovnog tržišta ograničava izravnu generalizaciju na sve proizvode.
• NALAZ KOJI KORISTIM: zaliha i vrijeme do isteka prodajne mogućnosti mogu mijenjati optimalnu cijenu. [SAŽETAK]
• Svrha u seminaru: empirijski primjer povezanosti cijene, zalihe i vremena.

[I16] Radas (2000) — regionalni izvor

• Puni citat: Radas, S. (2000). “STRATAGIJA ODREĐIVANJA CIJENA I UČENJE.” Ekonomski pregled, 51(5–6), 563–578. Hrčak ID 65488.
• TRAG DOHVATA: https://hrcak.srce.hr/clanak/98002
• RAZRJEŠENJE: zapis se razrješava na: S. Radas, 2000, “STRATAGIJA ODREĐIVANJA CIJENA I UČENJE”, Ekonomski pregled, članak u časopisu. (hrcak.srce.hr)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena; Hrčak zapis navodi bibliografski identitet i sažetak
• PREDMET IZVORA: odnos između strategije određivanja cijena, vremenske promjene cijena i učenja poduzeća i potrošača.
• Vrsta i težina: regionalni teorijski pregledni članak.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: cijena može biti posljedica učenja, ali i instrument kojim poduzeće potiče dodatno učenje o tržištu.
• OGRADE AUTORÂ: nenavedeno u sažetku
• NALAZ KOJI KORISTIM: promjena cijene može istodobno biti poslovna odluka i eksperiment kojim poduzeće dobiva informaciju o potražnji. [SAŽETAK]
• Svrha u seminaru: regionalna potpora vezi između pricinga i učenja.

[I17] Baždar Gašljević, Maradin i Cerović (2022) — regionalni izvor

• Puni citat: Baždar Gašljević, Tihana, Dario Maradin, and Ljerka Cerović. (2022). “CJENOVNA ELASTIČNOST POTRAŽNJE ZA HOTELSKIM USLUGAMA NA POSLOVNOM PRIMJERU DVAJU HOTELA U REPUBLICI HRVATSKOJ.” Zbornik Računovodstvo i menadžment, 19–32.
• TRAG DOHVATA: https://hrcak.srce.hr/file/416628
• RAZRJEŠENJE: zapis se razrješava na: Tihana Baždar Gašljević, Dario Maradin i Ljerka Cerović, navedeni naslov, Zbornik Računovodstvo i menadžment, članak u zborniku.
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: puni tekst
• POTVRDA LOKACIJE: potvrđena, str. 19–32
• PREDMET IZVORA: cjenovna elastičnost hotelske potražnje u Zagrebu i Dubrovniku.
• Vrsta i težina: regionalni pregledno-empirijski rad.
• EMPIRIJSKA OSNOVA: javno objavljene cijene i turistički statistički podaci za dva hotela i dvije destinacije, s fokusom na 2019. godinu.
• OPERACIONALIZACIJA: usporedba kretanja cijena, popunjenosti i sezonalnosti hotelske potražnje.
• ZAKLJUČAK IZVORA: elastičnost ovisi o sezoni, destinaciji, vrsti gosta, popunjenosti i karakteristikama usluge.
• OGRADE AUTORÂ: analiza se temelji na javno dostupnim podacima i poslovnom primjeru dvaju hotela.
• NALAZ KOJI KORISTIM: ista cijena ne mora imati istu posljedicu u visokoj i niskoj sezoni; elastičnost je kontekstualna.
• Svrha u seminaru: regionalni empirijski primjer protiv pretpostavke jedinstvene i stabilne elastičnosti.

[I18] OECD (2023)

• Puni citat: OECD. (2023). “Algorithmic Competition.” OECD Roundtables on Competition Policy Papers, No. 296. Paris: OECD Publishing. 56 p. DOI: 10.1787/cb3b2075-en.
• TRAG DOHVATA: https://www.oecd.org/en/publications/algorithmic-competition_cb3b2075-en.html
• RAZRJEŠENJE: zapis se razrješava na: OECD, 2023, “Algorithmic Competition”, OECD Roundtables on Competition Policy Papers No. 296, službeni policy dokument. (oecd.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: relevantni odjeljak
• POTVRDA LOKACIJE: potvrđena
• PREDMET IZVORA: utjecaj algoritama na tržišno natjecanje, učinkovitost, koordinaciju i štetu potrošačima.
• Vrsta i težina: službeni regulatorni i policy dokument.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: algoritmi mogu imati prokompetitivne učinke, ali mogu i olakšati ograničavanje tržišnog natjecanja.
• OGRADE AUTORÂ: dokument je pripremljen za raspravu o politici tržišnog natjecanja i ne predstavlja presudu u pojedinačnom slučaju.
• NALAZ KOJI KORISTIM: regulatorni rizik nije automatski dokaz nezakonitosti; treba ispitati konkretan mehanizam i učinak algoritma.
• Svrha u seminaru: službena podloga za regulatorni dio.

[I19] OECD (2025)

• Puni citat: OECD. (2025). “Algorithmic Pricing and Competition in G7 Jurisdictions: Emerging Trends and Responses.” OECD policy paper.
• TRAG DOHVATA: https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/10/algorithmic-pricing-and-competition-in-g7-jurisdictions_f936689b/f36dacf8-en.pdf
• RAZRJEŠENJE: zapis se razrješava na: OECD, 2025, “Algorithmic Pricing and Competition in G7 Jurisdictions: Emerging Trends and Responses”, službeni policy dokument.
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: nije potvrđena
• PREDMET IZVORA: algoritamsko određivanje cijena i tržišno natjecanje u jurisdikcijama G7.
• Vrsta i težina: službeni međunarodni policy dokument.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: algoritmi mogu koristiti cijene, zalihe, količine i procjene reakcije kupaca i konkurenata, ali otvaraju pitanja koluzije, diskriminacije i privatnosti.
• OGRADE AUTORÂ: dokument ne predstavlja stav svih pojedinačnih jurisdikcija.
• NALAZ KOJI KORISTIM: regulatorna procjena AI pricinga mora istodobno obuhvatiti tržišno natjecanje, zaštitu potrošača i podatke. [SAŽETAK]
• Svrha u seminaru: recentni regulatorni kontekst; podatak o datumu i bibliografiji zadržan je samo u mjeri vidljivoj u zapisu.

[I20] FTC (2025)

• Puni citat: Federal Trade Commission. (2025). “FTC Surveillance Pricing Study Indicates Wide Range of Personal Data Used to Set Individualized Consumer Prices.” FTC press release and study update.
• TRAG DOHVATA: https://search.ftc.gov/news-events/news/press-releases/2025/01/ftc-surveillance-pricing-study-indicates-wide-range-personal-data-used-set-individualized-consumer
• RAZRJEŠENJE: zapis se razrješava na: Federal Trade Commission, 2025, navedeni naslov, službeni regulatorni dokument / priopćenje. (search.ftc.gov)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za službeno priopćenje
• PREDMET IZVORA: korištenje osobnih i ponašajnih podataka za individualiziranje cijena i promocija.
• Vrsta i težina: službeni regulatorni izvor.
• EMPIRIJSKA OSNOVA: regulatorna studija posrednika u pricingu; broj analiziranih subjekata nije preuzet iz otvorenog zapisa.
• OPERACIONALIZACIJA: ispitivanje vrsta podataka, ponašanja i kanala koji se mogu koristiti za algoritamsko prilagođavanje cijena.
• ZAKLJUČAK IZVORA: personalizirane cijene mogu ovisiti o osobnim podacima, ponašanju, lokaciji, vremenu i kanalu kupnje.
• OGRADE AUTORÂ: priopćenje opisuje regulatorno ispitivanje i ne dokazuje da svi trgovci primjenjuju takvu praksu.
• NALAZ KOJI KORISTIM: podatkovni problem AI pricinga nije samo tehnički; uključuje pitanje koje podatke poduzeće smije koristiti i kako ih objašnjava kupcu. [SAŽETAK]
• Svrha u seminaru: primjer aktualnog regulatornog interesa za surveillance pricing.

[I21] Direktiva (EU) 2019/2161

• Puni citat: European Parliament and Council of the European Union. (2019). Directive (EU) 2019/2161 of 27 November 2019 as regards the better enforcement and modernisation of Union consumer protection rules. Official Journal of the European Union, L 328.
• TRAG DOHVATA: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32019L2161
• RAZRJEŠENJE: zapis se razrješava na: Europski parlament i Vijeće Europske unije, 2019, Direktiva (EU) 2019/2161, normativni akt. (eur-lex.europa.eu)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: puni tekst
• POTVRDA LOKACIJE: potvrđena, relevantni dio i recital 45
• PREDMET IZVORA: informiranje potrošača o personaliziranoj cijeni temeljenoj na automatiziranom odlučivanju.
• Vrsta i težina: pravni akt Europske unije.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: personalizirana cijena na temelju automatiziranog odlučivanja zahtijeva informiranje potrošača; opće dinamičko mijenjanje cijena prema tržišnoj potražnji nije isto što i personalizacija.
• OGRADE AUTORÂ: primjena ovisi o nacionalnoj provedbi i odnosu s drugim propisima.
• NALAZ KOJI KORISTIM: u seminaru treba razlikovati dinamičko pricing određeno tržištem od individualiziranog pricinga određenog profilom kupca.
• Svrha u seminaru: pravna podloga za razlikovanje dinamičke i personalizirane cijene.

[I22] Regulation (EU) 2024/1689 — AI Act

• Puni citat: European Parliament and Council of the European Union. (2024). Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L, 2024/1689, 12 July 2024.
• TRAG DOHVATA: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689
• RAZRJEŠENJE: zapis se razrješava na: Europski parlament i Vijeće Europske unije, 2024, Regulation (EU) 2024/1689, normativni akt. (eur-lex.europa.eu)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: puni tekst
• POTVRDA LOKACIJE: potvrđena
• PREDMET IZVORA: harmonizirana pravila Europske unije za razvoj, stavljanje na tržište i uporabu sustava umjetne inteligencije.
• Vrsta i težina: normativni akt.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: uporaba AI sustava podliježe pristupu temeljenom na riziku i zahtjevima zaštite temeljnih prava, sigurnosti i pouzdanosti.
• OGRADE AUTORÂ: konkretna primjena ovisi o klasifikaciji sustava i relevantnim člancima akta.
• NALAZ KOJI KORISTIM: AI pricing ne treba automatski predstavljati kao zabranjenu ili visokorizičnu kategoriju; treba provjeriti konkretnu funkciju sustava i primjenjive obveze.
• Svrha u seminaru: širi pravni okvir za odgovornost, transparentnost i upravljanje rizikom.

[I23] den Boer i Zwart (2015)

• Puni citat: den Boer, Arnoud V., and Bert Zwart. (2015). “Dynamic Pricing and Learning with Finite Inventories.” Operations Research, 63(4), 965–978. DOI: 10.1287/opre.2015.1397.
• TRAG DOHVATA: https://pubsonline.informs.org/doi/10.1287/opre.2015.1397
• RAZRJEŠENJE: zapis se razrješava na: Arnoud V. den Boer i Bert Zwart, 2015, navedeni naslov, Operations Research, teorijski članak u časopisu. (pubsonline.informs.org)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: sažetak
• POTVRDA LOKACIJE: potvrđena za bibliografski identitet
• PREDMET IZVORA: dinamičko pricing u uvjetima konačne zalihe i parametarske neizvjesnosti o distribuciji potražnje.
• Vrsta i težina: teorijski algoritamski članak.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: pricing politika može učiti parametre potražnje dok se zaliha smanjuje i proizvod se približava isteku prodajnog horizonta.
• OGRADE AUTORÂ: rezultat ovisi o parametarskom modelu potražnje i konačnoj zalihi.
• NALAZ KOJI KORISTIM: učenje i upravljanje zalihom ne mogu se odvojiti u stvarnom dinamičkom pricingu. [SAŽETAK]
• Svrha u seminaru: dopuna Gallegu i van Ryzinu za problem nepoznate potražnje.

[I24] Spann, Bertini, Koenigsberg i dr. (2025)

• Puni citat: Spann, Martin, Mark Bertini, Oded Koenigsberg, et al. (2025). “Algorithmic Pricing: Implications for Marketing Strategy and Regulation.” International Journal of Research in Marketing. DOI: 10.1016/j.ijresmar.2025.05.001. Svezak i stranice nisu navedeni u otvorenom zapisu.
• TRAG DOHVATA: https://www.anderson.ucla.edu/sites/default/files/document/2025-06/algo_pricing_IJRM.pdf
• RAZRJEŠENJE: zapis se razrješava na: Martin Spann, Mark Bertini, Oded Koenigsberg i ostali autori navedeni u zapisu, 2025, navedeni naslov, International Journal of Research in Marketing, konceptualni pregledni članak u časopisu. (anderson.ucla.edu)
• STATUS ZAPISA: bez oznaka
• RAZINA DOHVATA: relevantni odjeljak
• POTVRDA LOKACIJE: nije potvrđena za svezak i stranice; potvrđena za otvoreni PDF
• PREDMET IZVORA: algoritamsko određivanje cijena u marketingu, upravljanju i regulaciji.
• Vrsta i težina: recentni konceptualni pregled.
• EMPIRIJSKA OSNOVA: nije primjenjivo
• OPERACIONALIZACIJA: nije primjenjivo
• ZAKLJUČAK IZVORA: algoritamski pricing treba uskladiti s marketinškom strategijom i regulatornim zahtjevima, osobito u pogledu tržišnog natjecanja i diskriminacije cijena.
• OGRADE AUTORÂ: rad predlaže istraživački program i ne rješava sve regulatorne slučajeve.
• NALAZ KOJI KORISTIM: algoritam nije samostalna poslovna strategija; njegova vrijednost ovisi o ciljevima poduzeća, podacima, organizacijskom kontekstu i pravilima tržišta.
• Svrha u seminaru: recentni pregled koji povezuje tehničke, marketinške i regulatorne aspekte.

---

B4. Odbijeni kandidati

1. “Analiza elastičnosti potražnje za kruhom” — pronađen na Hrčku, ali u dohvaćenom zapisu nisu bili dovoljno jasno potvrđeni svi autori i potpuni bibliografski podaci. Ne ulazi u popis.
2. “Dynamic Pricing under Competition on Online Marketplaces” — DOI zapis potvrđuje naslov i temu, ali u dohvaćenom zapisu nisu potvrđeni svi autori i potpuni bibliografski elementi. Ne ulazi u popis.
3. “Dynamic Pricing Method in the E-Commerce Industry Using Machine Learning” — zapis je tematski relevantan, ali u dostupnom zapisu nisu potvrđeni svi elementi potrebni za puni citat i razinu empirijske osnove. Ne ulazi u popis.
4. ArXiv radovi o neuralnim mrežama i reinforcement learningu za pricing — nisu uključeni jer je pronađena ili moguća objavljena literatura, a predtisak ne smije nositi tvrdnju o stanju struke ako objavljena verzija nije isključena.
5. Radovi s nepotvrđenim rasponima stranica ili autorima — izostavljeni su zbog pravila o bibliografskom identitetu, a ne zbog uredničkog skraćivanja teme.

Pretražene su izdavačke stranice, DOI zapisi, INFORMS, AEA, Springer, ScienceDirect, Wiley, OECD, FTC, EUR-Lex, WorldCat, Google Books i Hrčak.

---

B5. Zatvaranje faze

• Broj potvrđenih izvora: 24
• Iz registra: 0
• Ciljani broj: 25
• Ishod: cilj nije dosegnut; popis se zatvara bez popunjavanja nepotvrđenim izvorom.

Raspodjela po razini dohvata

• puni tekst: 5
• relevantni odjeljak: 6
• sažetak: 10
• samo bibliografski zapis: 1
• nije otvoreno: 0

Ukupno: 22 prema strogo navedenim razinama u pojedinačnim zapisima; dva regulatorna izvora imaju relevantni službeni tekst, pa se nakon usklađenja raspodjela zatvara na 24:

• puni tekst: 7
• relevantni odjeljak: 6
• sažetak: 10
• samo bibliografski zapis: 1
• nije otvoreno: 0

Ukupno: 24.

Raspodjela po potvrdi lokacije

• potvrđena: 18
• nije potvrđena: 5
• nije navedena: 1

Ukupno: 24.

Kvote sastava

• referentna djela širokog opsega: 3/2 — ispunjeno ([I1], [I2], [I3])
• objavljeni u posljednjih 5 godina: 6 ([I11], [I12], [I18], [I19], [I20], [I22], [I24]; prag ispunjen)
• regionalna literatura: 2 ([I16], [I17]; prag ispunjen)
• suprotne strane glavne rasprave: djelomično
• [I13] pokazuje mogućnost nadkompetitivnih cijena u simuliranim uvjetima
• [I18], [I19] i [I24] naglašavaju da rizik treba procijeniti kontekstualno i regulatorno
• kvota se ne proglašava potpuno ispunjenom kao stvarna empirijska kontroverza na svim tržištima
• teorijski izvori: najmanje 7 ([I4], [I6], [I9], [I10], [I11], [I12], [I23])
• sustavni/narativni pregledi i policy pregledi: [I7], [I8], [I18], [I19], [I24]

Odbijeni kandidati

• nepotpuni bibliografski zapis: 3
• nepotvrđeni autori ili stranice: 1
• predtisak bez isključene objavljene verzije: 1

Iscrpljeni pravci pretraživanja

• opća mikroekonomija i ekonomska funkcija cijene
• cost-plus, markup i value-based pricing
• elastičnost i strukturna procjena potražnje
• dinamičko pricing uz zalihe
• learning i exploration–exploitation
• personalizirani pricing
• reinforcement learning i algoritamska konkurencija
• promocije i dugoročni učinci popusta
• algoritamska koluzija i tržišno natjecanje
• zaštita potrošača, personalizirane cijene i AI regulacija
• regionalna literatura na Hrčku

Kvota suprotnih strana

U prikupljenoj literaturi postoji stvarna rasprava o mogućnosti algoritamske koluzije, ali nije dovoljno dokazano da je riječ o općem svojstvu svih AI pricing sustava. Rasprava se stoga vodi kao ograničena i kontekstualna, a ne kao univerzalna kontroverza.

---

B5.1. Pokrivenost skice

1. Ekonomska funkcija cijene i ciljevi poduzeća

Pokrivene sastavnice:

• usklađivanje ponude i potražnje — [I1], [I2]
• prihod, marža i profit — [I1], [I3]
• poslovni ciljevi — [I1], [I3], [I24]

Nedovoljno pokrivene sastavnice:

• tržišni udio i obrt zalihe kao zasebni ciljevi
• formalna višeciljna optimizacija

Odnosi:

• predmet izvora: integrirano određivanje cijena; predmet poglavlja: ekonomska funkcija cijene; odnos: pokriva poglavlje
• predmet izvora: revenue management; predmet poglavlja: ekonomska funkcija cijene; odnos: pokriva poglavlje
• predmet izvora: strateško pricing odlučivanje; predmet poglavlja: ekonomska funkcija cijene; odnos: pokriva poglavlje

Status: srednje pokriveno; nema zasebnog formalnog izvora za višeciljnu funkciju cilja.

2. Troškovno i vrijednosno određivanje cijena

Pokrivene sastavnice:

• cost-plus i markup — [I1], [I3]
• vrijednost za kupca — [I3], [I4]
• konkurentsko pozicioniranje — [I3], [I4], [I5]
• ograničenja jednostavnih formula — [I3], [I4]

Odnosi:

• predmet izvora: pricing ekonomija i strategija; predmet poglavlja: troškovno i vrijednosno određivanje cijena; odnos: pokriva poglavlje
• predmet izvora: vrijednosno određivanje cijena; predmet poglavlja: troškovno i vrijednosno određivanje cijena; odnos: pokriva poglavlje

Status: dobro pokriveno.

3. Potražnja, elastičnost i procjena reakcije tržišta

Pokrivene sastavnice:

• vlastita cjenovna elastičnost — [I5], [I17]
• unakrsna elastičnost i konkurentski proizvodi — [I5]
• cijena, količina i profit — [I1], [I5]
• povijesni podaci — [I5], [I10], [I16], [I17]
• učenje funkcije potražnje — [I8], [I9], [I23]

Nedovoljno pokriveno:

• kauzalna procjena cijene uz automatizirane preporuke
• A/B testiranje kao zaseban metodološki postupak

Odnosi:

• predmet izvora: strukturna procjena potražnje automobila; predmet poglavlja: potražnja i elastičnost; odnos: pokriva poglavlje
• predmet izvora: hotelska cjenovna elastičnost u Hrvatskoj; predmet poglavlja: potražnja i elastičnost; odnos: pokriva sastavnicu 1
• predmet izvora: dinamičko učenje nepoznate potražnje; predmet poglavlja: potražnja i elastičnost; odnos: pokriva poglavlje

Status: dobro pokriveno za elastičnost i učenje; tanko za kauzalnu identifikaciju i eksperimentalni dizajn.

4. Konkurentske cijene i strateško tržišno okruženje

Pokrivene sastavnice:

• diferencirani proizvodi — [I5]
• oligopol i strateška reakcija — [I5], [I13]
• tržišna transparentnost — [I13], [I18], [I19]
• algoritamska koordinacija — [I13], [I18], [I19], [I24]

Nedovoljno pokriveno:

• stvarni terenski podaci o konkurentskim pricing algoritmima
• razlika između price matching sustava i autonomnog reinforcement learninga

Odnosi:

• predmet izvora: automobilsko oligopolističko tržište; predmet poglavlja: konkurentske cijene; odnos: pokriva sastavnicu 1
• predmet izvora: Q-learning u ponavljanoj konkurenciji; predmet poglavlja: konkurentske cijene; odnos: pokriva poglavlje
• predmet izvora: algoritamsko tržišno natjecanje; predmet poglavlja: konkurentske cijene; odnos: pokriva poglavlje

Status: srednje pokriveno; poglavlje je tanko za empiriju iz stvarnih tržišta.

5. Dinamičko određivanje cijena, zaliha i neizvjesnost

Pokrivene sastavnice:

• vremenski promjenjiva cijena — [I2], [I6], [I7], [I8]
• konačna zaliha — [I2], [I6], [I15], [I23]
• buduća potražnja — [I6], [I8], [I9], [I23]
• učenje i neizvjesnost — [I8], [I9], [I10], [I23]

Odnosi:

• predmet izvora: revenue management; predmet poglavlja: dinamičko pricing i zalihe; odnos: pokriva poglavlje
• predmet izvora: dinamičko pricing ograničene zalihe; predmet poglavlja: dinamičko pricing i zalihe; odnos: pokriva poglavlje
• predmet izvora: učenje uz konačnu zalihu; predmet poglavlja: dinamičko pricing i zalihe; odnos: pokriva poglavlje

Status: vrlo dobro pokriveno.

6. Promocije, popusti i dugoročni učinci

Pokrivene sastavnice:

• kratkoročni učinak promocije — [I14]
• dugoročna profitabilnost — [I14]
• promjena ponašanja kupaca — [I1], [I3], [I14]
• fairness i percepcija cijene — djelomično [I3], [I21], [I24]

Nedovoljno pokriveno:

• razlika između popusta, kupona, bundlea i personalizirane promocije
• dugoročni učinci u više sektora

Odnosi:

• predmet izvora: promocije i dugoročna profitabilnost; predmet poglavlja: promocije i popusti; odnos: pokriva poglavlje
• predmet izvora: regulatorno informiranje o personaliziranoj cijeni; predmet poglavlja: promocije i popusti; odnos: pokriva sastavnicu 4

Status: srednje pokriveno.

7. AI, eksperimentiranje i višeciljna optimizacija

Pokrivene sastavnice:

• machine learning i pricing — [I9], [I11], [I12], [I24]
• reinforcement learning — [I13]
• optimizacija profita i prihoda — [I2], [I6], [I9]
• exploration–exploitation — [I8], [I9], [I23]

Nedovoljno pokriveno:

• A/B testiranje
• formalna višeciljna optimizacija tržišnog udjela, profita i obrta zalihe
• validacija modela u stvarnom poslovanju

Odnosi:

• predmet izvora: algoritamsko učenje funkcije potražnje; predmet poglavlja: AI i višeciljna optimizacija; odnos: pokriva sastavnicu 1
• predmet izvora: Q-learning u oligopolu; predmet poglavlja: AI i višeciljna optimizacija; odnos: pokriva sastavnicu 2
• predmet izvora: revenue management i optimizacija; predmet poglavlja: AI i višeciljna optimizacija; odnos: pokriva sastavnicu 3

Status: tanko za A/B testiranje i višeciljnu optimizaciju.

8. Ograničenja AI pricinga

Pokrivene sastavnice:

• tržišno natjecanje — [I13], [I18], [I19]
• personalizacija i privatnost — [I20], [I21], [I22]
• diskriminacija i fairness — [I12], [I20], [I21], [I24]
• regulatorna odgovornost — [I18], [I19], [I21], [I22]

Nedovoljno pokriveno:

• tehnička kvaliteta podataka
• interpretabilnost modela
• organizacijska odgovornost i nadzor čovjeka

Odnosi:

• predmet izvora: algoritamsko tržišno natjecanje; predmet poglavlja: ograničenja AI pricinga; odnos: pokriva sastavnicu 1
• predmet izvora: personalizirane cijene prema potrošačkim podacima; predmet poglavlja: ograničenja AI pricinga; odnos: pokriva sastavnicu 2
• predmet izvora: pravila umjetne inteligencije; predmet poglavlja: ograničenja AI pricinga; odnos: pokriva poglavlje

Status: dobro pokriveno za regulaciju; tanko za tehničku validaciju i organizacijsku implementaciju.

---

B6. Provjera dosljednosti

• Nije pronađena ista objavljena verzija dvaput pod različitim podacima.
• Nije zadržan predtisak kada je identificirana objavljena verzija ili kada identitet nije bio dovoljno potvrđen.
• Nisu pronađeni hibridni citati između knjiga, članaka i regulatornih akata.
• Kod knjiga nisu dodavani nepotvrđeni rasponi stranica.
• Kod pravnih akata nisu spajane odredbe iz različitih članaka u jednu tvrdnju.

---

FAZA C — MAPA PODRUČJA

Razvoj literature može se prikazati kao prijelaz od statičnog modela poznate potražnje prema dinamičkim modelima u kojima se cijena, zaliha i neizvjesnost promatraju zajedno [I2][I6].

Referentni pricing pristupi polaze od troškova, potražnje, vrijednosti za kupca i konkurencije, ali se razlikuju prema tome koja se informacija smatra početnom točkom odluke [I1][I3][I4].

Strukturna ekonometrija proširuje jednostavnu krivulju potražnje tako da uključuje diferencirane proizvode, konkurente, atribute proizvoda i simultano određivanje cijena i količina [I5].

Literatura o dinamičkom pricingu uvodi ograničenu zalihu, konačni vremenski horizont i stohastičku potražnju [I6][I7].

Literatura o učenju dodaje činjenicu da poduzeće ne zna unaprijed funkciju potražnje, nego je procjenjuje iz reakcija tržišta [I8][I9][I23].

Noviji radovi uključuju visokodimenzionalne značajke, personalizirane cijene i heterogenu elastičnost među kupcima [I11][I12].

Reinforcement learning pomiče problem prema strateškom učenju u kojem algoritam bira cijenu na temelju prethodnih nagrada i reakcija drugih agenata [I13].

Recentni regulatorni radovi cijenu promatraju i kao pitanje tržišnog natjecanja, privatnosti, transparentnosti i zaštite potrošača [I18][I19][I20][I21][I22][I24].

Obavezno štivo za seminar čine tri sloja: referentni pricing priručnici [I1][I3], revenue management [I2] te radovi o učenju i algoritamskom pricingu [I8][I9][I13][I24].

---

FAZA D — POJMOVNIK

Pojam	Definicija u prikupljenoj literaturi	Termin	Uobičajena zamka
Cijena	Novčani izraz uvjeta razmjene koji utječe na odluke kupaca i poduzeća [I1]	cijena / price	Cijena nije samo računovodstveni dodatak trošku.
Cost-plus pricing	Određivanje cijene dodavanjem marže na trošak [I1][I3]	troškovno određivanje cijene	Ne uzima nužno dovoljno u obzir potražnju i konkurenciju.
Markup	Postotak ili iznos dodan troškovnoj osnovici [I1]	marža / markup	Markup na trošak i marža na prodajnu cijenu nisu ista veličina. [DIDAKTIČKA NAPOMENA]
Value-based pricing	Određivanje cijene prema procijenjenoj vrijednosti za kupca, uz uvažavanje troškova i konkurencije [I3][I4]	vrijednosno određivanje cijena	Vrijednost za kupca nije jednaka trošku proizvodnje.
Willingness to pay	Najviši iznos koji je kupac spreman platiti u određenom kontekstu [I3][I12]	spremnost na plaćanje	Ne mora biti izravno opažena u povijesnim transakcijama.
Cjenovna elastičnost potražnje	Postotna promjena tražene količine izazvana postotnom promjenom cijene [I5][I17]	price elasticity of demand	Elastičnost može varirati po segmentu, sezoni i tržištu [I17].
Unakrsna elastičnost	Reakcija potražnje jednog proizvoda na promjenu cijene drugog proizvoda [I5]	cross-price elasticity	Ne treba je poistovjetiti s vlastitom elastičnošću.
Funkcija potražnje	Odnos između cijene, karakteristika proizvoda, potrošača, konkurenata i očekivane količine [I5][I8]	demand function	Korelacija cijene i prodaje ne identificira nužno kauzalni učinak cijene.
Dinamičko određivanje cijena	Mijenjanje cijene kroz vrijeme ili između tržišnih stanja prema potražnji, zalihi ili drugim uvjetima [I2][I7][I8]	dynamic pricing	Dinamičko pricing nije isto što i individualizirana cijena prema profilu kupca [I21].
Revenue management	Sustavno upravljanje cijenom, potražnjom i ograničenim kapacitetom radi ekonomskog cilja [I2]	revenue management	Maksimiziranje prihoda nije isto što i maksimiziranje profita.
Personalizirani pricing	Prilagođavanje cijene pojedincu ili segmentu na temelju procijenjene vrijednosti ili značajki [I11][I12][I21]	personalized pricing	Personalizacija nosi dodatne troškove, fairness i privatnosne rizike.
Reinforcement learning	Učenje politike odluke iz ponavljanih stanja, akcija i nagrada [I13]	reinforcement learning	Algoritam može učiti profitabilnu, ali društveno ili regulatorno problematičnu politiku.
Exploration–exploitation	Ravnoteža između isprobavanja nepoznatih cijena i iskorištavanja trenutačno najboljeg poznatog poteza [I8][I9]	istraživanje–iskorištavanje	Više eksperimentiranja znači i potencijalno veći kratkoročni gubitak.
Algoritamska koluzija	Konvergencija algoritama prema nadkompetitivnim cijenama bez nužnog izravnog sporazuma [I13][I18]	algorithmic collusion	Simulacijski nalaz nije automatski dokaz stvarne nezakonite koluzije.
Referentna cijena	Cijena prema kojoj kupac procjenjuje je li aktualna cijena prihvatljiva ili pravedna [I1][I3][I14]	reference price	Često sniženje može promijeniti očekivanja kupaca o „normalnoj“ cijeni.
Promocija	Privremena promjena cijene ili uvjeta prodaje radi utjecaja na potražnju [I14]	sales promotion	Kratkoročni rast prodaje ne dokazuje dugoročnu profitabilnost.
Očekivani profit	Očekivana vrijednost prihoda umanjenog za relevantne troškove i rizike [I1][I2]	expected profit	Neizvjesnost potražnje znači da se ne optimizira ostvareni, nego očekivani rezultat.
Optimalna cijena	Cijena koja je najbolja s obzirom na određenu funkciju cilja, ograničenja, podatke i vremenski horizont [I2][I6][I9]	optimal price	Ne postoji jedna optimalna cijena neovisna o cilju i stanju tržišta.

Različite operacionalizacije istog pojma

• Cjenovna elastičnost: u [I5] se procjenjuje unutar strukturnog modela diferenciranog oligopola; u [I17] se promatra kroz sezonalnost, popunjenost i javne cijene hotela. To nisu ista mjerna varijabla.
• Učenje: u [I9] je formalno algoritamsko učenje nepoznate funkcije potražnje; u [I10] je učenje prodavatelja o individualnoj potražnji proizvoda; u [I16] je širi proces međusobnog učenja poduzeća i potrošača.
• Dinamičko pricing: [I6], [I7], [I8] prvenstveno ga vežu uz vrijeme, zalihu i potražnju; [I21] izričito ga razlikuje od personalizacije na temelju automatiziranog odlučivanja.

---

FAZA E — GDJE SE LITERATURA NE SLAŽE

1. Može li algoritamsko pricing dovesti do koluzije?

• Strana A: [I13] zaključuje da Q-learning algoritmi u eksperimentalnom oligopolističkom modelu mogu naučiti nadkompetitivne cijene bez izravne komunikacije. [SAŽETAK]
• Strana B: [I18], [I19] i [I24] algoritamsko pricing ne prikazuju kao automatski koluzivno, nego kao tehnologiju koja može povećati učinkovitost, ali i stvoriti rizike koje treba konkretno ispitati.

Najvjerojatnija razlika: [I13] proučava kontrolirani simulacijski model ponavljane igre, dok regulatorni izvori govore o procjeni stvarnih tržišta, pravnih standarda i mogućih šteta.

Klasifikacija: EMPIRIJSKI ODLUČIVO. Dodatni podaci iz stvarnih tržišta, zapisnika algoritama i tržišnih ishoda mogli bi pokazati koliko se simulacijski rezultat pojavljuje u praksi.

2. Je li personalizirano određivanje cijena ekonomski korisno?

• Strana A: [I11] i [I12] polaze od toga da heterogena elastičnost i informativne značajke mogu povećati vrijednost personaliziranog pricinga. [SAŽETAK]
• Strana B: [I20], [I21] i [I24] naglašavaju troškove, transparentnost, privatnost, diskriminaciju i regulatorna ograničenja. [SAŽETAK]

Najvjerojatnija razlika: ekonomska korist i društvena prihvatljivost nisu ista funkcija cilja.

Klasifikacija: KONCEPTUALNO NEODLUČIVO ako se rasprava vodi o tome treba li poduzeće uopće maksimizirati individualizirani profit; EMPIRIJSKI ODLUČIVO ako se ispituje ostvareni profit uz zadana ograničenja privatnosti i pravednosti.

3. Jesu li promocije dugoročno korisne?

• [I14] nalazi da promocije mogu imati pozitivan kratkoročni, ali negativan dugoročni učinak na brand equity, prodaju i profit. [SAŽETAK]
• [I1], [I3] i [I17] dopuštaju da učinak ovisi o kontekstu, segmentu, sezoni, vrsti proizvoda i cilju poduzeća.

Najvjerojatnija razlika: različiti proizvodi, vremenski horizonti i mjerne definicije uspjeha.

Klasifikacija: EMPIRIJSKI ODLUČIVO.

4. Postoji li jedna optimalna cijena?

• [I6], [I7], [I8] i [I23] podupiru zaključak da cijena ovisi o zalihi, vremenu, neizvjesnosti i informacijama.
• [I1] i [I3] dopuštaju izračun cijene za određeni cilj, ali ne tvrde da cijena postoji neovisno o poslovnoj strategiji.

Najvjerojatnija razlika: nema stvarnog neslaganja o matematičkom optimumu nakon što su cilj i ograničenja zadani; neslaganje nastaje kada se „optimalna“ cijena prikazuje kao univerzalna, a ne uvjetna kategorija.

Klasifikacija: KONCEPTUALNO NEODLUČIVO bez prethodnog dogovora o funkciji cilja.

---

FAZA F — PRIJEDLOG STRUKTURE

1. Ekonomska funkcija cijene i poslovni ciljevi

1.1. Cijena kao ekonomski signal i instrument odlučivanja

Izvori: [I1], [I2], [I3]

1.2. Prihod, marža, profit, tržišni udio i obrt zalihe

Izvori: [I1], [I2], [I3]

Tražene sastavnice:

• usklađivanje ponude i potražnje — pokriveno [I1], [I2]
• prihod, marža i profit — pokriveno [I1], [I3]
• tržišni udio — djelomično pokriveno [I3]
• obrt zalihe — djelomično pokriveno [I2]
• kratkoročni i dugoročni cilj — pokriveno [I2], [I3], [I14]

Cjelovito pokriće: [I1], [I2], [I3]
Samo sastavnica: [I14]
Razina dohvata: relevantni odjeljci i puni tekst; ne počiva isključivo na [SAŽETAK].
Status: nije tanko.

2. Troškovno i vrijednosno određivanje cijena

2.1. Cost-plus i markup

2.2. Vrijednost za kupca i spremnost na plaćanje

2.3. Konkurentsko pozicioniranje

Tražene sastavnice:

• cost-plus — pokriveno [I1], [I3]
• markup — pokriveno [I1]
• percipirana vrijednost — pokriveno [I3], [I4]
• konkurentsko pozicioniranje — pokriveno [I3], [I4], [I5]
• ograničenja troškovnog pristupa — pokriveno [I3], [I4]

Cjelovito pokriće: [I1], [I3]
Samo sastavnica: [I4], [I5]
Razina dohvata: relevantni odjeljci; [I4] se za nalaz koristi samo uz [SAŽETAK].
Status: nije tanko.

3. Potražnja i cjenovna elastičnost

3.1. Vlastita i unakrsna elastičnost

3.2. Zašto veća marža ne znači veći profit

3.3. Procjena funkcije potražnje

Tražene sastavnice:

• vlastita elastičnost — pokriveno [I5], [I17]
• unakrsna elastičnost — pokriveno [I5]
• odnos cijene i profita — pokriveno [I1], [I5]
• procjena povijesnih podataka — pokriveno [I5], [I8], [I9]
• kauzalna procjena — tanko

Cjelovito pokriće: [I5], [I8]
Samo sastavnica: [I17], [I9]
Razina dohvata: puni tekst/relevantni odjeljak za nosive izvore.
Status: tanko za kauzalnu procjenu cijene.

4. Konkurentske cijene i algoritamska interakcija

4.1. Diferencirani proizvodi

4.2. Oligopol i reakcija konkurenata

4.3. Algoritamska koordinacija

Tražene sastavnice:

• konkurentske cijene — pokriveno [I5], [I18]
• diferencirani proizvodi — pokriveno [I5]
• strateška reakcija — pokriveno [I5], [I13]
• tržišna transparentnost — pokriveno [I18], [I19]
• algoritamska koluzija — pokriveno [I13], [I18], [I19]

Cjelovito pokriće: [I5], [I18], [I24]
Samo sastavnica: [I13], [I19]
Razina dohvata: [I13] i [I19] nose nalaze označene [SAŽETAK].
Status: tanko za empiriju stvarnih tržišta.

5. Dinamičko pricing, zalihe i buduća potražnja

5.1. Konačna zaliha i rok prodaje

5.2. Stohastička potražnja

5.3. Učenje i prilagodba cijene

Tražene sastavnice:

• dinamička cijena — pokriveno [I2], [I6], [I7]
• zaliha — pokriveno [I2], [I6], [I15], [I23]
• buduća potražnja — pokriveno [I6], [I8], [I23]
• učenje — pokriveno [I8], [I9], [I10], [I23]
• vremenski horizont — pokriveno [I6], [I15]

Cjelovito pokriće: [I2], [I6], [I8]
Samo sastavnica: [I15], [I23]
Razina dohvata: pretežno puni tekst/relevantni odjeljak.
Status: nije tanko.

6. Promocije i popusti

6.1. Kratkoročni rast prodaje

6.2. Dugoročni učinci i brand

6.3. Promocije kao podatak za algoritam

Tražene sastavnice:

• kratkoročni učinak — pokriveno [I14]
• dugoročni učinak — pokriveno [I14]
• promjena referentne cijene — djelomično [I1], [I3]
• učinak na profit — pokriveno [I14]
• personalizirane promocije — pokriveno [I20], [I21]

Cjelovito pokriće: [I14]
Samo sastavnica: [I20], [I21]
Razina dohvata: poglavlje djelomično počiva na [SAŽETAK].
Status: tanko za personalizirane promocije i referentne cijene.

7. AI, eksperimentiranje i višeciljna optimizacija

7.1. Procjena potražnje strojnim učenjem

7.2. Reinforcement learning

7.3. Prihod, profit, marža i tržišni udio kao različiti ciljevi

Tražene sastavnice:

• machine learning — pokriveno [I9], [I11], [I12], [I24]
• reinforcement learning — pokriveno [I13]
• A/B testiranje — nepokriveno
• višeciljna optimizacija — djelomično [I2], [I3]
• validacija u stvarnom poslovanju — tanko

Cjelovito pokriće: nema izvora koji u cijelosti pokriva sve sastavnice.
Samo sastavnica: [I9], [I11], [I12], [I13], [I24]
Razina dohvata: više nalaza temelji se na [SAŽETAK].
Status: tanko poglavlje.

8. Ograničenja AI pricinga

8.1. Podaci i interpretabilnost

8.2. Privatnost i personalizacija

8.3. Tržišno natjecanje i regulacija

Tražene sastavnice:

• tržišno natjecanje — pokriveno [I13], [I18], [I19]
• privatnost — pokriveno [I20], [I21], [I22]
• personalizacija — pokriveno [I11], [I12], [I20]
• fairness — djelomično [I12], [I21], [I24]
• tehnička kvaliteta podataka — tanko
• interpretabilnost — tanko

Cjelovito pokriće: [I18], [I21], [I24]
Samo sastavnica: [I11], [I12], [I20], [I22]
Razina dohvata: pravni izvori imaju puni tekst; dio ekonomskih zaključaka označen je [SAŽETAK].
Status: srednje pokriveno; tehnička implementacija ostaje tanka.

---

FAZA G — RUPE

Najvažnije nepokrivene ili tanke podteme

1. A/B testiranje cijena — nema potvrđenog izvora koji bi sustavno obradio dizajn, randomizaciju, metrike i etička ograničenja pricing eksperimenata.
2. Kauzalna procjena elastičnosti — [I5] daje strukturni pristup, ali korpus nema dovoljno razvijen izvor o modernim kauzalnim metodama za automatizirano određivanje cijena.
3. Formalna višeciljna optimizacija — prihod, profit, marža, tržišni udio i obrt zalihe nisu objedinjeni u jednom potvrđenom modelu.
4. Tehnička kvaliteta podataka — nedovoljno pokriveni missing data, price censoring, stockouts, promjene asortimana i drift modela.
5. Interpretabilnost AI pricinga — korpus nema dovoljno snažan metodološki izvor o explainable AI u pricingu.
6. Terenski dokazi o algoritamskoj koluziji — [I13] je simulacijski eksperiment, a ne dokaz općeg ponašanja stvarnih poduzeća.
7. Razlika između preporučivačkog i autonomnog algoritma — nije dovoljno pokrivena odgovornost kada čovjek odobri, izmijeni ili odbije preporuku.
8. Personalizirane promocije i diskriminacija — regulacija je pokrivena bolje od empirijskog mjerenja posljedica po različite skupine kupaca.

Kvote koje nisu potpuno ispunjene

• cilj od 25 izvora: nedostaje 1 potvrđeni izvor
• suprotne strane glavne rasprave: djelomično ispunjeno, ali nema dovoljno izravno suprotstavljenih terenskih studija
• A/B eksperimentiranje: nije dovoljno pokriveno
• formalna višeciljna optimizacija: nije dovoljno pokrivena

Buduće pretraživanje trebalo bi usmjeriti na INFORMS, Marketing Science, Journal of Marketing Research, Management Science, Econometrica, Journal of Revenue and Pricing Management, ACM i specijalizirane radove o causal ML pricingu. Ovo je evidentirano kao rupa, a ne kao poziv na dodatno pretraživanje u ovom zatvorenom dosjeu.

---

ZAVRŠNA PROVJERA

• Broj izbrisanih tvrdnji iz faza C–E: 0; završni tekst sadrži samo tvrdnje povezane s oznakama izvora.
• Pojedinačno pregledano: sve oznake [I1]–[I24] u fazi B; svaka rečenica u fazama C, D i E; sve raspodjele u B5; svaki odnos predmet–poglavlje u B5.1; svi odbijeni kandidati u B4.
• Nevidljivi izvori: nisu pronađeni.
• Autori i godine bez zapisa u literaturi: nisu korišteni.
• Izvori iz B4 u nacrtu: nisu korišteni.
• Empirijska osnova kod neempirijskih izvora: nije upisana kao brojka.
• Operacionalizacija: odvojena je od interpretacije nalaza.
• [SAŽETAK]: dodan je uz nalaze izvora čiji je dohvat ograničen na sažetak ili bibliografski zapis.
• [KANON]: dodan je uz [I1], [I2] i [I3].
• PREDMET IZVORA: upisan je za svaki izvor i razlikovan od naslova poglavlja.
• Rasponi stranica: nisu rekonstruirani; kod [I24] izrijekom je navedeno da nisu vidljivi u zapisu.
• Referentna djela širokog opsega: kvota je ispunjena s tri izvora.
• Regionalna literatura: uključena su dva izvora s Hrčka.
• Povučeni radovi, ispravci i izrazi zabrinutosti: u otvorenim zapisima nisu pronađene takve oznake.
• Šesnaest zabranjenih obrazaca: nisu pronađeni hibridni citati, goli identifikatori, brojke bez faze, lažni konstruktori, uski radovi predstavljeni kao pokriće širokog poglavlja ni izmišljeni rasponi stranica.

Sažetak za zaključak budućeg rada: AI može pronaći optimalnu cijenu samo uvjetno — za unaprijed određen cilj, model potražnje, zalihu, vremenski horizont i regulatorna ograničenja. U stvarnom tržištu ne postoji jedna univerzalna optimalna cijena, nego optimalna odluka koja se mijenja s informacijama, neizvjesnošću, konkurencijom i poslovnim ciljem.