客户背景与业务挑战
客户为欧洲领先的特种建筑材料分销商,在隔热、室内/屋顶/室外及空气处理领域占据强势地位,通过英国、爱尔兰及欧洲大陆多个站点运营,雇佣约9000人。公司面临关键定价问题:由于交易量和市场份额大,内部多系统支持不同CPQ流程,导致难以确定最佳交易/客户价格,缺乏价格控制机制。员工报价依赖直觉和经验,常导致低价或负利润销售,影响整体利润。
解决方案:机器学习智能价格计算器
为解决定价挑战,客户与SoftServe合作开发智能报价计算器。该计算器核心为机器学习引擎,基于历史数据、产品和客户特征计算最佳交易价格,同时分析外部定价影响因素(市场、需求、季节)。
项目描述与实施
- 数据准备:统一格式和单位,汇总返利、采购、库存及交易数据,筛选修正不一致信息。
- POC组件:包括算法(R/Shiny应用程序)、UI/UX设计。
- 智能定价方法:利用XGBoost分类器,在客户、网点、产品和数量层面进行机器学习建模,提供灵活价格建议以最大化利润。
- 需求预测:基于历史数据,分析客户需求趋势和季节性变化,优化营销规划。
POC结果与价值
- 需求预测交付价值:基于历史数据了解客户需求趋势,提高营销规划效率。
- 价格分解可视化:模拟竞争对手价格调整和返利,提供价格分解视图。
- MVP建议:包括方法概述、数据质量问题及定价结构建议。
技术栈
- 数据工具:R/Shiny, Python/iPython, XGBoost, Docker。
- 基础设施:Azure, SQL Server, SSIS。
关于我们
SoftServe作为数字权威机构,提供从概念到发布的端到端解决方案,在医疗保健、零售、媒体、金融服务等领域拥有专业知识,助力企业创新和优化业务。