Продуктовая кастомизация посредством моделирования
Основополагающим в любом продукте является клиент, для которого он создаётся. Этот факт подчёркивает популярная на сегодняшний день концепция Customer-Centric Design. С целью удовлетворения потребностей максимального количества клиентов современные продукты создаются с огромным разнообразием свойств, опций и характеристик. Процесс кастомизации особенно критичен для коммерческих клиентов, так как от эффективности используемых ими инструментов зависит выживаемость бизнеса. В данной работе представлен подход, при котором деятельность клиента, в которой задействован продукт, рассматривается как сложная функция, значением которой является себестоимость. Это позволяет предоставить клиенту индивидуально подобранные, оптимальные инструменты для его бизнеса. В процессе исследования проведены эксперименты по подбору оптимального малотоннажного грузового транспорта – LCV (Light Commercial Vehicle) на основе реальных данных о деятельности крупнейшей в России логистической компании.
Введение 4
Постановка задачи 6
1. Данные 7
1.1. Параметры окружающей среды . . . . . . . . . . . . . . . 7
1.2. Параметры транспортной компании . . . . . . . . . . . . 8
1.3. Параметры транспортного средства . . . . . . . . . . . . 9
2. Обзор 11
3. Оптимизация функции 13
3.1. Выбор алгоритма . . . . . . . . . . . . . . . . . . . . . . . 13
3.2. CMA-ES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4. Кастомизация посредством моделирования 19
5. Эксперименты 20
6. Заключение 23
Список литературы 24
Продуктовая каcтомизация – это процесс, позволяющий предоста-
вить клиенту наилучшее индивидуальное предложение в пределах име-
ющихся возможностей. На основе одного и того же продукта можно
сформировать большой диапазон совершенно различных предложений
с разными свойствами, что делает этот процесс значимым для конеч-
ного потребителя.
Экспертная оценка становится невозможной даже на небольших при-
мерах: продукт с 10 параметрами, каждый из которых изменяется в 3
возможных значениях, имеет более 59 тысяч конечных версий.
Кроме того, определение свойств может проводиться как с заранее
сформированными опциями и их комбинациями, так и на этапе про-
ектирования, когда для отобранных групп пользователей необходимо
сформировать наиболее подходящие значения параметров продукта. В
данном случае количество вариантов несоизмеримо возрастает, так как
характеристики из дискретных величин превращаются в непрерывные.
В продуктах для частного (Business-to-Consumer, b2c) использова-
ния имеют значение неизмеримые факторы, такие как статус приобре-
таемого бренда или эмоции, получаемые при использовании. В коммер-
ческом секторе (Business-to-Business, b2b) эти аспекты исключаются, и
решение о покупке принимается, исходя из эффективности продукта.
Такой подход диктуется рынком: неэффективные компании не выжи-
вают.
Сегодняшние рекомендательные системы используют один и тот же
подход к b2c и к b2b сегментам рынка, в то время как в одном секторе
ключевым факторам принятия решения являются эмоции, а в другом
– экономическая целесообразность. Кроме того, они не принимают во
внимание индивидуальные особенности: рекомендация формируется в
результате сопоставления клиента с группой других клиентов или про-
дукта с группой других продуктов. Никакого персонального предложе-
ния здесь быть не может.
Я предлагаю формировать индивидуальное предложение, непосред-
ственно исходя из деятельности компании-клиента. Рассмотрим про-
цесс эксплуатации продукта как сложную функцию, значением которой
является себестоимость.
Для этого выделим настраиваемые параметры продукта, независя-
щие от нас параметры среды эксплуатации и поток задач, для реше-
ния которых создаётся продукт. Также выберем ключевой показатель
эффективности (чаще всего им будет себестоимость или прибыль). Всё
это позволит нам создать модель бизнес-процессов, которую можно рас-
сматривать как сложную функцию (black box function). Её значением
станет выбранный ранее показатель эффективности. Тогда наиболее
подходящий для клиента продукт будет находиться в точке экстрему-
ма построенной функции.
Для подобных функций, не заданных аналитически, существует це-
лый ряд алгоритмов оптимизации. Поскольку в реальности время, от-
ведённое на решение, строго ограничено, критерием выбора станет мак-
симальная точность результата, достижимого за ограниченное количе-
ство итераций.
Данный подход к продуктовой кастомизации может быть применён
к любому коммерческому продукту, но в данном исследовании я рас-
смотрю малотоннажный грузовой транспорт (Light Commercial Vehicles)
и одну из крупнейших транспортных компаний в России. На реальных
данных о её деятельности будут сформированы рекомендации по под-
бору оптимальных транспортных средств.
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
5 (8 отзывов)
4.9 (35 отзывов)
5 (9 отзывов)
4.9 (343 отзыва)
4.9 (522 отзыва)
4.6 (522 отзыва)
4.9 (37 отзывов)
4.8 (30 отзывов)
5 (18 отзывов)
