商品价格智能分析大年夜模型设计

一、商品主数据是业务正常开展必不可少的组成部分

在实际业务发生之后，为能够不断提升业务开展运转效率、得到更好的业务结果，业务方须要对所产生的商品业务数据进行剖析比如：

为即将开展的询比价项目设定合理的预算价格；监控商城平台正在售卖的商品价格比较较其他友商平台是高是低；剖析商品价格的历史颠簸情形及发展趋势等等。

二 、为进行如上类似商品业务数据剖析

业务方当前可依赖的工具箱不足宽裕，并且数据剖析的效果及效率等也有待提升

详细表现如下：

业务方为能够对历史商品业务数据进行剖析所能够借用的工具只有类似传统的EXCEL表格等，导致可剖析的数据量级、维度范围及剖析的效果不尽如人意，并且会导致事情量巨大；缺失落外部第三方数据源，业务方如果要进行商品比价剖析，须要人工分别登录到各个竞对平台通过关键属性来进行商品搜索，然后再根据业务方个人履历在搜索结果中找到认为最相似的商品来比拟价格。
搜索的结果一定是相似度最高的商品吗？如果碰着竞对平台开展匆匆销、设置不同物流政策等如何进行商品价格剖析？而且仅能支持单个商品逐一比对，处理效率极大受限；业务方在对商品历史业务剖析时常规做法是在SKU维度进行，如果存在协议与SKU商品强绑定，同个商品不同协议中会天生不同SKU编码，限定商品业务数据剖析；假设协议与SKU商品为弱绑定关系，虽然SKU商品维度历史商品业务数据有效，但可单个SKU商品可剖析数据量的不敷及商品价格可剖析范围的受限都极大限定了更好价格剖析效果的获取。

凡此各类，都导致当前剖析商品业务数据的业务诉求受挫。
为知足这方面的业务诉求，我们回到商品主数据本身，不同颗粒度商品主数据是由不同属性标签凑集组成的结合体。
不同的商品主数据之间的差异是由它们所包含的属性标签凑集间差异造成的。

我们可以将无论内部的不同商品主数据，还是来自外部各竞对平台的商品主数据在这个维度统一起来，以此搭建商品主数据科学剖析、比较的根本条件，同时前述提到的物流、匆匆销等也可以在这个维度定义为添加到商品主数据本身的不同属性标签，关键便是要组合不同的属性标签凑集。

顺着如上思路就可以开始设想如何对商品业务数据进行多维度的商品价格剖析。

三、人工智能技能是工具，一种可用于提效降本的工具。

随着人工智能技能不断迭代、发展，当前已可以用于办理业务问题。

基于商品主数据属性标签凑集的问题办理理念再叠加人工智能技能的加持，构建商品价格智能剖析大模型可以很好地办理业务在商品价格数据剖析方面所碰着的各类痛点。
（如图1）

图1 商品价格智能剖析大模型构思

科学方案利用各种可以利用的渠道从外部引入第三方可用商品数据信息，运用人工智能技能汇总内部存量、增量商品主数据信息以及外部三方可用数据源。

第一步：进行相似度处理，通过各维度的属性标签的相似度比对，布局得分=求和各属性标签得分权重，即可验证商品的相似度水平，实现相似商品主数据的归集、分堆。
在SKU商品维度将商品进行分堆处理，后续如果须要在其他各种颗粒度剖析商品数据价格，则可以自由组合来支持相应业务诉求；

第二步：按照商品主数据统一化原则提取、汇总商品数据所包含的标签凑集、价格数据凑集等，为各种业务商品价格剖析场景供应多样“积木”；

第三步：从商品本身出发研究，自由组合属性标签实现商品裸价、+匆匆销价、+物流价、+质保价等各种颗粒度的商品价格剖析；

第四步：从供应行为、发卖行为、监控行为等角度出发自由组合属性标签剖析商品价格。

构建的商品价格大模型可以作为各种业务商品价格剖析场景的基层通用能力，通过中间转换层的各种转换包装，设计成做事于全业务场景的、丰富多样的商品价格剖析产品能力。

例如询比价/招投标价格的管理，商品价格的洞察，价格抽查监督，相似商品推举等等。
（如图2）

图2 商品价格智能剖析运用处景剖析

四、产品设计始终做事于用户

构建的商品价格剖析大模型做事于各种特定业务场景的商品价格剖析产品能力，助力商品数据资产的盘活及丰富，业务决策科学性提高，以及业务实操效率的提升等等。

能够极大扩充、丰富业务商品价格剖析工具箱，从根本上办理业务在商品价格剖析方面所碰着的各种难题。

本文由@践行知行合一 原创发布于大家都是产品经理。
未经容许，禁止转载。

题图来自Unsplash，基于 CC0 协议

该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。