„Der Moment, in dem Sie einen Preisfehler machen, erodiert Ihren Ruf oder Ihre Gewinne“. – Katharine Paine
Die Preisoptimierung besteht darin, historische Daten zu verwenden, um den am besten geeigneten Preis eines Produkts oder einer Dienstleistung zu ermitteln, der die Rentabilität des Unternehmens maximiert. Es gibt zahlreiche Faktoren wie Demografie, Betriebskosten, Umfragedaten, etc. die eine Rolle bei der effizienten Preisgestaltung spielen, es hängt auch von der Art der Unternehmen und dem Produkt ab, das bedient wird. Das Unternehmen fügt hinzu / Aktualisieren Sie die Funktionen regelmäßig, um dem Produkt mehr Wert zu verleihen und, offensichtlich, das ist mit Aufwand verbunden, Zeit und, das wichtigste, der Ruf von Unternehmen.
Infolge, Es ist wichtig, den richtigen Preis zu verstehen, etwas zu hoch, Sie verlieren Ihre Kunden und eine leichte Unterbewertung führt zu Umsatzeinbußen. Preisoptimierung hilft Unternehmen, die richtige Balance zwischen effizienten Preisen zu finden, Gewinnziele erreichen und auch Ihre Kunden bedienen. In diesem Blog, wir werden uns den vereinfachten Ansatz zur Preisoptimierung ansehen und auch eine Simulationsanwendung erstellen.
Abbildung"Abbildung" ist ein Begriff, der in verschiedenen Zusammenhängen verwendet wird, Von der Kunst zur Anatomie. Im künstlerischen Bereich, bezieht sich auf die Darstellung menschlicher oder tierischer Formen in Skulpturen und Gemälden. In der Anatomie, bezeichnet die Form und Struktur des Körpers. Was ist mehr, in der Mathematik, "Abbildung" Es hängt mit geometrischen Formen zusammen. Seine Vielseitigkeit macht es zu einem grundlegenden Konzept in mehreren Disziplinen.... 1: Schnappschuss der Preisempfehlungs-App
Herausforderungen bei der Preisoptimierung:
Preisoptimierung für ein einzelnes Produkt: Die Preisoptimierung für ein einzelnes Produkt sagt eine sich ändernde Nachfrage als Reaktion auf unterschiedliche Preise vorher. Hilft dem Unternehmen, die Preise festzulegen, die die Kunden zu zahlen bereit sind, und den Gewinn zu maximieren. Zum Beispiel: auf dem Smartphone-Markt, Es ist ein gutes Gleichgewicht zwischen neuen Funktionen und Preis.
Preisoptimierung für eine Produktfamilie: Jede Preisänderung eines Produkts kann eine Kettenreaktion in einer Produktfamilie auslösen. Deswegen, Die Preisgestaltung für Produktfamilien wird zu einer entmutigenden Aufgabe. Nicht .: Auf dem Eismarkt, Es kann verschiedene Geschmacksrichtungen geben, Größen wie in Tassen, Bonbons, Zapfen, packs familiares o tarrinas. Es ist das gleiche Produkt mit unterschiedlichen Größen und Preisen.
Vorteile der Preisoptimierung:
Sofortiger wirtschaftlicher Nutzen: Las empresas pueden obtener resultados instantáneos al apuntar a múltiples KPIKennzahlen, o Wichtige Leistungsindikatoren, Dabei handelt es sich um Kennzahlen, die von Organisationen verwendet werden, um ihren Erfolg beim Erreichen bestimmter Ziele zu bewerten. Diese Indikatoren ermöglichen es Ihnen, den Fortschritt zu überwachen und fundierte Entscheidungen zu treffen. Es gibt verschiedene Arten von KPIs, die je nach Branche und den strategischen Zielen des Unternehmens variieren kann. Die korrekte Umsetzung ist unerlässlich, um die Effizienz und Effektivität der Abläufe zu verbessern...., entweder RandMargin ist ein Begriff, der in einer Vielzahl von Zusammenhängen verwendet wird, wie z.B. Buchhaltung, Wirtschaft und Druck. In der Buchhaltung, bezieht sich auf die Differenz zwischen Umsatz und Kosten, die es ermöglicht, die Rentabilität eines Unternehmens zu bewerten. Im Bereich Publishing, Der Rand ist der Leerraum um den Text auf einer Seite, Das macht es gut lesbar und sorgt für eine ästhetische Darstellung. Die korrekte Verwaltung ist unerlässlich.., Umsatzumwandlungen, Hinzufügen neuer Kunden oder Eintritt in einen neuen Markt, etc., und überprüfen Sie dann die Ergebnisse, um die entsprechenden Preisänderungen vorzunehmen.
Automatisierung von Geschäftsprozessen: Preisoptimierungen sollten eher ein datengesteuerter Prozess sein. Historische Datenanalyse, Verkaufstrends, Anforderung, etc. hilft Unternehmen beim Entwerfen von Regeln oder beim Erstellen von ML-Modellen oder beim Erstellen eines Hybridmodells, das vollständig automatisiert ist, Dadurch werden menschliche Fehler oder emotionsbasierte Preisentscheidungen eliminiert.
Schnelle Reaktion auf sich ändernde Markttrends: Die Nachfrage und der Markttrend ändern sich recht häufig und, manchmal, wenn ein Wettbewerber ein ähnliches Produkt zu einem niedrigeren Preis auf den Markt bringt, frisst die Handlungen anderer. In einem solchen Szenario, Die Optimierung der Produktpreise in einem bestimmten Produktsegment oder einer bestimmten Region hilft Unternehmen, diese Herausforderung zu meistern.
Ziele:
Wir werden die nächsten Schritte erkunden und, am Ende dieses Blogs, wir werden die erstellen Preisoptimierungs-Simulator-App mit Handlungsskript.
- Übersicht zur Preisoptimierung
- Herausforderungen und Vorteile der Optimierung
- Datenexploration
- Modellbau und Optimierung
- App-Entwicklung mit Plotly Dash
- Herausforderungen bei der Erstellung und Implementierung von Preisoptimierungsmodellen und -anwendungen
Beginnend:
Daten: Wir werden Spielzeugdaten verwenden. Preis.csv und hier ist eine kurze Momentaufnahme der Daten. Da der Datensatz klein und sauber ist, keine Vorbearbeitung notwendig.
Jahr Quartal Menge Preis 1977 1 22.9976 142.1667 1977 2 22.6131 143.9333 1977 3 23.4054 146.5000 1977 4 22.7401 150.8000 1978 1 22.0441 160.0000 1978 2 21.7602 182.5333 1978 3 21.6064 186.2000 1978 4 21.8814 186.4333 1979 1 20.5086 211.7000 1979 2 19.0408 231.5000
Projektstruktur: Hier ist die Struktur unseres Projekts.
Preisoptimierung
| app.py # Die Datei zum Erstellen von Apps mit Rückruflogik und Benutzeroberfläche
+ -Vermögenswerte # Das Stylesheet, das die Ästhetik der Anwendung definiert.
|
+ -Daten
| preis.csv # Die Datensatzdatei
+ -Python
| optimizar_precio.py # Die Python-Datei mit Logik zur Preisoptimierung.
| optimizar_cantidad.py # Die Python-Datei mit Logik zur Mengenoptimierung
Laden von Bibliotheken: Lassen Sie uns eine Datei nach Namen erstellen optimizar_precio.py und laden Sie alle notwendigen Bibliotheken.
Pandas als pd importieren numpy als np importieren von Pandas importieren DataFrame import matplotlib.pyplot als plt Seegeboren als sns importieren aus statsmodels.formula.api import ols importiere plotly.express als px plotly.graph_objects als Go importieren
Schauen wir uns die Beziehung zwischen Preis und Menge an und wir erwarten einen linearen Trend.
fig_PriceVsQuantity = px.scatter( df, x="Preis", y ="Menge", Farbe="Kosten", Trendlinie="ols") fig_PriceVsQuantity.show()
Abbildung 2: Preis vs. Menge
Aufbau eines Basismodells: In unserem Fall, wir bauen ein OLS-Modell (Gewöhnlicher kleinster Platz) sehr einfach.
# passen OLS-Modell
Modell = ols("Menge ~ Preis", Daten=df).fit()
Optimierungsbereich: In den meisten Fällen, wir haben eine grobe Vorstellung von den Mindest- und Höchstpreisen aufgrund von Erfahrungen aus der Vergangenheit. Wie wir den besten Preis ermitteln, es wird ein guter Ausgangspunkt sein und wir werden es mit mehreren Iterationen weiter verfeinern.
Preis = Liste(Bereich(var_range[0], var_range[1], 10))
Kosten = int(var_kosten)
Menge = []
Umsatz = []
für i im Preis:
Nachfrage = model.params[0] + (model.params[1] * ich)
Menge.anhängen(Anforderung)
Umsatz.anhängen((ich koste) * Anforderung)
Wir erstellen einen Datenrahmen mit dem 3 Preisspalten, Einkommen und Betrag, mit dem wir während der Entwicklungsphase der Anwendung leicht auf diese Werte zugreifen können.
Gewinn = pd.DataFrame({"Preis": Preis, "Einnahmen": Einnahmen, "Menge": Anzahl})
max_val = profit.loc[(profitieren['Revenue'] == Gewinn['Revenue'].max())]
LiniendiagrammDas Liniendiagramm ist ein visuelles Werkzeug, das zur Darstellung von Daten im Zeitverlauf verwendet wird. Es besteht aus einer Reihe von Punkten, die durch Linien verbunden sind, die es Ihnen ermöglicht, Trends zu beobachten, Schwankungen und Muster in den Daten. Diese Art von Diagramm ist besonders nützlich in Bereichen wie der Wirtschaft, Meteorologie und wissenschaftliche Forschung, Dies erleichtert den Vergleich verschiedener Datensätze und die Identifizierung von Verhaltensweisen auf breiter Front.. de optimización: Hier ist die Funktion, die wir auf der Karte haben möchten.
- Das Diagramm sollte basierend auf der Auswahl einer Preisspanne durch den Benutzer aktualisiert werden / Menge oder vielleicht ein Fixpreis.
- Die Grafik sollte den genauen Punkt anzeigen, an dem das Einkommen am höchsten ist.
fig_PriceVsRevenue = go.Figure()
fig_PriceVsRevenue.add_trace(go.Scatter(
x=Gewinn['Price'], y=Gewinn['Revenue']))
fig_PriceVsRevenue.add_annotation(x=int(max_val['Price']), y=int(max_val['Revenue']),
text="Maximaler Umsatz",
showarrow=Wahr,
Pfeilspitze=1)
fig_PriceVsRevenue.update_layout(
showlegend=Falsch,
xaxis_title="Preis",
yaxis_title="Einnahmen")
fig_PriceVsRevenue.add_vline(x=int(max_val['Price']), line_width=2, line_dash="Bindestrich",
line_color="rot", Deckkraft=0,25)
Abbildung 3: Preis vs. Einkommen
Alles zusammenfügen: Die Logik der Preisoptimierung wird in der Datei sein. optimizar_precio.py
Pandas als pd importieren
numpy als np importieren
von Pandas importieren DataFrame
import matplotlib.pyplot als plt
Seegeboren als sns importieren
aus statsmodels.formula.api import ols
importiere plotly.express als px
plotly.graph_objects als Go importieren
auf jeden Fall fun_optimize(var_opt, var_range, var_kosten, df):
fig_PriceVsQuantity = px.scatter(
df, x="Preis", y ="Menge", Farbe="Kosten", Trendlinie="ols")
# passen OLS-Modell
Modell = ols("Menge ~ Preis", Daten=df).fit()
Preis = Liste(Bereich(var_range[0], var_range[1], 10))
Kosten = int(var_kosten)
Menge = []
......................
......................
Rückkehr [profitieren, fig_PriceVsRevenue, fig_PreisVsMenge, runden(max_val['Price'].Werte[0],2),runden(max_val['Revenue'].Werte[0],3)]
Mengenoptimierung: Wir werden einen ähnlichen Ansatz verfolgen, um die Höhe einer bestimmten Beschränkung für den maximalen Umsatz zu optimieren.. Der Kürze halber und damit der Blog nicht zu umfangreich wird, Ich werde den Code nicht in den Blog stellen, aber du kannst gerne auf den Code zugreifen von optimizar_cantidad.py
Anwendungsentwicklung:
Wir werden eine Preisoptimierungsanwendung mit Plotly Dash entwickeln, das ist ein Python-Framework zum Erstellen von Datenanwendungen. Lassen Sie uns eine Datei nach Namen erstellen app.py und starten Sie das Laden von Bibliotheken.
Paso 1: Bibliothek laden:
Bindestrich importieren Pandas als pd importieren numpy als np importieren importiere dash_table Protokollierung importieren importiere plotly.graph_objs als go importiere plotly.express als px importiere dash_core_components als dcc importiere dash_html_components als html importiere dash_bootstrap_components als dbc aus dash.dependencies import Input, Ausgabe, Bundesland optimieren_preis importieren optimieren_quantity importieren importiere dash_daq als daq
Paso 2: Gestalten Sie das Layout:
Wir unterteilen das Design in 4 Abschnitte nebeneinander, wie wir im Intro-Schnappschuss gesehen haben.
- Die Kontrollen / Felder, nämlich, der Schieberegler zur Auswahl maximal und minimal, Optionsfeld zum Auswählen Preis oder Menge optimieren, Texteingabe zum Konfigurieren Fixkosten.
- Ein Diagramm zur Visualisierung der Beziehung zwischen Preis vs. Menge
- Eine Grafik zur Visualisierung der optimales Einkommen
- Ein Tisch mit simulierte Daten
Hier ist der UI-Code zum Generieren eines Bereichsschiebereglers.
html.Div(
Klassenname="padding-top-bot",
Kinder=[
html.H6("OPTIMIERUNGSBEREICH"),
html.Div(
id='output-container-range-slider'),
dcc.RangeSlider(
id='my-range-slider',
min = 0,
max=500,
Schritt=1,
Markierungen={
0: '0',
500: ''500'
},
Wert=[200, 400]
),
],
),
Es wird sehr nützlich sein, die vom Benutzer ausgewählten Maximal- und Minimalwerte anzuzeigen, und wir können dies mit einer Rückruffunktion erreichen.
@app.callback(
Bindestrich.Abhängigkeiten.Ausgabe('output-container-range-slider', 'Kinder'),
[Bindestrich.Abhängigkeiten.Eingabe('my-range-slider', 'value')])
def update_output(Wert):
Rückkehr "{}".Format(Wert)
Auf die gleiche Weise, wir werden noch zwei weitere Kontrollen hinzufügen. bitte beziehen Sie sich auf app.py für den kompletten Code.
Paso 3: Um Interaktivität zwischen Steuerelementen und Bildern aufzubauen, wir definieren die Ein- und Ausgänge, nämlich, für jede Änderung der Eingaben des Benutzers, Welche Ausgaben müssen aktualisiert werden?. In unserem Fall, wir müssen zwei Liniendiagramme und eine Tabelle aktualisieren.
@app.callback(
[
Ausgabe("Heatmap", 'data'),
Ausgabe("Liniendiagramm1", 'figure'),
Ausgabe("lineChart2", 'figure'),
Ausgabe("id-einblicke", 'Kinder'),
],
[
Eingang("select-var-opt", "Wert"),
Eingang("my-range-slider", "Wert"),
Eingang("Selected-Cost-Opt", "Wert")
])
Paso 4: Wir definieren a Funktion update_output_All () die die Steuerelemente als Eingaben verwendet, die Logik ausführen, was bedeutet, dass die Bilder und die Datentabelle generiert wurden, in der Benutzeroberfläche auszufüllen.
def update_output_All(var_opt, var_range, var_kosten):
Versuchen:
if var_opt == 'price':
res, fig_PriceVsRevenue, fig_PreisVsMenge, opt_Preis, opt_Revenue = Python.optimize_price.fun_optimize(
var_opt, var_range, var_kosten, df)
res = np.rund(res.sort_values(
'Revenue', aufsteigend=Falsch), Dezimalstellen=2)
wenn opt_Revenue > 0:
Rückkehr [res.to_dict('records'), fig_PriceVsRevenue, fig_PreisVsMenge,
f'Der maximale Einlös von {opt_Revenue} wird durch Optimierung erreicht {var_opt} von {opt_Preis}, Fixkosten von {var_kosten} und Optimierung wurde für {var_opt} Bereich zwischen {var_range}']
..................................
..................................
außer Ausnahme als e:
Protokollierung.Ausnahme('Etwas ist mit der Interaktionslogik schiefgelaufen:', e)
bitte beziehen Sie sich auf app.py für den kompletten Code.
Empfehlungen: Obwohl wir eine sehr einfache Anwendung mit minimalen Feldern und Bildern erstellen, wir müssen noch die Eingabeauswahl überprüfen, beobachte die Muster, maximale Einkommenspunkte identifizieren und Schlussfolgerungen ziehen. Sería bueno agregar recomendaciones donde la aplicación nos diga si estamos obteniendo ganancias o pérdidas y también nos nos informe de los ParameterDas "Parameter" sind Variablen oder Kriterien, die zur Definition von, ein Phänomen oder System zu messen oder zu bewerten. In verschiedenen Bereichen wie z.B. Statistik, Informatik und naturwissenschaftliche Forschung, Parameter sind entscheidend für die Etablierung von Normen und Standards, die die Datenanalyse und -interpretation leiten. Ihre richtige Auswahl und Handhabung sind entscheidend, um genaue und relevante Ergebnisse in jeder Studie oder jedem Projekt zu erhalten.... seleccionados.
Logramos esto construyendo dinámicamente una cadena y llenando los LesezeichenDas "Lesezeichen" sind linguistische Werkzeuge, die verwendet werden, um die Struktur und den Fluss eines Textes zu steuern. Seine Hauptfunktion besteht darin, Beziehungen zwischen Ideen aufzuzeigen, als Zusatz, Kontrast oder Ursache und Wirkung. Gängige Beispiele sind "was ist mehr", "aber trotzdem" Ja "Daher". Diese Elemente verbessern nicht nur den Zusammenhalt des Schreibens, sondern erleichtern auch das Verständnis des Lesers, Inhalte zugänglicher und klarer machen.... de posición con valores durante el tiempo de ejecución. Hier ist der Beispiel-Return-String unserer Callback-Funktion
f'Der maximale Einlös von {opt_Revenue} wird durch Optimierung erreicht {var_opt} von {opt_Preis}, Fixkosten von {var_kosten} und Optimierung wurde für {var_opt} Bereich zwischen {var_range}']
Hier das Ergebnis der Musterempfehlung:
„Der Preis ist wirklich ganz einfach … Kunden zahlen buchstäblich keinen Cent mehr als den tatsächlichen Wert des Produkts“. – Ron Johnson
Wichtige Punkte, die Sie beachten sollten:
Wie Sie bemerkt haben, Der Aufbau einer modellgesteuerten Datenanwendung umfasst mehrere Phasen, und jede dieser Phasen birgt ihre eigenen Herausforderungen.
Datenqualität: Die Effizienz des ML-Modells hängt von der Qualität der Daten ab. Deswegen, Es ist wichtig, die Daten auf Abweichungen zu testen (Datendrift) des erwarteten Standards. Ein automatisierter Qualitätskontrollprozess hilft dabei, Anomalien in den Daten zu erkennen, und es müssen geeignete Schritte der Datenvorverarbeitung angewendet werden, um die Abweichung zu beheben..
Bau des Modells: Ein Model, ob einfach oder komplex, muss getestet werden, validiert und getestet, bevor sie für den Einsatz in der Produktion gepusht werden. Die Leistung des Modells in der Produktion sollte überwacht werden, zum Beispiel: Modellgröße, Reaktionszeit des Modells, Präzision, etc.
Einsatz: Das Modell wird im Allgemeinen als Dienst implementiert, den die Anwendung nutzt. und es muss eine nahtlose Integration verschiedener Komponenten geben, Datenquellen und andere Systeme. Viele Male, die Modelle sind für jede Region unterschiedlich, je nach den Anforderungen dieser Region, und dies führt zu mehreren Modellen, Modelldaten und Pipelines.
Modellüberwachung *: Wie jedes andere System, die implementierten Modelle sollten auch überwacht werden, um Abweichungen zu erkennen (Modellabweichung). Modelle werden umgeschult und in einer definierten Häufigkeit eingesetzt, das kann wöchentlich sein, monatlich oder vierteljährlich, je nach Art des Produkts / Service- und Geschäftsauswirkungen.
Notiz: Die Modellimplementierung wurde in diesem Blog nicht behandelt. Ich werde einen separaten Blog für die Anwendungsbereitstellung planen.
Schlussbemerkung:
Das Ziel des Blogs war es, einen sehr einfachen Ansatz zur Preisoptimierung vorzustellen und eine Webanwendung zu erstellen, die Geschäftsanwendern helfen kann, unterwegs Entscheidungen zu treffen.. Wir befassen uns auch mit verschiedenen Aspekten des Aufbaus einer Datenanwendung, von der Datenexploration bis zur Modellierung und den mit dem Erstellen verbundenen Herausforderungen., Implementierung und Wartung dieser Anwendung.
- Diese Projektkonfiguration kann als Vorlage verwendet werden, um sie schnell für andere Anwendungsfälle zu replizieren.
- puede construir un modelo más complejo para optimizar cualquier VariableIn Statistik und Mathematik, ein "Variable" ist ein Symbol, das einen Wert darstellt, der sich ändern oder variieren kann. Es gibt verschiedene Arten von Variablen, und qualitativ, die nicht-numerische Eigenschaften beschreiben, und quantitative, numerische Größen darstellen. Variablen sind grundlegend in Experimenten und Studien, da sie die Analyse von Beziehungen und Mustern zwischen verschiedenen Elementen ermöglichen, das Verständnis komplexer Phänomene zu erleichtern.... de su interés.
- Conecte la aplicación a una DatenbankEine Datenbank ist ein organisierter Satz von Informationen, mit dem Sie, Effizientes Verwalten und Abrufen von Daten. Einsatz in verschiedenen Anwendungen, Von Unternehmenssystemen bis hin zu Online-Plattformen, Datenbanken können relational oder nicht-relational sein. Das richtige Design ist entscheidend für die Optimierung der Leistung und die Gewährleistung der Informationsintegrität, und erleichtert so eine fundierte Entscheidungsfindung in verschiedenen Kontexten.... y cree operaciones CRUD en la aplicación.
Ich hoffe der Blog hat dir gefallen. Glückliche Ausbildungen !!!!
Du kannst dich mit mir verbinden – Linkedin
Sie können den Code als Referenz finden: Github
Referenz:
https://dash.plotly.com/dash-daq
https://unsplash.com/
Die in diesem Artikel gezeigten Medien sind nicht Eigentum von DataPeaker und werden nach Ermessen des Autors verwendet.
