背景和挑战
k被要求设计、构建和部署一个定价引擎,可以迭代达到优化的价格点,因此我们的客户生命周期价值最大化的产品组合。
客户端有一个投资组合的250产品类别在200个频道,独立与每个组合价格的能力。因此,大约有50000种可能的产品渠道优化组合。
方法
k进行一系列分析评估支持客户的目标:
构建一个健壮的定价优化模型,将生命周期价值(LTV)最大化每个大约50000的产品渠道
分段优化产品渠道对原型,告知价格点(例如,高水平的客户的需求,价格敏感度低,等等)。
建造了一个居住模式引擎,查询数百万数据点从客户机的数据仓库,并贯穿需求预测模型,客户倾向(更新)模型,最后一个优化模型
需求预测模型是基于贝叶斯时间序列,部署在所有大约50000产品渠道组合
客户倾向模型,这是一个光梯度增加模型,使用30输入变量,预测可能每个客户会更新在1%的误差
从上面的模型,使用数据k创建了一个定价优化引擎,输出最优价格和促销的近50000产品渠道组合
内置先进的机器学习能力,所以模型随着时间的推移变得越来越聪明,和可以推荐越来越重要的价格上涨增加信心
设计和建造一个前端仪表板直观地显示价格信息为客户的员工和输出
结果
6个月之内上线,模型已经通知在product-channels平均价格上涨约9%
客户机使用定价优化引擎模型每周重新评估最优定价和促销在大约50000个可能的产品渠道组合
06122023160627