2. Определение и оценка факторов, влияющих на продажи
Любой подход к аналитическому ценообразованию так или иначе
содержит некоторую модель прогнозирования спроса в зависимости
от цены на товар, или, по-простому, модель эластичности.
Но с каждым годом количество дополнительных признаков, которые
возможно учитывать, растет. В соответствии с этим есть два
возможных варианта построения модели прогнозирования для
дальнейшей оптимизации цен.
- Построение сложной модели машинного обучения, которая
на входе принимает множество факторов, в том числе и
цену.
- Ручная очистка продаж от внешних факторов и построение
классической модели лог-линейной эластичности.
Каждый из подходов имеет свои преимущества и недостатки.
Например, первый подход довольно сложно интерпретировать
для конечного пользователя, и часто на выходе можно получить
зависимости, которые в большей степени основываются на дополнительных
факторах, а не на самой цене; второй же подход более понятен,
но требует больше времени работы аналитика, а также из-за
ограничения на линейную зависимость может давать не совсем
корректные результаты за пределами исторического интервала
цен (хотя это проблема есть и у ML-подхода). Конечно, существуют
подходы, которые нивелируют эти недостатки: например, для
моделей машинного обучения можно использовать монотонные
ограничения по цене, а в лог-линейной зависимости задать
ограничения на коэффициенты с помощью регуляризации.
Но какую бы мы модель ни выбрали, перед нами встает задача
определения и оценки дополнительных факторов, таких как
сезонность категории, количество промо, открытие новых магазинов
конкурентов, изменение ценового конкурентного окружения,
инфляция и так далее. Понимание, какие из этих параметров
стоит включать в финальную модель, а какие нет, а также
каким именно образом добавлять данные признаки, является
ключевой задачей в разработке модели.
Приведем пример продаж категории в зависимости от средней
цены, сезонности и количества промо. С первого взгляда может
показаться, что никакой зависимости от цены попросту нет
(рис. 1).