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:

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

Общая схема применения модели ценообразования следующая:

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