対話型価格分析

Data Factory
Machine Learning
Excel
Power BI

ソリューションのアイデア Solution Idea

さらなる情報、実装の詳細、価格ガイダンス、コード例を追加してこの記事を拡張することをお望みの場合は、GitHub のフィードバックでご連絡ください。If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

価格分析ソリューションでは、トランザクション履歴データを使用して、製品の需要が提供価格にどのように対応しているかが示され、価格の変更が推奨されます。また、価格の変化が需要にどのように影響するかをきめ細かくシミュレートすることができます。The Price Analytics solution uses your transactional history data to show you how the demand for your products responds to the prices you offer, to recommend pricing changes, and allow you to simulate how changes in price would affect your demand, at a fine granularity.

このソリューションにはダッシュボードが用意されており、最適な価格設定の推奨事項、アイテム、サイト、チャンネル、セグメント レベルでのアイテムの弾力性、"共食い" などの関連製品効果の見積もり、現在のプロセスでの予測、モデル パフォーマンス メトリックを確認できます。The solution provides a dashboard, where you can see optimal pricing recommendations, item elasticities at a item-site-channel-segment level, estimates of related-product effects such "as cannibalization", forecasts given current process, and model performance metrics.

Excel で価格設定モデルを直接操作できるので、販売データを貼り付けるだけで価格を分析できます。最初にデータをソリューション データベースに統合する必要はありません。また、プロモーションをシミュレートして需要曲線 (価格に対する需要応答を示します) をプロットし、ダッシュボード データに数値形式でアクセスできます。Direct interaction with the pricing model in Excel lets you simply paste your sales data there and analyze your prices without the need to integrate the data into the solution database first, simulate promotions and plot demand curves (showing demand response to price), and access dashboard data in numerical form.

豊富な機能は Excel に限定されません。The rich functionality is not confined to Excel. お客様や実装パートナーがビジネス アプリケーションから直接呼び出すことができる Web サービス駆動型であり、価格分析をビジネス アプリケーションに統合できます。It is driven by web services that you, or your implementation partner, can call directly from your business applications, integrating price analysis into your business applications.

ArchitectureArchitecture

アーキテクチャ図 このアーキテクチャの SVG をダウンロードしてください。Architecture Diagram Download an SVG of this architecture.

説明Description

適格な価格分析ワークフローの中核となるのは、価格弾力性モデリングと最適な価格設定の推奨です。At the core of a rigorous price analysis workflow is price elasticity modeling and optimal pricing recommendations. 最先端のモデリング アプローチにより、履歴データから価格感度をモデリングする際の 2 つの最悪の落とし穴、つまり交絡とデータのスパース性を軽減できます。The state-of-the-art modeling approach mitigates the two worst pitfalls of modeling price sensitivity from historical data: confounding and data sparsity.

交絡は、需要に影響を与える価格以外の要因の存在です。Confounding is the presence of factors other than price which affect demand. このソリューションでは、弾力性を見積もる前に、価格と需要の変動の予測可能な要素を除去する "ダブル ML" アプローチを使用しており、ほとんどの形式の交絡に対する免疫を見積もりに付けることができます。We use a "double-ML" approach that subtracts out the predictable components of price and demand variation before estimating the elasticity, immunizing the estimates to most forms of confounding. また、実装パートナーがこのソリューションをカスタマイズし、お客様のデータを使用して、価格以外の潜在的な外部需要ドライバーを把握することもできます。The solution can also be customized by an implementation partner to use your data capturing potential external demand drivers other than price. このブログ投稿では、価格のデータ サイエンスに関する追加情報を提供しています。Our blog post gives additional detail on the data science of prices.

データのスパース性は、最適な価格が細かく変動するために発生します。企業はアイテム、サイト、販売チャンネル、さらには顧客セグメントごとに価格を設定できますが、取引履歴には特定の状況ごとの売上が少数しか残らないため、価格設定ソリューションでは製品カテゴリ レベルでの見積もりのみが提供されることがよくあります。Data sparsity occurs because the optimal price varies at a fine grain: businesses can set prices by item, site, sales channel and even customer segment, but pricing solutions often only give estimates at product category level because the transaction history may only contain a few sales for each specific situation. この価格設定ソリューションでは、"階層的正則化" を使用して、そのようなデータが少ない状況でも一貫した推定値を生成できます。証拠がない場合は、同じカテゴリの他のアイテム、他のサイトの同じアイテムなどの情報がモデルに借用されます。Our pricing solution uses "hierarchical regularization" to produce consistent estimates in such data-poor situations: in absence of evidence, the model borrows information from other items in the same category, same items in other sites, and so on. 特定のアイテム、サイト、チャンネルの組み合わせに関する履歴データの量が増えると、その弾力性の推定値はより具体的に微調整されます。As the amount of historical data on a given item-site-channel combination increases, its elasticity estimate will be fine-tuned more specifically.

このソリューションを使うと、履歴価格を分析できます。また、This solution analyzes your historical prices and

  • ダッシュボードを一目で確認し、製品の需要を柔軟に確認できます。shows you in one glance at the dashboard how elastic your product demand is
  • アイテム カタログ内のすべての製品の価格に関する推奨事項を提供しますprovides pricing recommendations for every product in your item catalog
  • 関連製品を検出します (置換と補完)discovers related products (substitutes and complements)
  • Excel でキャンペーンのシナリオをシミュレートできます。lets you simulate promotional scenarios in Excel.

推定コストEstimated cost

ソリューションの推定コストは約 10 ドル/日 (300 ドル/月) です。The estimated cost for the solution is approximately $10/day ($300/month)

  • 100 ドル: S1 標準 ML サービス プラン$100 for S1 standard ML service plan
  • 75 ドル: S2 SQL データベース$75 for an S2 SQL database
  • 75 ドル: アプリ ホスティング プラン$75 for app hosting plan
  • 50 ドル: その他の ADF データ アクティビティとストレージのコスト$50 in miscellaneous ADF data activities and storage costs

ソリューションを調べるだけであれば、数日または数時間で削除しても構いません。If you are just exploring the solution, you can delete it in a few days or hours. コストは日割で計算されます。Azure コンポーネントを削除すると、料金は発生しなくなります。The costs are pro-rated and will cease to be charged when you delete the Azure components.

作業の開始Getting started

右側にあるボタンを使用してソリューションをデプロイします。Deploy the solution with the button on the right. デプロイの最後の手順には、重要な構成情報が表示されます。Instructions at the end of the deployment will have important configuration information. 開いたままにしてください。Please leave them open.

このソリューションでは、右側にある [Try-It-Now](今すぐ試す) ボタンの背後にあるオレンジ ジュース価格の同じサンプル データ セットを使用してデプロイします。The solution deploys with the same example data set of orange juice prices that you find behind the Try-It-Now button on the right.

ソリューションのデプロイ時に、有利なスタートを切ることができます。また、While the solution is deploying, you can get a head start and

  • [Try-It-Now](今すぐ試す) ダッシュボードで利用できる内容を確認しますSee what is available in the Try-It-Now dashboard
  • 価格アナリストの観点からの使用方法については、ユーザー ガイドを参照してください (MSFT のログインが必要です)Peruse the User Guide for usage instructions from the perspective of a pricing analyst (MSFT login required)
  • 技術的な実装ビューについては、テクニカル デプロイ ガイドを参照してください (MSFT のログインが必要です)Review the Technical Deployment Guide for a technical implementation view (MSFT login required)
  • 対話式の Excel ワークシートをダウンロードしますDownload the interactive Excel worksheet

ソリューションがデプロイされたら、最初のチュートリアル (MSFT のログインが必要です) を完了します。After the solution deploys, complete the first walkthrough (MSFT login required).

ソリューション ダッシュボードSolution Dashboard

ソリューション ダッシュボードの最も実用的な部分は、[Pricing Suggestion](価格提案) タブです。ここで、どのアイテムが低価格、高価格であるかがわかります。また、各アイテムの最適な価格と、提案を採用した場合に予測される影響が提案されます。The solution dashboard's most actionable part is the Pricing Suggestion tab. It tells you which of your items are underpriced, overpriced, and suggests an optimal price for each item, as well as the predicted impact of adopting the suggestion. 粗利益の増加を達成できる最大の機会によって提案の優先順位が決まります。The suggestions are prioritized by the largest opportunity to earn incremental gross margin.

ダッシュボードの [Suggestion](提案) タブ

他のタブには、どのように提案が導き出されたかを示す補足情報が提供されます。詳細については、「ユーザー ガイド」を参照してくださいOther tabs provide supplemental information illuminating how the system arrived at the suggestions and are discussed in more detail in the User Guide. (ソリューションがプライベート プレビュー段階の間は、MSFT Azure アカウントを使用して GitHub にログインする必要があります)。(You must be logged into Github with a MSFT Azure account while solution is in private preview.)

ソリューションのアーキテクチャSolution Architecture

このソリューションでは、Azure SQL サーバーを使用して、トランザクション データと生成されたモデル予測を格納します。The solution uses an Azure SQL server to store your transactional data and the generated model predictions. Python コア ライブラリを使用して AzureML で作成された弾力性モデリング コア サービスが多数あります。There are a dozen elasticity modeling core services, which are authored in AzureML using Python core libraries. Azure Data Factory を使うと、週単位のモデル更新をスケジュールできます。Azure Data Factory schedules weekly model refreshes. 結果は Power BI ダッシュボードに表示されます。The results display in a PowerBI dashboard. 用意されている Excel スプレッドシートでは、予測 Web サービスが使用されます。The provided Excel spreadsheet consumes the predictive Web Services.

アーキテクチャの詳細な説明、独自のデータとカスタマイズの接続については、「テクニカル デプロイ ガイド」を参照してください (GitHub のログインが必要です)。Please read the Technical Deployment Guide for a more detailed discussion of the architecture, connecting your own data and customization (GitHub login required).