srovnávací motory znějí velmi snadno na papíře a stejně obtížně implementovatelné v praxi. Vývoj zvuku, efektivní, a škálovatelné motory cenové inteligence vyžadují, abychom se vypořádali se dvěma širokými výzvami:
- agregace dat ve velkém měřítku
- použijte normalizační techniky založené na ml / AI k čištění dat, abychom z nich mohli odhalit smysluplné poznatky
pojďme definovat výzvy agregace dat, za prvé, měřítko – ve většině obchodních scénářů musíme získat určitě pár milionů datových bodů . Obvykle, pro získávání informací, platforma pro porovnávání cen se musí integrovat s několika tržišti e-com a průběžně sledovat informace o cenách u úplných kategorií produktů, aby zjistila nové informace. Podle některých odhadů má jen Amazon (. com) seznam produktů 12 milionů produktů, pokud přidáte prodejce Amazon Marketplace, pak se zvětší na ohromující miliony produktů 350.
Řekněme, že pokud chcete porovnat jednu kategorii produktů 5000 produktů na 8 tržištích každé dvě hodiny, díváme se na ~500k procházení denně. Existuje mnoho dalších výzev, které sourcing motor čelí a stanou se dokonce závažné, jak začnete pracovat ve velkém měřítku. Jen hardwarové požadavky na Nastavení serverové farmy by byly obrovské. Vůbec jsme nešli do jazyka, PSČ, vícestránkového procházení a pokrytí mobilními aplikacemi.
obvykle jsou platformy pro porovnávání cen postaveny tak, aby fungovaly napříč komplexními webovými prostředími, která nejen získávají data z více trhů e-com, ale také poskytují přístup k historickému úložišti všech získaných dat, což umožňuje klientům odvodit jedinečné poznatky o časových řadách.
druhá výzva je ještě větší, jak pochopit informace, jakmile získáte všechny datové body z webu. Jak to zpracováváte?
faktem je, že World-wide-web není jednotné místo, některé z webových stránek jsou integrace-friendly, ale většina webových stránek ne. Zveřejňují informace pro návštěvníky ke čtení, ne pro inteligentní srovnávací motor pro sledování konkurenčních cen. Srovnávací motory tedy musí být chytré a vyžadují neustálé ladění pro procházení různých webových stránek.
je velmi obtížné integrovat s webovými stránkami v měřítku, protože neexistují žádné univerzální standardy pro vývoj webových stránek. MS vs Google war pro použití prohlížeče je legendární a ve skutečnosti nemáme definované webové standardy, alespoň ne prakticky.
vzhledem k obrovskému šumu a nedostatečné struktuře webových dat musíme vyvinout poměrně pokročilé normalizační techniky k čištění dat, občas pomocí AI pro analýzu obrázků a textu (některé startupy se zaměřují pouze na analýzu obrázků z webových stránek elektronického obchodování). Po organizaci dat můžeme přemýšlet o odhalení smysluplných informací z nich.
každý nástroj cenové inteligence je postaven na složitých sémantických modelech založených na strojovém učení, které pomáhají pochopit data. Nástroje cenové inteligence však vyžadují spoustu času na zrání a vývoj, jakmile jsou vyvinuty, poskytují manažerům značky téměř simulátor dat v reálném čase a pomáhají jim provádět několik kritických schopností, jako je dynamická tvorba cen, měření cenové Elasticity, odvození ziskovosti na úrovni SKU a nejlepší ze všech, schopnost porovnat všechny tyto metriky s konkurencí.