Динамичное ценообразование на самообучающейся модели на маркетплейсах
Наша компания ищет опытного исполнителя для разработки модели динамичного ценообразования на основе исторических данных. Модель должна использоваться для оптимизации цен на 600,000 уникальных товаров, продаваемых через 15 различных каналов. Целью является максимизация количества заказов при помощи предсказания оптимальной цены для каждого товара.
Сбор и анализ данных:
Изучить исторические данные по 4,000,000 заказам, включая информацию о ценах, количестве продаж и характеристиках товаров.
Проанализировать данные для выявления паттернов и трендов.
Построение модели:
Разработать самообучающуюся модель, способную предсказывать оптимальную цену для каждого товара.
Модель должна учитывать различные факторы, включая, но не ограничиваясь: сезонностью, акциями, изменениями в спросе, а также ценами конкурентов.
Тестирование и валидация:
Провести тестирование модели на исторических данных для оценки ее точности.
Настроить модель на основе полученных результатов и внести необходимые изменения для повышения эффективности.
Требования:
Опыт работы с моделями машинного обучения и статистическим анализом.
Знание Python или R для анализа данных и построения моделей.
Опыт работы с большими данными и облачными платформами (например, AWS, Google Cloud).
Умение работать с библиотеками для анализа данных (Pandas, NumPy, Scikit-learn) и визуализации (Matplotlib, Seaborn).
Опыт в области ценообразования и управления запасами будет плюсом.