略過導覽

Interactive Price Analytics

Pricing Analytics 解決方案會使用您的交易歷程記錄資料,顯示產品需求和定價的關係、建議定價變更,並讓您以精細的方式模擬價格變化對需求的影響。

解決方案提供的儀表板可讓您查看最佳的定價建議、項目/地點/通路/客群層級的項目彈性、產品相關影響 (例如「競食」效應) 的估價、針對目前特定程序的預估以及模型的效能指標。

在 Excel 中直接與定價模型互動時,您只要直接將銷售資料貼入,即可分析價格,而不需先將資料整合到解決方案資料庫中;您也可以模擬促銷並繪製需求曲線 (以顯示需求與價格的關係),並以多種格式存取儀表板資料。

這些豐富的功能並不侷限於 Excel,而是透過整合了價格分析與您的商務應用程式的 Web 服務來驅動 (您的實作合作夥伴或您可以直接透過商務應用程式呼叫這些 Web 服務)。

說明

注意:若您已部署了此解決方案,按一下這裡即可檢視部署。

預估佈建時間:15 分鐘

在嚴謹的價格分析工作流程中,最核心的部分是彈性模型和最佳化的定價建議。最新的模型方法可以避免下列兩個因歷程記錄資料而起的嚴重模型價格敏感度問題:干擾和資料稀疏性。

干擾是指有價格以外的其他因素參雜在內,並會影響需求。因此,我們使用 "double-ML" 方法,先扣除價格的預測元件與需求變化之後再預估彈性,以排除對各種干擾類型的估價。實作合作夥伴也可以自訂這個解決方案,以使用您的資料來擷取價格以外的其他潛在外部需求誘因。如需價格資料科學的其他詳細資料,請參閱我們的部落格文章

當最佳價格有非常精密的差異時,會發生資料稀疏性問題:雖然企業可以依據項目、地點、銷售通路甚至客群來制定價格,但由於交易記錄可能只包含特定情況下的幾筆銷售,因此定價解決方案只會依產品類別層級來估價。在這類欠缺資料的情況下,我們的定價解決方案會使用「階層式正規化」來產生一致性的估價:當缺少辨識項時,模型會借用來自相同類別的其他項目、其他地點的相同項目等資訊。隨著特定項目/地點/通路的歷程記錄資料量的增加,其彈性預估就會經過更具體地微調。

這項解決方案可以分析您的歷史價格

  • 您可透過儀表板輕鬆掌握產品需求的彈性程度
  • 針對項目目錄中的每項產品提供定價建議
  • 探索相關的產品 (替代項目和補充項目)
  • 可讓您在 Excel 中模擬促銷案例。

預估成本

解決方案的預估成本約為 $10/天 ($300/月)

  • S1 標準 ML 服務方案為 $100
  • S2 SQL 資料庫為 $75
  • 應用程式主機方案為 $75
  • 其他 ADF 資料活動和儲存成本為 $50

如果您只是想探索一下解決方案,可以在幾天或幾小時內將其刪除。在您刪除 Azure 元件之後即會停止計費,費用則按比例計算。

開始使用

請使用右側按鈕來部署解決方案。部署結束時顯示的指示中,包含重要的設定資訊。請讓這些指示保持開啟狀態。

這個解決方案部署的柳橙汁價格資料集範例,與您在右側 [馬上試用] 按鈕之後找到的範例相同。

在部署解決方案期間,您可以直接開始:

解決方案部署之後,請完成第一個逐步說明 (需登入 MSFT)。

解決方案儀表板

解決方案儀表板最常使用的組件是 [Pricing Suggestion] (定價建議) 索引標籤。您可從中了解哪些項目的價格太低或太高,並取得每個項目的建議價格,以及採用建議後的預測影響。系統會先從增量毛利獲得機率最高的建議來排列優先順序。

儀表板的 [建議] 索引標籤

其他索引標籤則提供補充資訊,以說明系統如何計算出相關建議;如需詳細資料,請參閱使用者指南。(當解決方案在私人預覽狀態中時,您必須使用 MSFT Azure 帳戶登入 Github。)

解決方案架構

此解決方案是使用 Azure SQL 伺服器,儲存您的交易資料與產生的模型預測。其中包含十幾個在 AzureML 中以 Python 核心程式庫撰寫的彈性模型核心服務。Azure Data Factory 會每週排程重新整理模型。結果會顯示在 PowerBI 儀表板中。其中提供的 Excel 試算表會取用預測性 Web 服務。

請參閱技術部署指南,以更詳細了解架構、如何連線資料以及自訂作業 (需登入 Github)。

免責聲明

© 2017 Microsoft Corporation.著作權所有,並保留一切權利。這項資訊依照「現況」提供,且可能變更而不另行通知。Microsoft 對於此處提供的資訊不提供任何明示或默示的擔保。產生此解決方案的過程中使用了協力廠商的資料。您必須尊重他人的權利,包括取得及遵從相關授權以建立相似的資料集。

相關解決方案架構

需求預測

精準預測產品及服務需求的峰值,可為公司帶來競爭優勢。這項解決方案的焦點在於能源部門中的需求預測。

需求預測和價格最佳化

價格在許多行業中視為成功的重要決定因素,而且是最具挑戰性的工作之一。業者經常面臨數個價格流程方面的困難,它們包括精準預測可能手段的財務影響、合理考量核心業務的約制,以及公平驗證已執行的價格決議。擴大產品種類會進一步增加實時報價決策的運算需求,使這項本就困難的工作更加複雜。

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

個人化的供應項目

在現今極為競爭又彼此相連的環境中,現代企業若只有一般、靜態的線上內容,是無法存活的。而且,使用工具的行銷策略往往昂貴、難以實行,又無法產出預期的投資報酬率。這些系統大多無法完整利用收集到的資料,為使用者建立個人化程度更高的體驗。