Система оптимизации цен на платформе Microsoft Azure Machine Learning spellabs.R- pricer

О компании spellabs Опыт в разработке ПО – 10 лет Разработка корпоративных портальных решений Интеллектуальный анализ данных и прогнозная аналитика Партнерство с IBMПартнерство с Microsoft

Задача Нахождение цен на группу товаров, максимизирующую ожидаемый оборот от продажи этой группы товаров за фиксированный промежуток времени. Схожие задачи: Увеличение Валового дохода при оптимизации цен на группу товаров Увеличение Чистого дохода при оптимизации цен на группу товаров Увеличение маржи при оптимизации цен на группу товаров

Зачем нужна система оптимизации цен? Выгода подтверждается большим количеством внедренных проектов 4 Метрика / Приложение Оптимизация Цен Рост оборота 1 – 3% Рост валового дохода 2 – 5% Роста объема продаж 0 – 1% Пример: розничная сеть с оборотом в $ 10 млрд и средней наценкой 30% Увеличение валового дохода = $ 90 млн в год за счет оптимизации цен Источник: AMR Research

5 История успеха с BILLA Ведущий продуктовый ритейлер в Австрии, более чем 1000 магазинов Стратегия и вызовы Обеспечить самую низкую на рынке цену для выбранной продуктовой корзины Улучшить исполнение ценовой стратегии Улучшить конкурентоспособность Поддержать прибыльность сети Масштаб 1000 магазинов, Более электронных ценников Проект за 4 месяца собственными силами Почему решение для управления ценами Возможность реагировать на любые изменения цены конкурентами в режиме реального времени Возможность обеспечить реализацию стратегии «качество по доступным ценам» Подходит под все требования Billa Выгоды Сохранить конкурентоспособность на рынке За счет более конкурентных цен обеспечена высокая оборачиваемость товара

Как быстро можно получить выгоду от использования системы оптимизации цен? Средний возврат на инвестиции – 12 месяцев 6 Источник: AMR Research

Подход spellabs Оптимизируем цены на каждый товар на основании истории спроса на него и на сопутствующие товары. Сопутствующие товары – это товары, приобретаемые совместно или товары конкуренты. 1. Мы разбиваем товары на тесно связанные группы и анализируем группы этих товаров по отдельности. 2. Для прогнозирования спроса на каждый товар, мы строим нелинейную регрессионную модель в зависимости от цен на товары в группе(кросс эластичность) и магазин. Возможно использовать внешние факторы(макроэкономические показатели. Например, инфляция, курс доллара…) 3. Строим нелинейную оптимизационную модель, описываемую : - Функцией цели (прибыль, оборот и т.п.) - Ограничениями. диапазон цен, остатки и т.д. - Найденные зависимости спроса от цен

Принцип работы. Шаг 1. Скрининг. Из анализа удаляем товары: С неизменными ценами. С незначительным вкладом в оборот. С нестабильной историей продаж.

Принцип работы. Шаг 2. Кластеризация. 1. Строим матрицу корреляции спроса для каждой пары товаров. 2. Производим кластерный анализ: получаем группы сильно коррелированных по спросу товаров. 3. В дальнейшем анализируем каждую группу отдельно.

Принцип работы. Шаг 3. Регрессия 1. Регрессия. Для каждого товара в группе находим зависимость спроса на него в зависимости от магазина и цен на другие товары этой группы. Спрос на товар 1 = f1(Магазин, Цена 1, …, Цена 5, Другие факторы) …. Спрос на товар 5 = f5(Магазин, Цена 1, …, Цена 5, Другие факторы) 2. Обучаем модель на полученных данных, проверяем результат на обучающих и тестовых данных.

Принцип работы. Шаг 4. Оптимизация. Оптимизация. Находим максимум суммарного ожидаемого оборота (по всем товарам по всем магазинам) как функцию от вектора цен на товары. Целевая функция: Ожидаемый оборот по всем товарам по всем магазинам = Оборот для магазина М1= {Ц1 * f1(М1, Ц1,…,Ц5) + … + Ц5 * f5(М1, Ц1,…,Ц5)} + Оборот для магазина М2= { Ц1 * f1(М1, Ц1,…,Ц5) + … + Ц5 * f5(М2, Ц1,…,Ц5) } + ……….. + Оборот для магазина Мi= { Ц1 * f1(Мi, Ц1,…,Ц5) + … + Ц5 * f5(Мi, Ц1,…,Ц5) } Ограничения: диапазоны цен Задача оптимизации: найти цены, при которых ожидаемый оборот максимален.

Алгоритм работы системы оптимизации цен Microsoft Azure Machine Learning 12 Моделирование спроса Рекомендуемые цены Проверка на соответствие ценовым и маркетинговым стратегиям, действующему законодательству РФ Чеки -Цены конкурентов (опционально) -Ценовые ограничения (опционально) Оптимизация вектора цен на группу товаров Вывод цены на ценник Выявление кластеров и групп товаров

Общая архитектура

Наши предложения 1. Выполняем пилотный проект. 2. Берем 2 группы магазинов, контрольные магазины и тестовые. Магазины должны быть сравнимы, площадь, место, кассы, обороты. 3. В одной группе проводим эксперимент, в другой не проводим. Если в одной группе изменения статистически значимы, то считаем наш эксперимент успешным и можно выходить на полноценный проект.

Спасибо