Inventive Retail Group внедрил систему ценообразования от GlowByte
Решение было протестировано в розничной сети restore: и доказало свою эффективность: бизнес повысил суммарную выручку, достигнув финансовых показателей
Inventive Retail Group, оператор розничных сетей и интернет-магазинов товаров, формирующих современный стиль жизни, совместно с ИТ-партнером GlowByte провел пилотный проект по внедрению системы динамического ценообразования в сети магазинов restore:. Система была разработана аналитиками GlowByte с использованием технологии Reinforcement learning («обучение с подкреплением»). Такой подход существенно повысил суммарную выручку в регионах тестирования, позволив при этом достичь финансовых результатов на специфических товарных позициях.
Основой системы динамического ценообразования является адаптивная RL-модель, разработанная на Python. Решение оформлено в виде библиотеки, что позволяет переиспользовать его в следующих проектах с минимальными изменениями. С помощью библиотеки реализованы аналитические сервисы, которые готовят все необходимые данные для расчета цен. В отличие от классических подходов, технология Reinforcement learning позволяет модели постоянно дообучаться на основе новых поступающих данных и быстрее адаптироваться к изменениям.
До пилотного проекта ценообразование по каждому товару в restore: осуществлялось экспертами компании вручную. Внедрив систему динамического ценообразования на базе RL, команда GlowByte также разработала методологию оценки экономического эффекта, которая позволяет провести качественную оценку работы нового инструмента на уровне всех экспериментальных товаров для определения влияния обновленных цен на достижение бизнес-целей и увеличение дохода компании. Методология представляет собой комплекс математических подходов и алгоритмов, позволяющих статистически оценить изменения от обновленного ценообразования.
Система разрабатывалась под заказ, так как внедрение инструмента требовало вовлечения и сопровождения процесса ресурсом заказчика в силу особенностей внутренних процессов и инфраструктуры компании. Решение является гибким в настройке и использовании благодаря архитектуре и логике работы, оно способно функционировать и показывать эффективность на разных типах товаров и бизнесов. Ожидается, что реализованное решение от GlowByte будет поэтапно масштабироваться на все розничные сети Inventive Retail Group.
Основой системы динамического ценообразования является адаптивная RL-модель, разработанная на Python. Решение оформлено в виде библиотеки, что позволяет переиспользовать его в следующих проектах с минимальными изменениями. С помощью библиотеки реализованы аналитические сервисы, которые готовят все необходимые данные для расчета цен. В отличие от классических подходов, технология Reinforcement learning позволяет модели постоянно дообучаться на основе новых поступающих данных и быстрее адаптироваться к изменениям.
До пилотного проекта ценообразование по каждому товару в restore: осуществлялось экспертами компании вручную. Внедрив систему динамического ценообразования на базе RL, команда GlowByte также разработала методологию оценки экономического эффекта, которая позволяет провести качественную оценку работы нового инструмента на уровне всех экспериментальных товаров для определения влияния обновленных цен на достижение бизнес-целей и увеличение дохода компании. Методология представляет собой комплекс математических подходов и алгоритмов, позволяющих статистически оценить изменения от обновленного ценообразования.
Система разрабатывалась под заказ, так как внедрение инструмента требовало вовлечения и сопровождения процесса ресурсом заказчика в силу особенностей внутренних процессов и инфраструктуры компании. Решение является гибким в настройке и использовании благодаря архитектуре и логике работы, оно способно функционировать и показывать эффективность на разных типах товаров и бизнесов. Ожидается, что реализованное решение от GlowByte будет поэтапно масштабироваться на все розничные сети Inventive Retail Group.
“
Внедрение пилотной системы динамического ценообразования на основе RL смогло оправдать наши ожидания и показало высокую эффективность. Разработанное решение позволило достичь финансовых результатов на специфических товарных позициях и существенно повысить выручку в регионах тестирования. Система демонстрирует хорошую адаптивность к изменениям рыночной конъюнктуры, что позволяет оперативно корректировать ценовую политику в соответствии с текущими условиями. Профессиональный подход команды GlowByte, налаженная коммуникация и четкая координация всех участников проекта обеспечили своевременную реализацию поставленных задач. Решение успешно интегрировано в существующие бизнес-процессы и уже приносит измеримые результаты для компании.
“
Reinforcement Learning — это актуальная технология, которая уже доказала свою эффективность в различных областях, но в реальных бизнес-задачах ее применение все еще остается редкостью. Основная причина — компании опасаются доверять алгоритмам принятия критически важных решений, особенно когда речь касается процесса ценообразования. Поэтому я особенно рад партнерству с компанией Inventive Retail Group, которая проявила смелость и дальновидность, решившись на этот проект на базе сети restore:. Вместе мы создали решение, которое учитывает все нюансы их бизнеса: изменение цен на товары в офлайне; работу системы на ограниченном ассортименте товаров и ограниченных регионах; сложные внутренние процессы, а также специфику инфраструктуры и работу с малым количеством данных. Благодаря нашей экспертизе в области Reinforcement Learning и глубокому погружению в бизнес-процессы компании Inventive Retail Group мы разработали инструмент, который позволяет адаптировать ценовую стратегию к динамично меняющемуся рыночному спросу для максимизации финансовых показателей компании и объективно оценить влияние от изменения цен на результат. Этот проект — доказательство того, что искусственный интеллект может напрямую влиять на финансовые результаты компании и становиться реальным драйвером роста бизнеса.