在庫処分(AI)モデルとは?

在庫処分モデル(深層強化学習)とは、強化学習、特に深層強化学習(DQN:Deep Q Network)という手法を用いて自動的な価格の変更を可能にしているモデルです。DQNによって構成されたモデルによって、自動的な価格の変更を可能にしています。

本モデルでは”価格の特徴”に加え、さらに”販売の特徴”、”顧客アクセスの特徴”を商品の特徴とすることで商品を具体的に表現でき、より精度の良いモデルの構成を可能としています。

本モデルでは、商品に設定している上限金額と下限金額内で価格を導出するために上限金額と下限金額の間に複数の目盛りを作成し、作成した目盛りに価格を割り当てる.これを任意の商品数割り当てられます。

その後、商品の利益額算出、適正在庫数の算出、目標期日を算出することでどの価格で販売すれば最も多くの利益を得ることができ、かつ目標期日までに目標在庫を達成するするかを学習し、現在いる目盛りの価格からどのように行動すれば良いか(上の目盛りへ移動すべきか下の目盛りに移動すべきか現在の目盛りに留まるべきか)を判断し、離散的な状態遷移をしていきます。


throoughの機能一覧

機能1

処分したい在庫を期日までに段階的に値下げして、利益確保を目指します。

詳しくみる
機能2

ある一定期間売れていない商品を自動検知して値下げを行い、キャッシュフローの健全化を目指します。

詳しくみる
機能3

自社内在庫が残り僅かになったら、値段を上げて利益を確保します。

詳しくみる
機能4

機械学習の一種である「強化学習」を用いて、最適な価格を自動で探索し、利益の最大化を目指します。

詳しくみる
機能5

販売実績に連動して価格を上げ下げするモデルです。販売実績とは その期間の販売数 / 在庫のあった日数 として算出しています。また、在庫のあった日数が0日だった場合は価格の変更を行いません。

詳しくみる
機能6

利益実績に連動して価格を上げ下げするモデルです。利益実績とは その期間の利益額 / 在庫のあった日数 として算出しています。また、在庫のあった日数が0日だった場合は価格の変更を行いません。

詳しくみる
機能7

機械学習の一種である「強化学習」を用いて、最適な価格を自動で探索して、期日までの在庫処分と利益の確保を目指します。

詳しくみる