{"id":1677,"date":"2026-11-13T12:55:53","date_gmt":"2026-11-13T12:55:53","guid":{"rendered":"https:\/\/blackaha.com\/pricing-dictionary\/machine-learning\/"},"modified":"2026-11-15T15:31:23","modified_gmt":"2026-11-15T15:31:23","slug":"machine-learning","status":"publish","type":"page","link":"https:\/\/blackaha.com\/pl\/pricing-dictionary\/machine-learning\/","title":{"rendered":"Uczenie maszynowe"},"content":{"rendered":"<figure class=\"bl-illustration alignwide bl-dict-hero wp-block-blackaha-lens-illustration\"><svg class=\"bl-svg bl-svg--illustration\" focusable=\"false\" role=\"img\" aria-label=\"Rozproszone punkty danych z przechodz\u0105c\u0105 przez nie niebiesk\u0105 dopasowan\u0105 krzyw\u0105 i strza\u0142k\u0105 sprz\u0119\u017cenia zwrotnego wracaj\u0105c\u0105 do danych.\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewbox=\"0 0 480 320\">\n  <rect class=\"f-surface-alt\" width=\"480\" height=\"320\" rx=\"16\"\/>\n  <g class=\"s-line\" stroke-width=\"2\">\n    <line x1=\"64\" y1=\"252\" x2=\"360\" y2=\"252\"\/>\n    <line x1=\"64\" y1=\"252\" x2=\"64\" y2=\"56\"\/>\n  <\/g>\n  <g class=\"f-ink-soft\">\n    <circle cx=\"92\" cy=\"226\" r=\"6\"\/>\n    <circle cx=\"116\" cy=\"204\" r=\"6\"\/>\n    <circle cx=\"140\" cy=\"214\" r=\"6\"\/>\n    <circle cx=\"164\" cy=\"176\" r=\"6\"\/>\n    <circle cx=\"190\" cy=\"168\" r=\"6\"\/>\n    <circle cx=\"214\" cy=\"140\" r=\"6\"\/>\n    <circle cx=\"240\" cy=\"134\" r=\"6\"\/>\n    <circle cx=\"266\" cy=\"110\" r=\"6\"\/>\n    <circle cx=\"292\" cy=\"104\" r=\"6\"\/>\n    <circle cx=\"318\" cy=\"90\" r=\"6\"\/>\n    <circle cx=\"340\" cy=\"84\" r=\"6\"\/>\n  <\/g>\n  <path class=\"s-brand\" d=\"M84 232 C 150 196, 230 140, 348 80\" fill=\"none\" stroke-width=\"5\" stroke-linecap=\"round\"\/>\n  <rect class=\"f-brand-soft s-brand\" x=\"388\" y=\"112\" width=\"60\" height=\"60\" rx=\"12\" stroke-width=\"3\"\/>\n  <g class=\"f-brand\">\n    <circle cx=\"406\" cy=\"130\" r=\"5\"\/>\n    <circle cx=\"430\" cy=\"130\" r=\"5\"\/>\n    <circle cx=\"406\" cy=\"154\" r=\"5\"\/>\n    <circle cx=\"430\" cy=\"154\" r=\"5\"\/>\n  <\/g>\n  <path class=\"s-ink-soft\" d=\"M418 176 V276 H212 V264\" fill=\"none\" stroke-width=\"3\" stroke-linecap=\"round\" stroke-linejoin=\"round\"\/>\n  <path class=\"s-ink-soft\" d=\"M204 272 L212 262 L220 272\" fill=\"none\" stroke-width=\"3\" stroke-linecap=\"round\" stroke-linejoin=\"round\"\/>\n  <path class=\"s-ink-soft\" d=\"M352 96 L384 128\" stroke-width=\"3\" stroke-linecap=\"round\"\/>\n<\/svg><\/figure>\n\n\n<p class=\"wp-block-paragraph\">Uczenie maszynowe to dziedzina sztucznej inteligencji, w kt\u00f3rej oprogramowanie uczy si\u0119 wzorc\u00f3w z danych, by tworzy\u0107 prognozy lub podejmowa\u0107 decyzje, zamiast korzysta\u0107 z r\u0119cznie pisanych regu\u0142. W e-commerce i cenach s\u0142u\u017cy do prognozowania popytu, szacowania reakcji kupuj\u0105cych na cen\u0119 i rozpoznawania, kiedy dwie oferty dotycz\u0105 tego samego produktu.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Nauka na przyk\u0142adach zamiast regu\u0142<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Tradycyjna regu\u0142a cenowa mo\u017ce brzmie\u0107: je\u015bli konkurent zejdzie poni\u017cej nas, dopasuj si\u0119, ale nigdy nie schod\u017a poni\u017cej kosztu plus 15 procent. Ka\u017cdy warunek pisze cz\u0142owiek. Model uczenia maszynowego dostaje natomiast wiele przyk\u0142ad\u00f3w z przesz\u0142o\u015bci, np. ceny, daty, stany magazynowe i sprzeda\u017c, kt\u00f3ra po nich nast\u0105pi\u0142a, i dostraja swoje wewn\u0119trzne parametry, a\u017c jego prognozy dobrze pasuj\u0105 do tych przyk\u0142ad\u00f3w.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">W efekcie powstaje model, kt\u00f3ry potrafi przewidzie\u0107 wynik w nowej sytuacji, kt\u00f3rej dok\u0142adnie wcze\u015bniej nie widzia\u0142. Jego jako\u015b\u0107 zale\u017cy od tego, czy nowa sytuacja przypomina dane, na kt\u00f3rych si\u0119 uczy\u0142.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Po trenowaniu zwykle nast\u0119puje testowanie na danych, kt\u00f3rych model nie widzia\u0142. Cz\u0119ste podej\u015bcie polega na od\u0142o\u017ceniu ostatnich miesi\u0119cy, trenowaniu na wszystkim wcze\u015bniejszym i sprawdzeniu, jak dobrze model przewiduje od\u0142o\u017cony okres. Je\u015bli dok\u0142adno\u015b\u0107 gwa\u0142townie spada na niewidzianych danych, model nauczy\u0142 si\u0119 przesz\u0142o\u015bci zbyt dok\u0142adnie i nie b\u0119dzie uog\u00f3lnia\u0142.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">G\u0142\u00f3wne rodzaje uczenia<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li>Uczenie nadzorowane uczy si\u0119 na oznaczonych przyk\u0142adach, np. przesz\u0142ych cenach w parze ze sprzedanymi sztukami, i przewiduje etykiet\u0119 dla nowych przypadk\u00f3w.<\/li><li>Uczenie nienadzorowane odnajduje struktur\u0119 w nieoznaczonych danych, np. grupuj\u0105c klient\u00f3w lub produkty o podobnych zachowaniach.<\/li><li>Uczenie przez wzmacnianie pr\u00f3buje dzia\u0142a\u0144, obserwuje nagrod\u0119 i stopniowo preferuje dzia\u0142ania, kt\u00f3re si\u0119 op\u0142acaj\u0105 \u2013 to podej\u015bcie badane przy sekwencyjnych decyzjach cenowych.<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Wi\u0119kszo\u015b\u0107 praktycznych zastosowa\u0144 w handlu detalicznym to uczenie nadzorowane. Rodziny modeli si\u0119gaj\u0105 od prostej regresji liniowej po zespo\u0142y drzew decyzyjnych i sieci neuronowe. Prostszy model, kt\u00f3ry zesp\u00f3\u0142 rozumie, cz\u0119sto jest bardziej przydatny ni\u017c z\u0142o\u017cony, kt\u00f3rego nikt nie potrafi wyja\u015bni\u0107.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Typowe zastosowania w cenach i e-commerce<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li>Prognozowanie popytu do planowania zapas\u00f3w i promocji<\/li><li>Szacowanie elastyczno\u015bci cenowej produkt\u00f3w z wystarczaj\u0105co d\u0142ug\u0105 histori\u0105 sprzeda\u017cy<\/li><li>Dopasowanie produkt\u00f3w, by rozstrzygn\u0105\u0107, czy dwie oferty o r\u00f3\u017cnych tytu\u0142ach to ten sam produkt<\/li><li>Rekomendacje i ranking wyszukiwania na stronach sklepu<\/li><li>Wykrywanie oszustw przy kasie<\/li><li>Planowanie przecen towaru sezonowego<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Dopasowanie produkt\u00f3w pokazuje, jak ta technika \u0142\u0105czy si\u0119 z danymi o konkurencji. Por\u00f3wnuje si\u0119 tytu\u0142y, marki, numery modeli, zdj\u0119cia i atrybuty, a model ocenia, jak prawdopodobne jest, \u017ce dwie oferty dotycz\u0105 tego samego produktu. B\u0142\u0119dne dopasowanie prowadzi do b\u0142\u0119dnego por\u00f3wnania cen, dlatego dopasowania o niskiej pewno\u015bci zwykle sprawdza cz\u0142owiek.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Prognozowanie to cz\u0119sto naj\u0142atwiejszy punkt startu. Model przewiduj\u0105cy sprzeda\u017c sztuk ka\u017cdego produktu w przysz\u0142ym miesi\u0105cu sam nie zmienia \u017cadnej ceny, ale pomaga kupcom zamawia\u0107 towar, planowa\u0107 promocje i wychwytywa\u0107 produkty, kt\u00f3rych sprzeda\u017c odbiega od oczekiwa\u0144. Poniewa\u017c prognoz\u0119 mo\u017cna co tydzie\u0144 por\u00f3wna\u0107 z rzeczywisto\u015bci\u0105, zaufanie buduje si\u0119 krok po kroku.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Przyk\u0142ad: przewidywanie reakcji na cen\u0119<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Wyobra\u017a sobie na przyk\u0142ad sklep zoologiczny z dwuletnimi danymi dziennymi dla worka karmy dla psa: w\u0142asn\u0105 cen\u0105, najni\u017csz\u0105 \u015bledzon\u0105 cen\u0105 konkurenta, dniem tygodnia, sezonem i liczb\u0105 sprzedanych sztuk. Model wytrenowany na tych danych mo\u017ce oszacowa\u0107, \u017ce przy cenie 52 dolar\u00f3w, gdy konkurenci s\u0105 na poziomie 50, sklep sprzedaje oko\u0142o 30 work\u00f3w dziennie, a przy 49 dolarach oko\u0142o 38 work\u00f3w. W po\u0142\u0105czeniu z kosztem jednostkowym te szacunki pozwalaj\u0105 zespo\u0142owi por\u00f3wna\u0107 oczekiwany zysk przy ka\u017cdej cenie.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Szacunki obowi\u0105zuj\u0105 tylko w zakresie, kt\u00f3ry model widzia\u0142. Je\u015bli sklep nigdy nie \u017c\u0105da\u0142 wi\u0119cej ni\u017c 55 dolar\u00f3w, prognoza dla 65 dolar\u00f3w to zgadywanie przebrane za liczb\u0119. Dobra praktyka to ostro\u017cne testowanie nowych poziom\u00f3w cen i wprowadzanie wynik\u00f3w z powrotem do danych.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Najpierw dane<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Model jest tak dobry jak jego dane wej\u015bciowe. Brakuj\u0105ce dni, ceny zapisane w z\u0142ej walucie, braki towaru wygl\u0105daj\u0105ce jak niski popyt i nieoznaczone promocje \u2013 wszystko to uczy model z\u0142ej lekcji. Czyszczenie i oznaczanie danych zwykle wymaga wi\u0119cej pracy ni\u017c samo trenowanie modelu.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ceny konkurencji to cz\u0119ste dane wej\u015bciowe i wymagaj\u0105 takiej samej staranno\u015bci. D\u0142ugi, sp\u00f3jny zapis cen i dost\u0119pno\u015bci u konkurencji, np. taki, jaki prowadzi <a href=\"\/pl\/features\/price-history\/\">historia cen<\/a>, daje ka\u017cdej analizie \u2013 czy to w arkuszu, czy w modelu \u2013 bardziej wiarygodn\u0105 podstaw\u0119.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ryzyka i ograniczenia<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li>Nadmierne dopasowanie (overfitting), gdy model zapami\u0119tuje szum z przesz\u0142o\u015bci i s\u0142abo przewiduje na nowych danych<\/li><li>P\u0119tle sprz\u0119\u017cenia zwrotnego, gdy kilka zautomatyzowanych system\u00f3w reaguje na siebie nawzajem, a ceny dryfuj\u0105<\/li><li>Nieprzejrzyste decyzje, kt\u00f3rych personel nie potrafi wyja\u015bni\u0107 klientom ani regulatorom<\/li><li>Stronniczo\u015b\u0107, je\u015bli dane lub cechy prowadz\u0105 do niesprawiedliwych wynik\u00f3w dla grup klient\u00f3w<\/li><li>Dryf koncepcji, gdy zachowanie rynku si\u0119 zmienia, a stary model nadal dzia\u0142a wed\u0142ug nieaktualnych wzorc\u00f3w<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Przepisy dotycz\u0105ce zautomatyzowanych decyzji, danych osobowych i cen r\u00f3\u017cni\u0105 si\u0119 w zale\u017cno\u015bci od kraju. Wykorzystywanie danych osobowych do ustalania indywidualnych cen mo\u017ce rodzi\u0107 pytania prawne i etyczne, dlatego przed takim krokiem warto zasi\u0119gn\u0105\u0107 porady eksperta prawnego.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Odpowiedzialne korzystanie z uczenia maszynowego<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Niech granice pozostan\u0105 w r\u0119kach ludzi. Ceny minimalne, maksymalne i maksymalne dzienne zmiany powinna ustala\u0107 firma i powinny by\u0107 egzekwowane niezale\u017cnie od tego, co sugeruje dowolny model. Zacznij od prognoz wspieraj\u0105cych decyzj\u0119, a nie od modeli bezpo\u015brednio zmieniaj\u0105cych ceny, monitoruj dok\u0142adno\u015b\u0107 wzgl\u0119dem tego, co faktycznie si\u0119 dzieje, i trenuj modele ponownie lub je wycofuj, gdy ich b\u0142\u0105d ro\u015bnie.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Pomaga te\u017c por\u00f3wnywanie ka\u017cdego modelu z prostym punktem odniesienia, np. sprzeda\u017c\u0105 z tego samego tygodnia w zesz\u0142ym roku lub \u015bredni\u0105 ruchom\u0105. Je\u015bli zaawansowany model nie potrafi wyra\u017anie pobi\u0107 tego punktu odniesienia, dodatkowa z\u0142o\u017cono\u015b\u0107 si\u0119 nie op\u0142aca. Dokumentuj, co robi ka\u017cdy model, z jakich danych korzysta i kto za niego odpowiada, by decyzje pozosta\u0142y mo\u017cliwe do prze\u015bledzenia po zmianach w zespole.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Kluczowe wnioski<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li>Uczenie maszynowe uczy si\u0119 wzorc\u00f3w z danych zamiast dzia\u0142a\u0107 wed\u0142ug r\u0119cznie pisanych regu\u0142.<\/li><li>W e-commerce wspiera prognozowanie popytu, szacowanie reakcji na cen\u0119 i dopasowanie produkt\u00f3w.<\/li><li>Prognozy s\u0105 wiarygodne tylko w zakresie sytuacji, kt\u00f3re model widzia\u0142.<\/li><li>Czyste, sp\u00f3jne dane, w tym ceny konkurencji, s\u0105 wa\u017cniejsze ni\u017c z\u0142o\u017cono\u015b\u0107 modelu.<\/li><li>Ka\u017cd\u0105 zautomatyzowan\u0105 decyzj\u0119 powinny ogranicza\u0107 ustalone przez firm\u0119 ceny minimalne i maksymalne oraz kontrola cz\u0142owieka.<\/li><\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Najcz\u0119\u015bciej zadawane pytania<\/h2>\n\n\n\n<details class=\"wp-block-details is-style-faq is-layout-flow wp-block-details-is-layout-flow\"><summary>Czy uczenie maszynowe to to samo co sztuczna inteligencja?<\/summary>\n<p class=\"wp-block-paragraph\">Uczenie maszynowe to jedna z cz\u0119\u015bci sztucznej inteligencji. AI to szeroka dziedzina, kt\u00f3ra sprawia, \u017ce oprogramowanie wykonuje zadania wygl\u0105daj\u0105ce na inteligentne, a uczenie maszynowe to podej\u015bcie polegaj\u0105ce na uczeniu si\u0119 tych umiej\u0119tno\u015bci z danych.<\/p>\n<\/details>\n\n\n\n<details class=\"wp-block-details is-style-faq is-layout-flow wp-block-details-is-layout-flow\"><summary>Czy do dobrego ustalania cen potrzebuj\u0119 uczenia maszynowego?<\/summary>\n<p class=\"wp-block-paragraph\">Nie. Dla wielu sklep\u00f3w dobrze sprawdzaj\u0105 si\u0119 jasne regu\u0142y oparte na koszcie, docelowej mar\u017cy i cenach konkurencji. Uczenie maszynowe pomaga najbardziej, gdy produkt\u00f3w jest wiele, historii du\u017co, a wzorce s\u0105 zbyt z\u0142o\u017cone dla prostych regu\u0142.<\/p>\n<\/details>\n\n\n\n<details class=\"wp-block-details is-style-faq is-layout-flow wp-block-details-is-layout-flow\"><summary>Ile danych potrzebuje model cenowy?<\/summary>\n<p class=\"wp-block-paragraph\">Nie ma sta\u0142ej liczby. Model potrzebuje wystarczaj\u0105co d\u0142ugiej historii z rzeczywistymi zmianami cen, by zobaczy\u0107, jak reaguje popyt. Produkty, kt\u00f3rych cena nigdy si\u0119 nie zmieni\u0142a, nie daj\u0105 modelowi niczego, z czego m\u00f3g\u0142by si\u0119 nauczy\u0107 reakcji na cen\u0119.<\/p>\n<\/details>\n\n\n\n<h2 class=\"wp-block-heading\">Powi\u0105zane poj\u0119cia<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"\/pl\/pricing-dictionary\/monadic-testing\/\">Testy monadyczne<\/a><\/li><li><a href=\"\/pl\/pricing-dictionary\/ab-testing\/\">Testy A\/B<\/a><\/li><li><a href=\"\/pl\/pricing-dictionary\/price-testing-methods\/\">Metody testowania cen<\/a><\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">W BlackAha, <a href=\"\/pl\/features\/smart-price\/\">Smart Price<\/a> pomaga uzyska\u0107 rekomendowan\u0105 cen\u0119 sprzeda\u017cy dla ka\u017cdego produktu na podstawie cen konkurencji i rynku.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"\/pl\/pricing-dictionary\/\">Wr\u00f3\u0107 do S\u0142ownika cen<\/a><\/p>","protected":false},"excerpt":{"rendered":"<p>Machine learning is a branch of artificial intelligence in which software learns patterns from data to make predictions or decisions, not hand-written rules. In e-commerce and pricing it is used to forecast demand, estimate how buyers respond to price and recognise when two listings are the same product. Learning from examples instead of rules A [&hellip;]<\/p>\n","protected":false},"author":0,"featured_media":0,"parent":1276,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-1677","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/pages\/1677","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/types\/page"}],"replies":[{"embeddable":true,"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/comments?post=1677"}],"version-history":[{"count":1,"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/pages\/1677\/revisions"}],"predecessor-version":[{"id":1792,"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/pages\/1677\/revisions\/1792"}],"up":[{"embeddable":true,"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/pages\/1276"}],"wp:attachment":[{"href":"https:\/\/blackaha.com\/pl\/wp-json\/wp\/v2\/media?parent=1677"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}