Zalando SE, uno de los mayores minoristas de moda en línea de Europa, está implementando un sofisticado algoritmo de precios basado en datos para optimizar sus estrategias de descuento. Con un servicio estimado de cerca de 50 millones de clientes activos, Zalando enfrenta el desafío de manejar precios variables para más de un millón de productos, un proceso crucial para maximizar ingresos y gestionar el inventario adecuado durante las temporadas.
Dado que muchos de los artículos se ordenan antes de la temporada y no se reponen después, una gestión óptima de descuentos permite evitar las situaciones de sobrestock y substock. La primera puede conducir a altos costes al final de la temporada, mientras que la segunda puede resultar en pérdidas de ventas a favor de competidores.
El enfoque desarrollado por Zalando, en colaboración con AWS Professional Services, se basa en un modelo «forecast-then-optimize» (predecir y luego optimizar). Esta solución incorporada en su plataforma utiliza modelos avanzados de aprendizaje automático para predecir la demanda de productos en función de diferentes escenarios de descuento, y ajusta los precios para maximizar el beneficio dentro de las limitaciones de negocio y stock.
El proceso se estructura en cuatro fases. La primera consiste en un pronóstico dependiente de descuentos, donde se evalúa qué cantidad de artículos se venderán en las próximas semanas con diferentes descuentos. Este análisis también considera tasas de devolución, costos de cumplimiento y el valor residual de los productos al finalizar la temporada. Con base en estas previsiones, se determinan los descuentos óptimos que luego son implementados o ajustados por los gerentes de precios, y se realiza una recopilación de datos para retroalimentar el modelo en futuros ciclos de previsión.
El sistema, al manejar volúmenes de datos vastos y complejos, requiere una infraestructura robusta que asegure la precisión y rapidez en la experimentación y la mejora continua de los modelos predictivos. Para ello, Zalando utiliza herramientas avanzadas como Amazon SageMaker para procesamiento y AWS Step Functions para orquestar flujos de trabajo de ML, asegurando una operación resiliente y fácilmente escalable.
El empleo de esta tecnología en Zalando no solo optimiza las decisiones de precios, sino que también habilita un entorno experimentacional cercano a la producción para los científicos aplicados, permitiéndoles probar y prototipar nuevos modelos de forma ágil. Este nuevo enfoque no solo proporciona un ahorro significativo de tiempo en tareas operativas y de mantenimiento, sino que también respalda la transición fluida desde la experimentación científica de datos hasta la comercialización de modelos, fortaleciendo su competitividad en el sector de la moda en línea.
vía: AWS machine learning blog
