本文探討了如何通過構(gòu)建一個智能的商品價格分析模型，利用人工智能技術(shù)整合內(nèi)外部數(shù)據(jù)，提升商品數(shù)據(jù)分析的效率和準(zhǔn)確性。從相似度處理到多維度的價格分析，我們展示了一個系統(tǒng)化的框架，幫助企業(yè)洞察市場動態(tài)，優(yōu)化定價策略，并最終提升業(yè)務(wù)決策的科學(xué)性和操作效率。

一、現(xiàn)狀背景分析

商品主數(shù)據(jù)是業(yè)務(wù)正常開展必不可少的組成部分，在實際業(yè)務(wù)發(fā)生之后，為能夠不斷提升業(yè)務(wù)開展運轉(zhuǎn)效率、獲得更好的業(yè)務(wù)結(jié)果，業(yè)務(wù)方需要對所產(chǎn)生的商品業(yè)務(wù)數(shù)據(jù)進行分析，例如：

• 為即將開展的詢比價項目設(shè)定合理的預(yù)算價格；
• 監(jiān)控商城平臺正在售賣的商品價格相比較其他友商平臺是高是低；
• 分析商品價格的歷史波動情況及發(fā)展趨勢。

由于業(yè)務(wù)方當(dāng)前可依賴的工具箱不夠?qū)捲?，雖然業(yè)務(wù)方對商品業(yè)務(wù)數(shù)據(jù)存在極大分析訴求，但實際分析效果卻盡如人意，數(shù)據(jù)分析的效率也有待提升。

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

具體表現(xiàn)如下：

• 業(yè)務(wù)方為能夠?qū)v史商品業(yè)務(wù)數(shù)據(jù)進行分析所能夠借用的工具只有類似傳統(tǒng)的EXCEL表格等，導(dǎo)致可分析的數(shù)據(jù)量級、維度范圍及分析的效果不盡如人意，并且會導(dǎo)致工作量巨大；
• 缺失外部第三方數(shù)據(jù)源，業(yè)務(wù)方如果要進行商品比價分析，需要人工分別登錄到各個競對平臺通過關(guān)鍵屬性來進行商品搜索，然后再根據(jù)業(yè)務(wù)方個人經(jīng)驗在搜索結(jié)果中找到認為最相似的商品來對比價格。搜索的結(jié)果一定是相似度最高的商品嗎？如果遇到競對平臺開展促銷、設(shè)置不同物流政策等如何進行商品價格分析？而且僅能支持單個商品逐一比對，處理效率極大受限；
• 業(yè)務(wù)方在對商品歷史業(yè)務(wù)分析時常規(guī)做法是在SKU維度進行，如果存在協(xié)議與SKU商品強綁定，同個商品不同協(xié)議中會生成不同SKU編碼，限制商品業(yè)務(wù)數(shù)據(jù)分析；
• 假設(shè)協(xié)議與SKU商品為弱綁定關(guān)系，雖然SKU商品維度歷史商品業(yè)務(wù)數(shù)據(jù)有效，但可單個SKU商品可分析數(shù)據(jù)量的不足及商品價格可分析范圍的受限都極大限制了更好價格分析效果的獲取。

凡此種種，都導(dǎo)致當(dāng)前分析商品業(yè)務(wù)數(shù)據(jù)的業(yè)務(wù)訴求受挫。為滿足這方面的業(yè)務(wù)訴求，我們回到商品主數(shù)據(jù)本身，不同顆粒度商品主數(shù)據(jù)是由不同屬性標(biāo)簽集合組成的結(jié)合體。

不同的商品主數(shù)據(jù)之間的差異是由它們所包含的屬性標(biāo)簽集合間差異造成的。

我們可以將無論內(nèi)部的不同商品主數(shù)據(jù)，還是來自外部各競對平臺的商品主數(shù)據(jù)在這個維度統(tǒng)一起來，以此搭建商品主數(shù)據(jù)科學(xué)分析、比較的基礎(chǔ)條件，同時前述提到的物流、促銷等也可以在這個維度定義為添加到商品主數(shù)據(jù)本身的不同屬性標(biāo)簽，關(guān)鍵就是要組合不同的屬性標(biāo)簽集合。

順著如上思路就可以開始設(shè)想如何對商品業(yè)務(wù)數(shù)據(jù)進行多維度的商品價格分析。

二、大模型構(gòu)建

人工智能技術(shù)是工具，一種可用于提效降本的工具，隨著人工智能技術(shù)不斷迭代、發(fā)展，當(dāng)前已可以用于解決業(yè)務(wù)問題。

基于商品主數(shù)據(jù)屬性標(biāo)簽集合的問題解決理念再疊加人工智能技術(shù)的加持，構(gòu)建商品價格智能分析大模型可以很好地解決業(yè)務(wù)在商品價格數(shù)據(jù)分析方面所遇到的種種痛點。（如圖1）

圖1 商品價格智能分析大模型構(gòu)思

科學(xué)規(guī)劃利用各種可以利用的渠道從外部引入第三方可用商品數(shù)據(jù)信息，應(yīng)用人工智能技術(shù)匯總內(nèi)部存量、增量商品主數(shù)據(jù)信息以及外部三方可用數(shù)據(jù)源。

第一步：進行相似度處理，通過各維度的屬性標(biāo)簽的相似度比對，構(gòu)造得分=求和各屬性標(biāo)簽*得分*權(quán)重，即可驗證商品的相似度水平，實現(xiàn)相似商品主數(shù)據(jù)的歸集、分堆。在SKU商品維度將商品進行分堆處理，后續(xù)如果需要在其他各種顆粒度分析商品數(shù)據(jù)價格，則可以自由組合來支持相應(yīng)業(yè)務(wù)訴求；

第二步：按照商品主數(shù)據(jù)統(tǒng)一化原則提取、匯總商品數(shù)據(jù)所包含的標(biāo)簽集合、價格數(shù)據(jù)集合等，為各種業(yè)務(wù)商品價格分析場景提供多樣“積木”；

第三步：從商品本身出發(fā)研究，自由組合屬性標(biāo)簽實現(xiàn)商品裸價、+促銷價、+物流價、+質(zhì)保價等各種顆粒度的商品價格分析；

第四步：從供應(yīng)行為、銷售行為、監(jiān)控行為等角度出發(fā)自由組合屬性標(biāo)簽分析商品價格。

三、大模型應(yīng)用

構(gòu)建的商品價格大模型可以作為各種業(yè)務(wù)商品價格分析場景的基層通用能力，通過中間轉(zhuǎn)換層的各種轉(zhuǎn)換包裝，設(shè)計成服務(wù)于全業(yè)務(wù)場景的、豐富多樣的商品價格分析產(chǎn)品能力。例如詢比價/招投標(biāo)價格的管理，商品價格的洞察，價格抽查監(jiān)督，相似商品推薦等等。（如圖2）

圖2 商品價格智能分析應(yīng)用場景分析

四、收益分析

產(chǎn)品設(shè)計始終服務(wù)于用戶，構(gòu)建的商品價格分析大模型服務(wù)于各類特定業(yè)務(wù)場景的商品價格分析產(chǎn)品能力，助力商品數(shù)據(jù)資產(chǎn)的盤活及豐富，業(yè)務(wù)決策科學(xué)性提高，以及業(yè)務(wù)實操效率的提升等等。能夠極大擴充、豐富業(yè)務(wù)商品價格分析工具箱，從根本上解決業(yè)務(wù)在商品價格分析方面所遇到的各類難題。