Ignora esplorazione

Analisi analitica interattiva dei prezzi

La soluzione di analisi dei prezzi usa i dati cronologici delle transazioni per mostrarti in che modo la domanda per i tuoi prodotti risponde ai prezzi offerti e alle modifiche consigliate ai prezzi e ti permette di simulare il modo in cui le modifiche ai prezzi potrebbero influire sulla domanda a un livello di granularità fine.

La soluzione fornisce un dashboard che mostra consigli sui prezzi ottimali, elasticità degli articoli a livello di articolo-sito-canale-segmento, stime degli effetti sui prodotti correlati come ad esempio la "cannibalizzazione", previsioni basate sul processo corrente e metriche relative alle prestazioni del modello.

L'interazione diretta col modello di prezzi in Excel ti permette di incollare semplicemente i dati di vendita nel modello, analizzare i prezzi senza che sia necessario integrarli prima di tutto nel database della soluzione, simulare promozioni, tracciare curve della domanda che mostrano la risposta della domanda al prezzo e infine accedere ai dati del dashboard in formato numerico.

Queste funzionalità avanzate non sono limitate a Excel. Sono basate su servizi Web che possono essere chiamati direttamente da te o dal tuo partner di implementazione dalle applicazioni aziendali, integrando le analisi dei prezzi nelle tue applicazioni aziendali.

Descrizione

Nota: se hai già distribuito questa soluzione, fai clic qui per visualizzare la distribuzione.

Tempo stimato per il provisioning: 15 minuti

La modellazione dell'elasticità dei prezzi e consigli ottimali sulla determinazione dei prezzi sono alla base di un flusso di lavoro rigoroso per l'analisi dei prezzi. Un approccio moderno per la modellazione riduce al minimo i due problemi principali della sensibilità della creazione di modelli di prezzi dai dati cronologici, ovvero la confusione e la scarsità dei dati.

La confusione è dovuta dalla presenza di fattori diversi dal prezzo che influiscono sulla domanda. Usiamo un approccio con "doppio Machine Learning" che sottrae i componenti prevedibili di prezzi e variazione della domanda prima di stimare l'elasticità, evitando la maggior parte delle cause di confusione nelle stime. La soluzione può essere anche personalizzata da un partner di implementazione per usare i dati per l'acquisizione di fattori esterni diversi dal prezzo che possono influenzare la domanda. Il nostro post di blog fornisce dettagli aggiuntivi sulla data science per i prezzi.

La scarsità di dati è dovuta al fatto che il prezzo ottimale ha una variabilità con granularità fine: i business possono determinare i prezzi in base ad articolo, sito, canale di vendita e addirittura segmento di clienti, ma le soluzioni di determinazione dei prezzi forniscono spesso solo stime a livello di categoria di prodotto, perché la cronologia delle transazioni può contenere solo poche vendite per ogni situazione specifica. La nostra soluzione per la determinazione dei prezzi usa la "regolarizzazione gerarchica" per produrre stime coerenti in situazioni di scarsità dei dati: in assenza di dati concreti, il modello ottiene informazioni da altri articoli nella stessa categoria, da articoli uguali in altri siti e così via. Con la crescita continua della quantità di dati cronologici su una combinazione di articolo-sito-canale specifica, la rispettiva stima dell'elasticità verrà perfezionata in modo più specifico.

La soluzione analizza i prezzi cronologici e

  • Mostra immediatamente nel dashboard l'elasticità della domanda del prodotto
  • Fornisce consigli sui prezzi per ogni prodotto nel catalogo di articoli
  • Individua prodotti correlati (prodotti sostitutivi e complementari)
  • Consente di simulare scenari promozionali in Excel.

Costo stimato

Il costo stimato per la soluzione è di circa $10/giorno ($300/mese)

  • $100 per il piano del servizio di Machine Learning S1 Standard
  • $75 per un database SQL S2
  • $75 per un piano di hosting di app
  • $50 in costi vari relativi ad attività di dati e risorse di archiviazione per Azure Data Factory

Se stai semplicemente esplorando la soluzione, puoi eliminarla dopo pochi giorni o poche ore. I costi vengono ripartiti in modo proporzionale e gli addebiti termineranno quando elimini i componenti di Azure.

Introduzione

Distribuisci la soluzione con il pulsante a destra. Le istruzioni disponibili al termine della distribuzione includeranno informazioni importanti sulla configurazione. Lasciale aperte.

La soluzione viene distribuita con lo stesso set di dati di esempio relativo ai prezzi del succo di arancia disponibile selezionando il pulsante Prova adesso.

Durante la distribuzione della soluzione, puoi iniziare a eseguire queste operazioni:

Al termine della distribuzione della soluzione, completa la prima procedura dettagliata. È necessario l'accesso Microsoft.

Dashboard della soluzione

La parte di maggiore utilità pratica del dashboard della soluzione è la scheda relativa a suggerimenti sul prezzo. Indica gli articoli con prezzo troppo basso o troppo alto e suggerisce un prezzo ottimale per ogni articolo, oltre a segnalare l'impatto previsto per l'adozione del suggerimento. I suggerimenti vengono classificati in ordine di priorità in base alla opportunità più elevata di ottenere un profitto lordo incrementale.

Scheda Suggerimento del dashboard

Altre schede forniscono informazioni aggiuntive che spiegano il modo in cui il sistema ha generato i suggerimenti e vengono illustrate in modo più dettagliato nella guida dell'utente. È necessario l'accesso a Github con un account Microsoft Azure e con la soluzione in anteprima privata.

Architettura della soluzione

La soluzione usa un server di Azure SQL per archiviare i dati transazionali e le previsioni dei modelli generati. Sono disponibili dozzine di servizi principali per la modellazione dell'elasticità, creati in Azure Machine Learning tramite le librerie principali Python. Azure Data Factory pianifica aggiornamenti settimanali dei modelli. I risultati vengono visualizzati in un dashboard di Power BI. Il foglio di calcolo di Excel fornito utilizza i servizi Web predittivi.

Leggi la guida tecnica alla distribuzione per una discussione più dettagliata dell'architettura, della connessione dei tuoi dati e della personalizzazione. È necessario l'accesso a Github.

Dichiarazione di non responsabilità

©2017 Microsoft Corporation. Tutti i diritti sono riservati. Queste informazioni vengono fornite "così come sono" e sono soggette a modifiche senza preavviso. Microsoft non fornisce alcuna garanzia, espressa o implicita, in merito alle informazioni fornite qui. Per la generazione della soluzione sono stati usati dati di terze parti. La responsabilità per il rispetto dei diritti di altri, inclusi l'acquisizione e la conformità delle licenze rilevanti per la creazione di set di dati simili, è a tuo carico.

Architetture delle soluzioni correlate

Previsione della domanda

La previsione accurata dei picchi della domanda di prodotti e servizi può offrire a un'azienda un vantaggio competitivo. Questa soluzione è incentrata sulla previsione della domanda nel settore energetico.

Previsione della domanda e ottimizzazione dei prezzi

La determinazione dei prezzi è riconosciuta come un fattore determinante del successo in molti settori e può essere una delle attività più complesse. Spesso le azienda faticano a districarsi con i diversi aspetti del processo di determinazione dei prezzi, ad esempio prevedere in modo accurato l'impatto finanziario delle potenziali strategie, valutare attentamente in vincoli del core business e convalidare correttamente le decisioni prese in merito ai prezzi. L'espansione delle offerte dei prodotti aggiungono ulteriori requisiti di calcolo ai fini del processo decisionale sui prezzi in tempo reale, aumentando la difficoltà di questa attività già estremamente complessa.

Personalized Offers User ActionSimulation Personalized OfferLogic System ResponseQueue User ActionQueue Event Hub Stream Analytics Power BI Machine Learning Cold StartProduct Affinity User Document DB Product Offers Reference Product Views Offer Views Cache Update Logic Azure Services Raw Stream Data 1 2 3 5 4

Offerte personalizzate

Nell'ambiente altamente competitivo e connesso attuale i business moderni non possono più sopravvivere con contenuto online statico e generico. Le strategie di marketing che usano strumenti tradizionali sono inoltre spesso costose, difficili da implementare e non producono il ritorno sugli investimenti richiesto. Questi sistemi non riescono spesso a sfruttare completamente i vantaggi dei dati raccolti per creare un'esperienza più personalizzata per l'utente.