Hintavertailumoottorit kuulostavat paperilla erittäin helpoilta ja yhtä vaikeilta toteuttaa käytännössä. Kehittämällä ääni, tehokas, ja skaalautuva hinta intelligence moottorit vaativat meitä ratkaisemaan kaksi laajaa haastetta:
- Large Scale Data Aggregation
- käytä ML / AI – pohjaisia normalisointitekniikoita datan puhdistamiseen, jotta voimme kaivaa siitä mielekkäitä oivalluksia
määritellään ensin datan aggregoinnin haasteet-useimmissa liiketoimintaskenaarioissa meidän on hankittava varmasti pari miljoonaa datapistettä. Yleensä hankintatietojen osalta hintavertailualusta on integroitava useisiin e-com-markkinapaikkoihin ja seurattava jatkuvasti täydellisten tuoteluokkien hintatietoja uusien tietojen havaitsemiseksi. Joidenkin arvioiden mukaan, vain Amazon (. com) on tuote roster 12 miljoonaa tuotetta, jos lisäät Amazon Marketplace myyjät niin se turpoaa huikeat 350 miljoonaa tuotetta.
sano, että jos haluat vertailla yhtä 5000 tuotteen tuoteryhmää 8 markkinapaikalla kahden tunnin välein, kyseessä on ~500k ryömintä päivässä. On olemassa lukuisia muita haasteita, jotka hankintamoottori kohtaa ja ne tulevat jopa vakavia, kun aloitat toiminnan suuressa mittakaavassa. Vain laitteistovaatimukset perustaa palvelinfarmin olisi valtava. Emme ole menneet edes kieleen, postinumeroihin, monisivuiseen ryömimiseen ja mobiilisovellusten kattavuuteen ollenkaan.
yleensä hintavertailualustat on rakennettu toimimaan monimutkaisissa verkkoympäristöissä, jotka paitsi hankkivat tietoja useista e-com-markkinapaikoista, myös tarjoavat pääsyn kaikkien hankittujen tietojen historialliseen tallennukseen, jolloin asiakkaat voivat saada ainutlaatuisia aikasarjoja koskevia tietoja.
toinen haaste on vielä suurempi, miten saada tieto tolkkua, kun hankkii kaikki datapisteet verkosta. Miten sitä käsitellään?
tosiasia on, että World-wide-web ei ole yhtenäinen paikka, Jotkut sivustot ovat integraatioystävällisiä, mutta useimmat sivustot eivät. Ne lähettää tietoa vierailijoille lukea, ei älykäs hintavertailu Moottori seurata kilpailukykyisiä hintoja. Niin, vertailu moottorit täytyy olla älykäs ja vaativat jatkuvaa säätämistä indeksointi eri sivustoja.
verkkosivujen integrointi on äärimmäisen vaikeaa mittakaavaltaan, koska verkkosivujen kehittämiselle ei ole yleisiä standardeja. MS vs Google war for browser use on legendaarinen, eikä meillä ole oikeastaan määriteltyjä web-standardeja, ainakaan käytännössä.
koska web-datassa on valtava melu ja rakenteen puute, meidän on kehitettävä melko kehittyneitä normalisointitekniikoita datan puhdistamiseksi, toisinaan käyttäen tekoälyä kuva-ja tekstianalytiikkaan(jotkut startupit keskittyvät vain verkkokauppasivustojen kuvaanalytiikkaan). Aineiston organisoinnin jälkeen voimme miettiä mielekkään tiedon kaivamista sieltä.
jokainen hinnoitteluälyn työkalu on rakentunut monimutkaisiin koneoppimiseen perustuviin semanttisiin malleihin, jotka auttavat ymmärtämään dataa. Hinnoitteluälyn työkalut vievät kuitenkin paljon aikaa kypsyä ja kehittyä, kun ne on kehitetty, ne tarjoavat brändijohtajille lähes simulaattorin reaaliaikaisista tiedoista ja auttavat heitä sitoutumaan useisiin liiketoiminnan kriittisiin kykyihin, kuten dynaamiseen hinnoitteluun, hintajouston mittaamiseen, SKU-tason kannattavuuteen ja mikä parasta, kykyyn vertailla kaikkia näitä mittareita kilpailijoiden kanssa.