ГлавнаяПрезентацииПовышение эффективности решений в части ценообразования и промо с помощью алгоритмов машинного обучения

Повышение эффективности решений в части ценообразования и промо с помощью алгоритмов машинного обучения

PwC

Анатолий Поляков, главный архитектор аналитических решений PwC Россия, выступил с презентацией «Повышение эффективности решений в части ценообразования и промо с помощью алгоритмов машинного обучения» на TAdviser SummIT (29 мая 2019).

Темы:

  • Для покупателей низкие цены и привлекательность промо являются важными факторами при выборе магазина для совершения покупок.
  • Ритейлеры используют значительные промо-бюджеты для привлечения покупателей, при этом расходуют их неэффективно, предлагая в основном прямые скидки.
  • Исследование потребителей позволяет выделить ключевые факторы, определяющие выбор магазина, и текущую оценку сети по этим факторам.
  • Визиты в магазины позволяют выявить причины текущего восприятия сети покупателями и сравнить сеть с конкурентами.
  • На основе данных мониторинга цен и визитов в магазины проводится оценка диапазона цен и наличия предлагаемого ассортимента.
  • Анализ транзакционных данных и карт лояльности позволяет провести сегментацию потребителей и определить текущие покупательские миссии.
  • Архитектура решения. Решение разработано на базе Spark + Python + Dash.

Расскажите знакомым:

37Дата добавления:20.09.2019
37Дата добавления:20.09.2019
Добавить мою презентацию
на ICT.Moscow

Что такое ICT.Moscow?

ICT.Moscow — открытая платформа о цифровых технологиях в Москве. Мы создаем наиболее полную картину развития рынка технологий в городе и за его пределами, помогаем бизнесу следить за главными трендами, не упускать возможности и находить новых партнеров.

Если не указано иное, материалы доступны
по лицензии Creative Commons BY 4.0

При поддержке Правительства Москвы