Análisis para un minorista en línea: Pronóstico de demanda y optimización de precios

Presentamos nuestro trabajo con un minorista en línea, Rue La La, como un ejemplo de cómo un minorista puede utilizar su abundancia de datos para optimizar las decisiones de precios a diario. Rue La La se encuentra en la industria de ventas de muestras de moda en línea, donde ofrecen descuentos extremadamente limitados en el tiempo en ropa y accesorios de diseñadores. Uno de los principales desafíos del minorista es la fijación de precios y la predicción de la demanda de productos que nunca ha vendido antes, lo que representa la mayoría de las ventas y los ingresos. Para abordar este desafío, utilizamos técnicas de aprendizaje automático para estimar las ventas históricas perdidas y predecir la demanda futura de nuevos productos. La estructura no paramétrica de nuestro modelo de predicción de demanda, junto con la dependencia de la demanda de un producto en el precio de productos competidores, plantea nuevos desafíos para traducir los pronósticos de demanda en una política de precios. Desarrollamos un algoritmo para resolver de manera eficiente la posterior optimización de precios multiproducto que incorpora efectos del precio de referencia, y creamos e implementamos este algoritmo en una herramienta de soporte de decisiones de precios para su uso diario en Rue La La. Realizamos un experimento de campo y encontramos que las ventas no disminuyen debido a la implementación de aumentos de precios recomendados por la herramienta para productos de precios medios y altos. Finalmente, estimamos un aumento en los ingresos del grupo de prueba de aproximadamente un 9.7% con un intervalo de confianza asociado del 90% de 2.3%, 17.8%.