分层和季节性产品的价格优化

Question

假设我能收集购买某一种不同市场层次的产品的需求。A产品是低端商品。B产品是另一种低端产品。产品C和D是中间层产品，E和F产品是高层次商品.

我们收集了以下一年的数据。哪个时间段(季节-节日)？(非节日？)不同层次的产品是否根据价格进行反应？反应是指产品在一定的价格范围内销售了多少%的产品。市场营销完成后，市场的反应有多快？营销于6月10日完成，产品在6月18日前全部售出，并将在7月份开始的节日季节销售(按该价格8天完成销售)。

从推荐的角度看，数据科学有什么好处?如果我们应该提前或晚些推出市场营销? 2。如果我们可以提高或降低价格？(根据需求和密封率？)

我是否理解数据科学能在这方面帮助市场营销者？如果我有兴趣了解它，我应该研究它的方向。

Answer 1

您应该能够使用线性回归找到导致您的产品销售更好(或更糟)的因素之间的相关性。

在这个数据集中，您可以测试许多相关性。一些例子是：

1. 如果一种产品被大力推销，它会卖得更快吗？
2. 如果一个低层项目是可用的，那么高层次商品的销量会减少吗？
3. 如果有多个高层次的商品可用，那么每件商品的销售量会减少吗？

请记住，相关性并不一定意味着因果关系。一定要考虑其他可能导致销售额上升和下降的因素。例如，在一个季节里，你可能会卖出比另一年更多的高级商品。但是，这可能是由于整体经济的变化，而不是你的价格变化。

您可以做的第二件事是在产品销售页面上执行A/B检验。这给了你清晰的反馈。一些示例测试可以是：

1. 向用户显示一个高层产品和一个低层产品(A).向用户展示两种高层次产品和无低层产品(B).哪一页能产生更多的收入？
2. 提前5天向一组用户(A)发送季节性销售的营销电子邮件。提前一天向不同的用户发送相同的电子邮件(B)。

有很多可能性。利用你的直觉，想想你以前对你的产品的认识。

Answer 2

这种类型的问题可以通过构建一个需求预测模型来回答，该模型使用产品属性(包括产品层)和营销活动作为输入特性。例如模型，然后可以用来做什么-如果分析不同的营销情景。增强决策树和LSTM经常用于实现这样的模型。详细描述该过程的一篇文章-- https://blog.griddynamics.com/predictive-analytics-for-promotion-and-price-optimization/