가격은 많은 산업에서 성공하기 위한 중심 결정 요인으로 인식되지만 가장 어려운 작업 중 하나가 될 수 있습니다. 회사들은 잠재적인 전략의 재정적인 영향을 정확하게 예측하고, 핵심 비즈니스 제약 사항을 합리적으로 고려하고, 실행된 가격 결정을 공정하게 검증하는 작업을 비롯하여 가격 책정 프로세스의 여러 측면에서 노력하고 있습니다. 제품 제공을 확장하면 실시간 가격 결정을 수행하기 위한 계산 요구 사항이 추가되므로 이미 너무나 작업이 많은 어려운 상황이 악화됩니다.
이 솔루션은 수요 예측 모델을 교육하기 위해 과거 거래 데이터를 사용하여 위에서 발생한 문제를 해결합니다. 또한 경쟁 그룹의 제품 가격을 통합하여 매출 감소 같은 제품 간 영향을 예측합니다. 가격 최적화 알고리즘은 이 모델을 사용하여 다양한 후보 가격 요소로 수요를 예측하고 비즈니스 제약 조건을 고려하여 수익을 최대화합니다. 일반 데이터 과학 접근 방법이 비슷하게 유지되는 한 솔루션을 사용자 지정하여 다양한 가격 시나리오를 분석할 수 있습니다.
위에서 설명한 프로세스는 Cortana Intelligence Suite에서 운영화되고 배포됩니다. 이 솔루션을 통해 회사들은 과거 거래 데이터를 수집하고, 미래 수요를 예측하고, 정기적으로 최적의 가격 권장 사항을 얻을 수 있습니다. 따라서 이 솔루션 덕분에 수익성을 개선하고 가격 책정 작업에 할당되는 시간 및 작업을 줄일 기회가 생깁니다.
©2017 Microsoft Corporation. All rights reserved. 이 정보는 “있는 그대로” 제공되며 예고 없이 변경될 수 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적 또는 묵시적 보증도 하지 않습니다. 타사 데이터는 솔루션을 생성하는 데 사용되었습니다. 유사한 데이터 집합을 만들기 위해 관련 라이선스를 확보하고 준수하는 것을 비롯한 다른 사람의 권리를 존중하는 것은 귀하의 책임입니다.
운송 및 유통 솔루션에 대한 수요 예측에는 계층적 수요 데이터를 사용하여 다양한 고객, 제품 및 대상에 대한 미래 기간의 수요를 예측합니다. 예를 들어 운송 또는 택배 회사는 고객이 미래에 다양한 위치에서 배달받기를 원하는 다양한 제품의 수량을 예측하려고 합니다. 회사에서는 이러한 예측을 배달 차량 경로 지정과 같은 작업을 최적화하는 할당 도구에 대한 입력 또는 더 장기적인 용량을 계획하기 위한 입력으로 사용할 수 있습니다.
오늘날의 경쟁이 심하고 연결된 환경에서 일반적이고 정적인 온라인 콘텐츠로는 더 이상 살아남을 수 없습니다. 더군다나 기존 도구를 사용하는 마케팅 전략은 종종 비용이 많이 들고 구현하기 힘들며 원하는 투자 수익률을 얻지 못합니다. 이러한 시스템은 사용자에게 맞춤형 환경을 제공하기 위해 수집한 데이터를 활용하는 데 종종 실패합니다.