EPISODE · Jan 27, 2023 · 1H 39M
№27: ML в e-commerce для ціноутворення
from Опівночні Балачки · host Денис, Ігор, Саша
🔞 Тут будуть матюки 🔞 В гостях – Дмитро Ткаченко Робочі посилання і коментарі в каналі https://t.me/midnight_chatter 0:00-0:30 Дисклеймер 0:30-2:05 Книга з Амазона за 23 млн $. Про що цей епізод 2:05-5:20 Динаміка E-commerce останніми роками 5:20-11:36 E-commerce агрегатори: що це і як вони працюють? 11:36-14:28 Як агрегатори обирають, які бізнеси придбати? Тех нічні виклики аналітики 14:28-20:56 Як нам визначити, за якою ціною продавати наш продукт: базові економічні матерії 20:56-23:22 Про що мовчить базова модель: зміни реального світу з часом та поведінкова економіка 23:22-28:44 Як максимізувати прибуток? Відповідь зарита десь у еластичності попиту, але спочатку визначимо, що це таке. Еластичні і нееластичні товари 28:44-32:24 Але як порахувати еластичність попиту? Чому просту теоретичну формулу не так-то і просто обрахувати на практиці? 32:24-36:26 Отримуємо дані для обрахування еластичності: A/B тести і "натуральні" експерименти. Агрегація сигналів по товарам тієї ж категорії 36:26-38:40 Знову про економічну теорію: що таке крос-еластичність 38:40-48:17 Розчехляємо ML: чим корисні CV і NLP для цих задач? Моделюємо еластичність попиту. Лінійна регресія. Causal inference. Confounding factors 48:17-1:00:20 Fixed effects model. Demeaning / log-трансформації. Як від коефіцієнтів моделі переходимо до еластичності попиту 1:00:20-1:09:20 От порахували ми еластичність попиту, що далі? Визначення оптимальної ціни. І як для різних обставин ми маємо різні точки оптимальності 1:09:20-1:10:00 Інтерлюдія про посилання, що можна знайти в нашому телеграмі 1:10:00-1:22:08 Як визначати якість наших моделей? Хитрощі для проведення A/B тестів з цінами 1:22:08-1:29:10 2х ступеневий підхід для кейсів, коли даних недостатньо, а вирахувати еластичність хочеться – R-learner підхід 1:29:10-1:31:15 Аномальність історичних даних останніми роками 1:31:15-1:34:20 Чому варто почитати оригінальні пейпери? 1:34:20-1:36:47 Outro 1:36:49-1:39:39 Post-credits: підручник дрозофіл за 23 млн $ Долучайтесь: https://t.me/midnight_chatter Twitter @O_Balachky TikTok @o_balachky Музика: https://www.streambeats.com/ | @stasgavrylov
What this episode covers
🔞 Тут будуть матюки 🔞 В гостях – Дмитро Ткаченко Робочі посилання і коментарі в каналі https://t.me/midnight_chatter 0:00-0:30 Дисклеймер 0:30-2:05 Книга з Амазона за 23 млн $. Про що цей епізод 2:05-5:20 Динаміка E-commerce останніми роками 5:20-11:36 E-commerce агрегатори: що це і як вони працюють? 11:36-14:28 Як агрегатори обирають, які бізнеси придбати? Тех нічні виклики аналітики 14:28-20:56 Як нам визначити, за якою ціною продавати наш продукт: базові економічні матерії 20:56-23:22 Про що мовчить базова модель: зміни реального світу з часом та поведінкова економіка 23:22-28:44 Як максимізувати прибуток? Відповідь зарита десь у еластичності попиту, але спочатку визначимо, що це таке. Еластичні і нееластичні товари 28:44-32:24 Але як порахувати еластичність попиту? Чому просту теоретичну формулу не так-то і просто обрахувати на практиці? 32:24-36:26 Отримуємо дані для обрахування еластичності: A/B тести і "натуральні" експерименти. Агрегація сигналів по товарам тієї ж категорії 36:26-38:40 Знову про економічну теорію: що таке крос-еластичність 38:40-48:17 Розчехляємо ML: чим корисні CV і NLP для цих задач? Моделюємо еластичність попиту. Лінійна регресія. Causal inference. Confounding factors 48:17-1:00:20 Fixed effects model. Demeaning / log-трансформації. Як від коефіцієнтів моделі переходимо до еластичності попиту 1:00:20-1:09:20 От порахували ми еластичність попиту, що далі? Визначення оптимальної ціни. І як для різних обставин ми маємо різні точки оптимальності 1:09:20-1:10:00 Інтерлюдія про посилання, що можна знайти в нашому телеграмі 1:10:00-1:22:08 Як визначати якість наших моделей? Хитрощі для проведення A/B тестів з цінами 1:22:08-1:29:10 2х ступеневий підхід для кейсів, коли даних недостатньо, а вирахувати еластичність хочеться – R-learner підхід 1:29:10-1:31:15 Аномальність історичних даних останніми роками 1:31:15-1:34:20 Чому варто почитати оригінальні пейпери? 1:34:20-1:36:47 Outro 1:36:49-1:39:39 Post-credits: підручник дрозофіл за 23 млн $ Долучайтесь: https://t.me/midnight_chatter Twitter @O_Balachky TikTok @o_balachky Музика: https://www.streambeats.com/ | @stasgavrylov
NOW PLAYING
№27: ML в e-commerce для ціноутворення
No transcript for this episode yet
Similar Episodes
Mar 8, 2024 ·43m
Feb 23, 2024 ·51m
Feb 2, 2024 ·63m
Dec 22, 2023 ·62m
Dec 7, 2023 ·27m
Oct 28, 2023 ·30m