商品價(jià)格智能分析大模型設(shè)計(jì)

1 評(píng)論 1345 瀏覽 5 收藏 8 分鐘

本文探討了如何通過構(gòu)建一個(gè)智能的商品價(jià)格分析模型,利用人工智能技術(shù)整合內(nèi)外部數(shù)據(jù),提升商品數(shù)據(jù)分析的效率和準(zhǔn)確性。從相似度處理到多維度的價(jià)格分析,我們展示了一個(gè)系統(tǒng)化的框架,幫助企業(yè)洞察市場(chǎng)動(dòng)態(tài),優(yōu)化定價(jià)策略,并最終提升業(yè)務(wù)決策的科學(xué)性和操作效率。

一、現(xiàn)狀背景分析

商品主數(shù)據(jù)是業(yè)務(wù)正常開展必不可少的組成部分,在實(shí)際業(yè)務(wù)發(fā)生之后,為能夠不斷提升業(yè)務(wù)開展運(yùn)轉(zhuǎn)效率、獲得更好的業(yè)務(wù)結(jié)果,業(yè)務(wù)方需要對(duì)所產(chǎn)生的商品業(yè)務(wù)數(shù)據(jù)進(jìn)行分析,例如:

  • 為即將開展的詢比價(jià)項(xiàng)目設(shè)定合理的預(yù)算價(jià)格;
  • 監(jiān)控商城平臺(tái)正在售賣的商品價(jià)格相比較其他友商平臺(tái)是高是低;
  • 分析商品價(jià)格的歷史波動(dòng)情況及發(fā)展趨勢(shì)。

由于業(yè)務(wù)方當(dāng)前可依賴的工具箱不夠?qū)捲?,雖然業(yè)務(wù)方對(duì)商品業(yè)務(wù)數(shù)據(jù)存在極大分析訴求,但實(shí)際分析效果卻盡如人意,數(shù)據(jù)分析的效率也有待提升。

具體表現(xiàn)如下:

  • 業(yè)務(wù)方為能夠?qū)v史商品業(yè)務(wù)數(shù)據(jù)進(jìn)行分析所能夠借用的工具只有類似傳統(tǒng)的EXCEL表格等,導(dǎo)致可分析的數(shù)據(jù)量級(jí)、維度范圍及分析的效果不盡如人意,并且會(huì)導(dǎo)致工作量巨大;
  • 缺失外部第三方數(shù)據(jù)源,業(yè)務(wù)方如果要進(jìn)行商品比價(jià)分析,需要人工分別登錄到各個(gè)競(jìng)對(duì)平臺(tái)通過關(guān)鍵屬性來進(jìn)行商品搜索,然后再根據(jù)業(yè)務(wù)方個(gè)人經(jīng)驗(yàn)在搜索結(jié)果中找到認(rèn)為最相似的商品來對(duì)比價(jià)格。搜索的結(jié)果一定是相似度最高的商品嗎?如果遇到競(jìng)對(duì)平臺(tái)開展促銷、設(shè)置不同物流政策等如何進(jìn)行商品價(jià)格分析?而且僅能支持單個(gè)商品逐一比對(duì),處理效率極大受限;
  • 業(yè)務(wù)方在對(duì)商品歷史業(yè)務(wù)分析時(shí)常規(guī)做法是在SKU維度進(jìn)行,如果存在協(xié)議與SKU商品強(qiáng)綁定,同個(gè)商品不同協(xié)議中會(huì)生成不同SKU編碼,限制商品業(yè)務(wù)數(shù)據(jù)分析;
  • 假設(shè)協(xié)議與SKU商品為弱綁定關(guān)系,雖然SKU商品維度歷史商品業(yè)務(wù)數(shù)據(jù)有效,但可單個(gè)SKU商品可分析數(shù)據(jù)量的不足及商品價(jià)格可分析范圍的受限都極大限制了更好價(jià)格分析效果的獲取。

凡此種種,都導(dǎo)致當(dāng)前分析商品業(yè)務(wù)數(shù)據(jù)的業(yè)務(wù)訴求受挫。為滿足這方面的業(yè)務(wù)訴求,我們回到商品主數(shù)據(jù)本身,不同顆粒度商品主數(shù)據(jù)是由不同屬性標(biāo)簽集合組成的結(jié)合體。

不同的商品主數(shù)據(jù)之間的差異是由它們所包含的屬性標(biāo)簽集合間差異造成的。

我們可以將無論內(nèi)部的不同商品主數(shù)據(jù),還是來自外部各競(jìng)對(duì)平臺(tái)的商品主數(shù)據(jù)在這個(gè)維度統(tǒng)一起來,以此搭建商品主數(shù)據(jù)科學(xué)分析、比較的基礎(chǔ)條件,同時(shí)前述提到的物流、促銷等也可以在這個(gè)維度定義為添加到商品主數(shù)據(jù)本身的不同屬性標(biāo)簽,關(guān)鍵就是要組合不同的屬性標(biāo)簽集合。

順著如上思路就可以開始設(shè)想如何對(duì)商品業(yè)務(wù)數(shù)據(jù)進(jìn)行多維度的商品價(jià)格分析。

二、大模型構(gòu)建

人工智能技術(shù)是工具,一種可用于提效降本的工具,隨著人工智能技術(shù)不斷迭代、發(fā)展,當(dāng)前已可以用于解決業(yè)務(wù)問題。

基于商品主數(shù)據(jù)屬性標(biāo)簽集合的問題解決理念再疊加人工智能技術(shù)的加持,構(gòu)建商品價(jià)格智能分析大模型可以很好地解決業(yè)務(wù)在商品價(jià)格數(shù)據(jù)分析方面所遇到的種種痛點(diǎn)。(如圖1)

圖1 商品價(jià)格智能分析大模型構(gòu)思

科學(xué)規(guī)劃利用各種可以利用的渠道從外部引入第三方可用商品數(shù)據(jù)信息,應(yīng)用人工智能技術(shù)匯總內(nèi)部存量、增量商品主數(shù)據(jù)信息以及外部三方可用數(shù)據(jù)源。

第一步:進(jìn)行相似度處理,通過各維度的屬性標(biāo)簽的相似度比對(duì),構(gòu)造得分=求和各屬性標(biāo)簽*得分*權(quán)重,即可驗(yàn)證商品的相似度水平,實(shí)現(xiàn)相似商品主數(shù)據(jù)的歸集、分堆。在SKU商品維度將商品進(jìn)行分堆處理,后續(xù)如果需要在其他各種顆粒度分析商品數(shù)據(jù)價(jià)格,則可以自由組合來支持相應(yīng)業(yè)務(wù)訴求;

第二步:按照商品主數(shù)據(jù)統(tǒng)一化原則提取、匯總商品數(shù)據(jù)所包含的標(biāo)簽集合、價(jià)格數(shù)據(jù)集合等,為各種業(yè)務(wù)商品價(jià)格分析場(chǎng)景提供多樣“積木”;

第三步:從商品本身出發(fā)研究,自由組合屬性標(biāo)簽實(shí)現(xiàn)商品裸價(jià)、+促銷價(jià)、+物流價(jià)、+質(zhì)保價(jià)等各種顆粒度的商品價(jià)格分析;

第四步:從供應(yīng)行為、銷售行為、監(jiān)控行為等角度出發(fā)自由組合屬性標(biāo)簽分析商品價(jià)格。

三、大模型應(yīng)用

構(gòu)建的商品價(jià)格大模型可以作為各種業(yè)務(wù)商品價(jià)格分析場(chǎng)景的基層通用能力,通過中間轉(zhuǎn)換層的各種轉(zhuǎn)換包裝,設(shè)計(jì)成服務(wù)于全業(yè)務(wù)場(chǎng)景的、豐富多樣的商品價(jià)格分析產(chǎn)品能力。例如詢比價(jià)/招投標(biāo)價(jià)格的管理,商品價(jià)格的洞察,價(jià)格抽查監(jiān)督,相似商品推薦等等。(如圖2)

圖2 商品價(jià)格智能分析應(yīng)用場(chǎng)景分析

四、收益分析

產(chǎn)品設(shè)計(jì)始終服務(wù)于用戶,構(gòu)建的商品價(jià)格分析大模型服務(wù)于各類特定業(yè)務(wù)場(chǎng)景的商品價(jià)格分析產(chǎn)品能力,助力商品數(shù)據(jù)資產(chǎn)的盤活及豐富,業(yè)務(wù)決策科學(xué)性提高,以及業(yè)務(wù)實(shí)操效率的提升等等。能夠極大擴(kuò)充、豐富業(yè)務(wù)商品價(jià)格分析工具箱,從根本上解決業(yè)務(wù)在商品價(jià)格分析方面所遇到的各類難題。

本文由@踐行知行合一 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于 CC0 協(xié)議

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 如果有個(gè)這個(gè)模型對(duì)商家來說肯定是方便的,可以看到各個(gè)維度的數(shù)據(jù)從而更合理的定價(jià)。

    來自廣東 回復(fù)