本案例依原書第 2 章 Marketing／Sales／Customer Engagement 中的 Uber 例重組。
理解 Dynamic Pricing 如何把即時 Demand、Weather、Traffic 轉成價格決策。
原書以 Uber Dynamic Pricing Algorithm 為例，根據 Real-time Demand、Weather 與 Traffic Patterns 調整 Fares，以 Optimise Revenue。
| Input | 原書內容 | 用途 |
|---|---|---|
| Demand | Real-time | 反映供需壓力 |
| Weather | 即時因素 | 影響需求／供應 |
| Traffic | 即時 Patterns | 反映行程條件 |
| Output | Fare Adjustment | Revenue Optimization |
Excel 可記錄 Time、Demand、Weather、Traffic、Fare；AI 可分析 Pattern，但原書沒有定價公式或價格彈性，不可自行重建 Uber Algorithm。
原書未提供 Fare Change %、Revenue Lift 或 Pricing Formula，因此無可重算營運數字。
即時價格可提升適應性，但企業仍需處理資料品質、Consumer Trust 與 Algorithmic Fairness。
請整理 Demand、Weather、Traffic 與 Fare 的時間序列關係；若沒有正式 Pricing Rule，請只做描述性分析，不要自行重建定價公式。