Atlas 앱 서비스 및 서버리스 기능으로 실시간 분석을 오케스트레이션하여 동적 가격 책정 전략을 즉시 만들 수 있습니다.
산업: 소매
제품: 집계 파이프라인, Atlas Triggers, Atlas 기능, Atlas Charts
파트너: Databricks
솔루션 개요
적합한 기술 스택과 함께 실시간 분석 솔루션을 배포하면 소매 가격 책정 전략을 혁신할 수 있습니다. 소매업체는 가치 기반 가격 책정을 통해 브랜드 이름을 높이고 고객 경험을 개선하는 동시에 경쟁력과 비용 효율성을 유지하고자 합니다.
실시간 가격 책정 전략을 통해 기업은 재고, 마케팅 성과, 지역 및 디지털 트렌드와 같은 다양한 시스템에서 데이터 포인트를 활용하여 디지털 가격 태그를 지정하다 온라인에서 매장 모두에서 제품 가격을 즉석에서 변경할 수 있습니다. 과잉 재고 또는 새로운 프로모션에 대응하여 가격을 동적으로 낮추거나 수동 개입 없이 트렌드에 대한 가격을 인상한다고 상상해 보십시오.
"데이터 기반" 운영이 되려는 야망에도 불구하고 기업은 실시간 분석을 수행하는 데 어려움을 겪기 때문에 노력에 실패하는 경우가 많습니다.
이 데모를 마치면 Databricks 모델 구축 및 배포 기능 외에도 MongoDB Atlas 앱 서비스를 활용하여 실시간 이벤트 데이터로 데이터 기반 전략을 추진하는 방법을 자세히 살펴볼 수 있습니다.
기타 적용 가능한 산업 및 사용 사례
운송: 항공사, 택시 및 승차 공유 서비스와 같은 운송 회사는 실시간 가격 책정을 사용하여 수요, 공급 및 외부 이벤트와 같은 요인에 따라 요금을 조정할 수 있습니다. 이를 통해 수익을 최적화하고 피크 시간이나 특별한 경우에 승객 수요를 관리할 수 있습니다.
통신: 통신사는 데이터 요금제, 국제 전화 및 로밍 요금에 실시간 가격을 적용할 수 있습니다. 네트워크 용량과 수요에 따라 가격을 조정하여 트래픽을 관리하고 최적의 서비스 수준을 보장할 수 있습니다.
보험: 보험 회사는 종량제 또는 종량제와 같은 사용량 기반 보험 상품에 대한 실시간 가격 책정을 구현할 수 있습니다. 보험료는 실제 고객 행동이나 위험 요인에 따라 조정될 수 있습니다.
참조 아키텍처
그림 1 동적 가격 책정 참조 아키텍처
데이터 모델 접근 방식
이벤트 기반 아키텍처는 매우 간단합니다. 사용자가 전자상거래 사이트에서 수행할 수 있는 네 가지 이벤트로만 구성됩니다.
event_type | description |
---|---|
"view" | 고객이 제품 상세 페이지에서 제품을 봅니다. |
"카트" | 고객이 장바구니에 제품을 추가합니다. |
"remove_from_cart" | 고객이 장바구니에서 제품을 제거합니다. |
"구매" | 고객이 특정 제품의 거래를 완료합니다. |
이벤트 스키마
{ "_id": { "$oid": "63c557ddcc552f591375062d" }, "event_time": { "$date": { "$numberLong": "1572566410000" } }, "event_type": "view", "product_id": "5837166", "category_id": "1783999064103190764", "brand": "pnb", "price": 22.22, "user_id": "556138645", "user_session": "57ed222e-a54a-4907-9944-5a875c2d7f4f" }
구매 로그
{ "_id": { "$numberInt": "5837183" }, "product_id": { "$numberInt": "5837183" }, "event_time": [ "2023-05-17" ], "price": [ { "$numberDouble": "6.4" } ], "brand": [ "runail" ], "category_code": [], "total_sales": [ { "$numberLong": "101" } ], "revenue": [ { "$numberDouble": "646.4000000000001" } ] “price_elasticity”: [ { “$numberDouble”:”-20.667872769488664” } ] }
솔루션 구축
이 단계별 가이드를 따라 MongoDB App Services의 트리거와 서버리스 함수, 그리고 Databricks를 활용해 MongoDB Atlas를 오케스트레이션하고, 소매 업계를 위한 실시간 분석 및 가격 책정 솔루션을 구축하는 방법을 알아보세요.
데이터 수집
GitHub 저장소에는 eventsGenerator 디렉토리가 포함되어 있으며 이 디렉토리에서 generator.py 파일을 찾을 수 있습니다. 연결 문자열, 데이터베이스, 컬렉션 매개변수를 사용해 파일을 편집하여 전자 상거래 상점에서 실시간으로 발생하는 구매 이벤트를 시뮬레이션하세요.
데이터 변환
이 GitHub 디렉토리 에서는 트리거 및 함수를 사용하여 다음을 수행하는 방법에 대한 지침을 찾을 수 있습니다.
컬렉션의 각 제품에 대한 과거 구매 로그를 계산합니다.
Databricks에 배포된 엔드포인트로 HTTP POST 요청을 전송합니다.
머신 러닝/AI
이 GitHub 폴더에는 Databricks 노트북에서 실행 테스트 코드가 있습니다. 이 코드는 제품별 구매 로그 입력으로 수신하고 출력으로 가격 탄력성을 제공하는 제품별 수요의 가격 탄력성에 대한 간단한 계산을 계산합니다.
주요 학습 사항
데이터 변환: 원시 데이터를 보다 유용한 형식 또는 구조로 변환하는 것의 중요성을 인식합니다. 이 프로젝트에서 트리거 및 함수는 과거 구매 로그를 계산하고 Databricks와 같은 외부 시스템으로 데이터를 보내는 데 사용됩니다.
서버리스 아키텍처: 전용 서버 없이도 데이터 변경에 자동으로 응답하고 사전 정의된 작업을 실행할 수 있는 서버리스 기능 및 트리거의 이점과 작동 방식에 대한 통찰력을 얻습니다.
실시간 데이터 처리: 특히 소매 산업처럼 시의적절한 인사이트가 동적 가격 책정 등 즉각적인 조치로 이어질 수 있는 환경에서는, 실시간 데이터 처리의 중요성과 그 메커니즘을 이해하는 것이 중요합니다.