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!
4.9 (20 отзывов)
4.9 (35 отзывов)
4.7 (18 отзывов)
4.8 (2878 отзывов)
4.6 (30 отзывов)
4.6 (30 отзывов)
4.8 (373 отзыва)
4.5 (9 отзывов)
4 (15 отзывов)
