Smart Pricing Technology

Веб-сайт, помогающий владельцам розничного бизнеса оптимизировать тактическое ценообразование. На сервисе реализована технология, которая путем математического анализа находит оптимальную цену на весь товарный ассортимент, при котором маржинальность и объем продаж будут сбалансированы.

Начало

Наша задача заключалась в том, чтобы разработать веб-сайт, на который пользователи могут загружать файлы, содержащие необходимые данные для работы алгоритмов машинного обучения, и — получать результаты расчетов.Процесс ценовой оптимизации основывается на работе с Big Data. Так, анализируя историю продаж бизнеса и рыночные цены ближайших конкурентов, система прогнозирует объемы продаж каждого товара при различных уровнях цен и — на основе полученных данных — находит наиболее выгодную цену на каждый продукт.

Особенности реализации

Самой интересной задачей, с которой мы столкнулись при разработке, стала проблема выявления зависимостей между всеми парами взаимозаменяемых и взаимодополняемых товаров. Например, меру товарной дополняемости мы рассчитывали на основании информации по имеющимся фискальным документам, однако для обучения алгоритма нам требовалось ее определить — на этом этапе мы столкнулись с трудностью, которая по итогу была решена нашими Data Scientist-ами.

Машинное обучение

В ходе разработки нам предстояло определиться с технологиями машинного обучения. Одним из выбранных нами методов стал многофакторный регрессионный анализ, позволяющий определить степени взаимосвязи между переменными, к примеру — между взаимодополняемыми и взаимозаменяемыми товарами. Также мы применили кластеризацию данных и CNN (Convolutional Neural Network, с англ. — сверточные нейросети).

Технологический стек

Перед тем как приступить уже непосредственно к разработке веб-сайта мы определились с технологическим стеком проекта. Как наиболее популярный сегодня инструмент Data Scientist-а мы выбрали Python, обладающий богатым выбором библиотек алгоритмов машинного обучения. Так мы применили scikit-learn, sklearn, NumPy и его расширение — SciPy. Серверную часть сайта разработали на бэкенд-фреймворке Django, фронтенд — реализовали на фреймворке React.js.

Итог

Итак, мы разработали веб-сайт с комплексным функционалом для определения оптимальной цены на розничные товары, при которой увеличивается валовая прибыль. Наш сервис уже пользуется популярностью среди тысяч ритейлеров и способствует развитию их бизнеса.

Хотите обсудить ваш проект?

Спасибо! 
Мы свяжемся с вами в ближайшее время.
При отправке формы произошла ошибка :(