Динамическое ценообразование для системы Crypto.tickets

Динамическое ценообразование - это услуга, основанная на алгоритмах искусственного интеллекта, которая позволяет увеличить прибыль с продажи билетов через систему Crypto.tickets.

Использование системы ценообразования доступно в двух основных вариантах, которые можно использовать совместно:

  • Предложение стартовых цен на каждое фиксированное место доступное на мероприятии для тех типов мероприятий, где есть места дифференцируемые между друг другом (театр, концерт в помещении, спортивный матч и тд)
  • Динамическое изменение цен на билеты в течении времени их продажи с целью максимизации общей прибыли от продажи билетов.

Системы ценообразования использует следующую информацию:

  • Исторические, детальные, данные по продажам билетов на те или иные типы мероприятий и конкретных площадок

Обширную сегментацию использующую, в том числе внешнюю, информацию по:

  • Типам мероприятий
  • Типам площадок
  • Историческим ценам на билеты по похожим эвентам
  • Пользовательскую сегментацию

Изменение спроса в зависимости от:

  • Изменения цен на разные сегменты билетов

Маркетинговой активности организаторов:

  • О планах по изменению цен на билеты

  • По запуску маркетинговых кампаний (рекламы)

  • Конкуренции между различными мероприятиями

  • Стадии жизненного цикла продажи билетов на мероприятие (начало или конец продаж)

Информацию по ограничениям вводимым организаторам мероприятия:

  • Минимальная и максимальная цена на те или иные билеты

  • По заполненности мероприятия

  • По прибыли от мероприятия

  • Возможные ограничения на частоту и величину изменения цен

Построенная модель ценообразования использует алгоритмы обучения с подкреплением (deep reinforcement learning) при предложении цен на билеты в зависимости от текущей ситуации. Модель предлагает такие изменения, которые максимизируют функционал прибыли по факту окончания продаж билетов на мероприятие.

Если подробнее, то используется модель Deep Reinforcement Learning (Q-learning, где Q - функция предсказания прибыли от продажи билетов в зависимости от выбранной стратегии ценообразования) адаптированная под непрерывные действия (continuous states and actions). Q-функция представляет собой:

Screen Shot 2017-10-02 at 11.01.19.png

Остальные детали (структура нейросети, особенности обучения) являются коммерческим секретом.

Общая схема применения модели ценообразования следующая:

Screen Shot 2017-10-02 at 11.01.32.png

Чтобы узнать больше о нашем проекте, изучите материалы и ссылки ниже:
Crypto.tickets
Whitepaper
Facebook

icoблокчейнбилетыэфирбиткоин
25%
8
39
1.013 GOLOS
0
В избранное
crypto.tickets
На Golos с 2017 M08
39
0

Зарегистрируйтесь, чтобы проголосовать за пост или написать комментарий

Авторы получают вознаграждение, когда пользователи голосуют за их посты. Голосующие читатели также получают вознаграждение за свои голоса.

Зарегистрироваться
Комментарии (3)
Сортировать по:
Сначала старые