#ML_in_business
🏷️ Ценообразование: часть 1. Цены в такси
🧐 Рассказ про ML в ценообразовании надо бы начинать с базовых объяснений про спрос, предложение, равновесную цену и философского вопроса, насколько этично выставлять цену любой, ведь сформированный ей спрос сам вознаградит или накажет бизнес. Невидимая рука рынка и все такое.
🚕 Но кто ж дочитает такой пост до конца, если не дать хорошую затравку. И вот вам затравка. Яндекс.Такси заказывали? Повышающий коэффициент ловили? Скажите мне спасибо :) Моя работа Chief DS’ом в Такси как раз приходится на время бурного развития там surge pricing, оно же - динамическое ценообразование. Мое подразделение не было единственным участником проекта, но об этом расскажу позже, а сейчас к делу.
📍 Допустим, вы хотите вызвать такси, открываете приложение и ставите точку на карте. Мы её называем «пин» от английского “pin” - булавка или «точка А» по аналогии со школьными задачками по математике. Строго говоря, «пин» обычно говорят до заказа, но все это все равно жаргонизмы. В этот момент происходит много всего интересного, что делала моя команда MLщиков:
- вам предлагают переставить пин в удобное для вас и водителя место,
- вы видите подсказки места назначения («точки Б»), чтобы не вбивать руками,
- вам сообщают, что если пройти 30 метров, поездка выйдет дешевле,
- вам показывают ETA - estimated time of arrival водителя, хотя водитель вам еще даже не назначен (тут тоже магия ML).
🫰Но самое главное - вам показывают цену (кстати фиксированную, а не по счетчику - тоже благодаря ML).
Так как же эту цену посчитать? Чтобы ответить на этот вопрос, нужнобыть ценой, думать как цена, понять, зачем цены нужны. Раздавая свой товар бесплатно, вы разоритесь. Продавая за 100500 миллионов штука, никому не продадите. Значит, имея ограниченное количество товара, вы должны продать его подороже. Идея dynamic pricing в том, чтобы не пытаться угадать идеальную цену «навсегда», а чем меньше у вас товара осталось, тем дороже его продавать.
В такси тоже есть свой «товар» - это поездки. Чтобы нужная вам поездка произошла, нужно, чтобы нашелся готовый ее исполнить водитель с машиной.
⏱️ Теперь я предлагаю взять небольшую паузу: напишите в комментах, как бы вы сами реализовали dynamic pricing в такси, с учетом сказанных выше вводных, а дальше я расскажу вам, как в свое время это сделали мы с коллегами :)
🏷️ Ценообразование: часть 1. Цены в такси
🧐 Рассказ про ML в ценообразовании надо бы начинать с базовых объяснений про спрос, предложение, равновесную цену и философского вопроса, насколько этично выставлять цену любой, ведь сформированный ей спрос сам вознаградит или накажет бизнес. Невидимая рука рынка и все такое.
🚕 Но кто ж дочитает такой пост до конца, если не дать хорошую затравку. И вот вам затравка. Яндекс.Такси заказывали? Повышающий коэффициент ловили? Скажите мне спасибо :) Моя работа Chief DS’ом в Такси как раз приходится на время бурного развития там surge pricing, оно же - динамическое ценообразование. Мое подразделение не было единственным участником проекта, но об этом расскажу позже, а сейчас к делу.
- вам предлагают переставить пин в удобное для вас и водителя место,
- вы видите подсказки места назначения («точки Б»), чтобы не вбивать руками,
- вам сообщают, что если пройти 30 метров, поездка выйдет дешевле,
- вам показывают ETA - estimated time of arrival водителя, хотя водитель вам еще даже не назначен (тут тоже магия ML).
🫰Но самое главное - вам показывают цену (кстати фиксированную, а не по счетчику - тоже благодаря ML).
Так как же эту цену посчитать? Чтобы ответить на этот вопрос, нужно
В такси тоже есть свой «товар» - это поездки. Чтобы нужная вам поездка произошла, нужно, чтобы нашелся готовый ее исполнить водитель с машиной.
⏱️ Теперь я предлагаю взять небольшую паузу: напишите в комментах, как бы вы сами реализовали dynamic pricing в такси, с учетом сказанных выше вводных, а дальше я расскажу вам, как в свое время это сделали мы с коллегами :)