营销定价系列(一)--- 商品定价技术

       首先唠叨几句工作上的思考。最近一直在思考工作中的业务支持、短期业绩和长期个人发展的关系。依据我的理解和结合观察身边的人的发展,发现个人在工作中不仅是完成业务需求。个人的短期和长期的良好发展,需要在取得短期业务产出的同时也需要注意个人能力的提升,个人能力的提升又分为业务、技术和软素质三个方向。业务上需要了解当前业务的现状问题,不同问题的优先级和时间上当前和未来的阶段重点;技术上需要了解不同方案的选型对比,整体技术方案的技术深度广度(深度包含公式推导 -> 技术原理的证明 -> 技术细节的推挖掘->新技术论文的关注度;广度包含不同的技术路线对比,为什么选择这个技术路线?);软素质就比较复杂了: 包含领导的指哪打哪,理解业务向上汇报争取资源,横向结合业务需要推进项目,向下拉齐沟通对齐保证团队稳定性;还包含人际关系和组织。另外一方面技术上也可以分为:业务产出多的技术技术深度和包装比较好的技术,不过这两个都会随着业务场景和业务发展阶段变化。例如对于推荐系统来说效果较好的技术,业务初期主要是特征挖掘,后续逐渐演进为各类模型探索,然后可能是结合业务场景的模型,最后可能是序列模型。 同理技术包装较好的技术前期是模型探索,后面是序列模型,近期可能是大模型了。一个同学不仅要结合业务场景判断取得业务效果不同方法的排序,也需要学会包装使用最新的技术对外包装团队的产出和吸引人才。 

        前面的工作思考讲了很多,后面回到营销定价技术。在营销定价场景,可以分为四大场景:  0~1干预问题、多值干预问题、连续定价问题和多维度干预问题。不同的场景因为问题特点和场景关注不同,因此选择的技术方案也不同。

场景问题场景问题特点/重点弹性预估/量价关系运筹优化
 0~1干预触达人群选择

对象选择更重要

因果推断建模方案

凸优化

求解器

多值干预多值干预问题

多Treatment

人群选择、干预选择同样重要。不同Treatment的干预效应预估重要

连续因果森林

深度学习模型

连续定价

奢侈品定价

商品定价

连续多值干预

量价关系刻画总要。

1. 先验量价关系

2. 直接学习不同定价下的转化率

多维度干预

准时奖

门槛优惠券

二维干预效应刻画

1. 降维成单维度干预

2. 对二维干预问题整体建模

一、 问题场景

1.1 人群触达

        对于营销增长的人群触达问题,因为对每个用户干预都是是否触达。因此营销触达问题,更需要关注那些干预Uplift带来提升较大的用户。  

1.2 优惠券发放

         对于优惠券发放的问题,因为优惠券有不同的面额,例如优惠金额3元、5元、10元;折扣比例8折、7折,而不同的优惠券对应的转化率或目标的提升是不同的。 因此优惠券发放的问题,更关注不同优惠券带来的单位增益更大的问题。

1.3 商品定价问题

        对于商品定价的问题,更关注商品当前的量价关系,例如不同定价商品对应的转化率 或 不同定价商品对应的销量。

1.4 带门槛优惠券发放

        对于带门槛的优惠券,因为优惠券使用是有门槛的,因此我们需要同时学习优惠券面额、优惠门槛对转化和量价关系的影响。

二、建模方法

        由于前面的四个问题涉及的研究和方向较多,这里主要关注商品定价的问题。商品定价问题在自营商品、二手奢侈品行业有广泛的应用。本文在这里整理了 该领域的论文、牛人、比赛和上下文技术方案。

2.1 人群触达

2.2 优惠券发放

2.3 商品定价问题

2.3.1 商品定价比赛

        2023年高教社杯全国大学生数学建模竞赛: 链接

        2019年全国大学生数学建模竞赛(E题目 薄利多销): 链接

2.3.2 商品定价论文

lyft 定价论文:

Optimal Growth in Two-Sided Markets

点评: 

        1. 假设:

        2. 市场的增长速度受到供需双方的定价和补贴策略的影响。因此,作者考虑了不同的规模效应:递增规模收益、递减规模收益和恒定规模收益。

Dynamic Pricing and Matching in Ride-Hailing Platforms

点评:

阿里巴巴论文:

Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and Multi-Period Optimization Approach   

        A Unified Framework for Marketing Budget Allocation

点评:

给定营销预算的前提下,如何在不同细分市场间进行分配,使得最终的销量最大化。论文在建模过程中引入了logistic先验,并通过把带约束的非凸优化问题转化为凸优化问题。最后通过引入拉格朗日对偶的方法很方便的转化为了。 

美团定价算法论文:

        Direct Heterogeneous Casual Learning for Resource Allocation Problems in Marketing

点评:弹性建模与后续运筹优化优化方向并不一定完全一致,通过巧妙的引入损失函数直接建模学习ROI。并在后续使用时针对01干预问题,可以直接引入排序求解;对多值干预问题,仍需要基于运筹优化求解。

Didi定价算法论文: 

点评:

2.3.3 商品定价技术

        综合前面的比赛和论文,一般学术的论文,研究的因果推断较多且假设较多。而比赛的赛题和方案更偏向实用。在这里我们讨论两种定价销量曲线建模方案,包含定价弹性曲线建模 和 直接建模不同定价下的销量。 

        定价目标可以分为最大化规模、最大化利润 或 在给定ROI约束下投入。 

2.3.3.1 商品定价技术方案(有先验)

量价关系

      a.  指数

      b.  价格变化率和销量变化率线性相关

        

需求价格弹性(以下简称“价格弹性”)可定义为需求(销量)变动比率与引起其变动的价格变动比率的比率,反映商品价格与市场消费容量的关系,表明价格升降时需求量的增减程度。用数学公式可表示为:        e=(ΔQ/Q)/(ΔP/P)   (1)

首先回顾一下导数的定义:

        dy/dx=limΔx−>0(Δy/Δx)   (1)

lnP - lnQ线性回归可表示为:

        lnQ=e∗lnP+b   (2)

等式两边求导可得:

        (1/Q)∗(dQ/dP)=e∗(1/P)   (3)

将P移至等式右侧可得:

        e=(ΔQ/Q)/(ΔP/P)   (4)

而式(4)正是价格弹性的定义。

至此,我们可以看出: lnP - lnQ的线性回归的回归参数e就是我们想求解的价格弹性

接下来我们将用代码实现这一过程,下图是不同价格弹性下线性参数对应的分布图。

转化率与价格的关系

      b. sigmoid

2.3.3.2 商品定价技术方案(无先验)

2.4 带门槛优惠券发放

相关链接: https://zhuanlan.zhihu.com/p/337481535

                https://zhuanlan.zhihu.com/p/402685401

                滴滴连续因果森林  https://zhuanlan.zhihu.com/p/383598104

                策略算法工程师之路 https://zhuanlan.zhihu.com/p/337481535

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值