详细内容或原文请订阅后点击阅览
Zalando 如何优化大规模推理并简化 Amazon SageMaker 上的 ML 操作
这篇文章由 Zalando 的 Mones Raslan、Ravi Sharma 和 Adele Gouttes 共同撰写。Zalando SE 是欧洲最大的电子商务时尚零售商之一，拥有约 5000 万活跃客户。Zalando 面临着定期（每周或每天）为 100 多万种产品打折的挑战，也称为降价定价。降价定价是 […]
来源:亚马逊云科技 _机器学习本帖由 Zalando 的 Mones Raslan、Ravi Sharma 和 Adele Gouttes 共同撰写。
本帖由 Zalando 的 Mones Raslan、Ravi Sharma 和 Adele Gouttes 共同撰写。Zalando SE 是欧洲最大的电子商务时尚零售商之一，拥有约 5000 万活跃客户。Zalando 面临着定期（每周或每天）对 100 多万种产品进行折扣指导的挑战，这也称为降价定价。降价定价是一种随时间调整价格的定价方法，是一种常见的策略，用于最大化寿命有限或受季节性需求影响的商品的收入（Sul 2023）。
Zalando SE由于许多商品是在季节前订购的，之后没有补货，因此企业有兴趣在整个季节均匀销售产品。主要原因是避免库存过剩和库存不足的情况。库存过剩会导致季节结束后成本高昂，而库存不足会导致销售损失，因为客户会选择在竞争对手处购买。
为了解决这个问题，折扣引导是一种有效的方法，因为它会影响商品级需求，从而影响库存水平。
Zalando 所依赖的降价算法解决方案是一种预测然后优化的方法（Kunz 等人，2023 年和 Streeck 等人，2024 年）。降价定价算法解决方案的高级描述可以分为四个步骤：
折扣相关预测- 需求 – 未来 X 周内将以不同的折扣售出多少件商品？退货率 – 已售出商品中有多少份额会被客户退回？退货时间 – 退回的商品何时会重新出现在仓库中以便再次出售？履行成本 – 运送和退回一件商品需要多少费用？残值 – 季末后，一件商品可以以什么价格实际出售？