Promotheus：用于优化在线时尚电商降价促销的端到端机器学习框架

管理折扣促销活动（“markdown”，即降价促销）是电商业务运营的重要部分，此处的低效会显著损害零售商的盈利能力。解决该问题的传统方法严重依赖价格弹性建模。然而，价格弹性建模的部分信息性质，加上保护盈利能力这一不可推卸的责任，意味着机器学习从业者往往必须费很大力气来定义衡量离线模型质量的策略。面对这种情况，许多零售商退回到基于规则的方法，从而放弃了机器学习可获取的显著盈利提升。本文介绍了两种新颖的端到端降价管理系统，用于在零售商不同发展阶段优化降价。第一个系统“Ithax”在不进行需求估计的情况下实施理性的供给侧定价策略，可作为“冷启动”方案有用地部署，以在保持营收控制的同时收集降价数据。第二个系统“Promotheus”提出了带价格弹性的降价优化完整框架。我们详细描述了在我们的经验中对构建在真实世界中稳健运行的系统至关重要的特定建模与验证流程。在受控在线测试中，这两种降价系统相比我们经验丰富的运营团队所做的决策均实现了更优的盈利能力，相较人工策略分别提升86%（Promotheus）和79%（Ithax）。这些系统已部署于ASOS.com的降价管理，并且两者都可有效地部署于各类零售电商场景的价格优化。