定价与经销商分析

Automotive Parts Dynamic Pricing

汽车配件动态定价与库存

在毛利底线、缺货风险与人工审批约束下，为跨区域、跨客户层级（零售 / 经销 / 车队）的每个 SKU，定出最符合经营目标（利润 / 营收 / 去库存）的价格。

关键指标

3,000 SKU

× 4 区域 × 3 客户层 × 104 周（合成）

31 个价格

每个 SKU 模拟的候选价格

9 条护栏

毛利底线、MAP、层级阶梯、审批…

6 个模块

中英文双语看板

系统不是预测“一个零件值多少钱”，而是预测每个候选价格下能卖出多少件，再在约束下挑出最符合经营目标的价格。

配件零售商要管理跨区域、跨客户层级（零售 / 经销 / 车队）的成千上万个 SKU。静态定价让毛利白白流失，被动跟随竞品又侵蚀盈利。系统在毛利、库存健康、层级一致性与竞争定位之间做平衡。

1.带外生价格扰动的合成数据（成本变动、区域测试、层级折扣），让弹性可被可信估计，而非内生
2.特征工程 — SKU×区域×客户层内的滞后特征（1/2/4/13 周）、季节性、价格比
3.需求模型 — HistGradientBoosting vs Ridge 与 Seasonal-Naive 基线（MAE / RMSE / WAPE / RMSLE / 偏差）
4.弹性 — 对价格测试样本做 log-log 模型，向全局先验收缩；范围 −3.0 至 −0.1
5.优化 — 4 个目标 × 每个 SKU 31 个候选价格，逐一过需求模型模拟
6.护栏 — 9 条业务规则（毛利底线、MAP、层级阶梯、缺货保护、价格取整、审批）
7.回测与回滚 — 在留出期对比现价 / 成本加成 / 竞品匹配 / 动态定价

Executive Overview

营收、毛利、模型化利润提升、需求模型质量，以及建议分布。

Elasticity Explorer

按品类 × 客户层的价格敏感度，含 log-log 回归与置信度收缩逻辑。

SKU Decision Workbench

单个零件：现价 vs 建议价、原因、价格→销量→利润曲线、联动库存行动。

Recommendation Queue

可筛选的审核队列——批准、覆盖价格、申请补货/调拨、暂停或加备注；决策会记录到可下载的 CSV。

Inventory Control Tower

缺货风险、积压/淘汰库存，以及建议补货动作。

Methodology & Guardrails

9 条护栏、建模流程、架构图与局限说明。