แมชชีนเลิร์นนิง (Machine Learning)

แมชชีนเลิร์นนิงเป็นสาขาหนึ่งของปัญญาประดิษฐ์ ซึ่งซอฟต์แวร์เรียนรู้รูปแบบจากข้อมูลเพื่อทำนายหรือตัดสินใจ แทนการใช้กฎที่คนเขียนขึ้น ในอีคอมเมิร์ซและการตั้งราคา ใช้เพื่อพยากรณ์อุปสงค์ ประเมินว่าผู้ซื้อตอบสนองต่อราคาอย่างไร และจดจำได้ว่ารายการสินค้าสองรายการเป็นสินค้าเดียวกัน

เรียนรู้จากตัวอย่างแทนกฎ

กฎการตั้งราคาแบบดั้งเดิมอาจระบุว่า หากคู่แข่งตั้งราคาต่ำกว่าเรา ให้ตั้งราคาเท่า แต่ห้ามต่ำกว่าต้นทุนบวก 15 เปอร์เซ็นต์ ทุกเงื่อนไขเขียนโดยคน ส่วนแบบจำลองแมชชีนเลิร์นนิงจะได้รับตัวอย่างในอดีตจำนวนมาก เช่น ราคา วันที่ ระดับสต็อก และยอดขายที่ตามมา แล้วปรับพารามิเตอร์ภายในจนการทำนายสอดคล้องกับตัวอย่างเหล่านั้นได้ดี

ผลลัพธ์คือแบบจำลองที่ทำนายสถานการณ์ใหม่ที่ไม่เคยเห็นแบบเดียวกันมาก่อนได้ คุณภาพของมันขึ้นอยู่กับว่าสถานการณ์ใหม่คล้ายกับข้อมูลที่เรียนรู้มาหรือไม่

หลังการฝึกมักตามด้วยการทดสอบกับข้อมูลที่แบบจำลองไม่เคยเห็น วิธีที่พบบ่อยคือกันข้อมูลเดือนล่าสุดไว้ ฝึกด้วยข้อมูลทั้งหมดก่อนหน้านั้น แล้วตรวจว่าแบบจำลองทำนายช่วงที่กันไว้ได้ดีเพียงใด หากความแม่นยำลดลงมากกับข้อมูลที่ไม่เคยเห็น แสดงว่าแบบจำลองเรียนรู้อดีตแนบชิดเกินไปและจะใช้กับกรณีทั่วไปไม่ได้

ประเภทหลักของการเรียนรู้

  • การเรียนรู้แบบมีผู้สอนเรียนรู้จากตัวอย่างที่มีป้ายกำกับ เช่น ราคาในอดีตที่จับคู่กับจำนวนที่ขายได้ แล้วทำนายป้ายกำกับสำหรับกรณีใหม่
  • การเรียนรู้แบบไม่มีผู้สอนค้นหาโครงสร้างในข้อมูลที่ไม่มีป้ายกำกับ เช่น การจัดกลุ่มลูกค้าหรือสินค้าที่มีพฤติกรรมคล้ายกัน
  • การเรียนรู้แบบเสริมกำลังทดลองการกระทำ สังเกตผลตอบแทน และค่อยๆ เลือกการกระทำที่ให้ผลดี ซึ่งเป็นแนวทางที่มีการศึกษาสำหรับการตัดสินใจด้านราคาแบบต่อเนื่องเป็นลำดับ

การใช้งานจริงในธุรกิจค้าปลีกส่วนใหญ่เป็นแบบมีผู้สอน กลุ่มแบบจำลองมีตั้งแต่การถดถอยเชิงเส้นอย่างง่าย ไปจนถึงกลุ่มต้นไม้ตัดสินใจและโครงข่ายประสาทเทียม แบบจำลองที่เรียบง่ายกว่าซึ่งทีมเข้าใจ มักมีประโยชน์มากกว่าแบบจำลองซับซ้อนที่ไม่มีใครอธิบายได้

การใช้งานที่พบบ่อยในการตั้งราคาและอีคอมเมิร์ซ

  • การพยากรณ์อุปสงค์ เพื่อวางแผนสต็อกและโปรโมชัน
  • การประเมินความยืดหยุ่นของอุปสงค์ต่อราคาสำหรับสินค้าที่มีประวัติการขายเพียงพอ
  • การจับคู่สินค้า เพื่อตัดสินว่ารายการสองรายการที่ชื่อต่างกันเป็นสินค้าเดียวกันหรือไม่
  • การแนะนำสินค้าและการจัดอันดับผลการค้นหาบนหน้าร้าน
  • การคัดกรองการฉ้อโกงตอนชำระเงิน
  • การวางแผนลดราคาสำหรับสินค้าตามฤดูกาล

การจับคู่สินค้าแสดงให้เห็นว่าเทคนิคนี้ทำงานร่วมกับข้อมูลคู่แข่งอย่างไร ชื่อสินค้า แบรนด์ หมายเลขรุ่น รูปภาพ และคุณลักษณะจะถูกนำมาเปรียบเทียบ แล้วแบบจำลองให้คะแนนว่ารายการทั้งสองมีแนวโน้มเป็นสินค้าเดียวกันมากเพียงใด การจับคู่ผิดนำไปสู่การเปรียบเทียบราคาที่ผิด การจับคู่ที่มีความมั่นใจต่ำจึงมักให้คนตรวจทาน

การพยากรณ์มักเป็นจุดเริ่มต้นที่ง่ายที่สุด แบบจำลองที่ทำนายจำนวนขายของสินค้าแต่ละรายการในเดือนหน้าไม่ได้เปลี่ยนราคาใดๆ ด้วยตัวเอง แต่ช่วยฝ่ายจัดซื้อสั่งสต็อก วางแผนโปรโมชัน และสังเกตสินค้าที่ยอดขายเริ่มเบี่ยงจากที่คาดไว้ เนื่องจากตรวจสอบการพยากรณ์กับความเป็นจริงได้ทุกสัปดาห์ ความไว้วางใจจึงค่อยๆ ก่อตัวขึ้นทีละขั้น

ตัวอย่าง: การทำนายการตอบสนองต่อราคา

ลองนึกถึงตัวอย่างร้านอุปกรณ์สัตว์เลี้ยงที่มีข้อมูลรายวันสองปีของอาหารสุนัขหนึ่งถุง: ราคาของร้านเอง ราคาต่ำสุดของคู่แข่งที่ติดตาม วันในสัปดาห์ ฤดูกาล และจำนวนที่ขายได้ แบบจำลองที่ฝึกด้วยข้อมูลนี้อาจประเมินว่าที่ราคา 52 ดอลลาร์ ขณะที่คู่แข่งอยู่ที่ 50 ร้านขายได้ราว 30 ถุงต่อวัน และที่ราคา 49 ดอลลาร์ขายได้ราว 38 ถุง เมื่อรวมกับต้นทุนต่อหน่วย ค่าประมาณเหล่านี้ช่วยให้ทีมเปรียบเทียบกำไรที่คาดหวังในแต่ละระดับราคาได้

ค่าประมาณใช้ได้เฉพาะในช่วงที่แบบจำลองเคยเห็นเท่านั้น หากร้านไม่เคยตั้งราคาเกิน 55 ดอลลาร์ การทำนายที่ 65 ดอลลาร์ก็เป็นการเดาที่แต่งตัวให้ดูเป็นตัวเลข แนวปฏิบัติที่ดีคือทดสอบระดับราคาใหม่อย่างระมัดระวัง แล้วป้อนผลลัพธ์กลับเข้าไปในข้อมูล

ข้อมูลต้องมาก่อน

แบบจำลองดีได้เท่ากับข้อมูลนำเข้าเท่านั้น วันที่ขาดหายไป ราคาที่บันทึกผิดสกุลเงิน สินค้าหมดสต็อกที่ดูเหมือนอุปสงค์ต่ำ และโปรโมชันที่ไม่ได้ทำเครื่องหมายไว้ ล้วนสอนบทเรียนผิดๆ ให้แบบจำลอง การทำความสะอาดและติดป้ายกำกับข้อมูลมักใช้ความพยายามมากกว่าการฝึกแบบจำลองเสียอีก

ราคาคู่แข่งเป็นข้อมูลนำเข้าที่ใช้บ่อย และต้องได้รับการดูแลแบบเดียวกัน บันทึกราคาและสถานะสินค้าของคู่แข่งที่ยาวนานและสม่ำเสมอ เช่น บันทึกที่เก็บไว้ใน ประวัติราคาจะทำให้การวิเคราะห์ใดๆ ไม่ว่าจะเป็นสเปรดชีตหรือแบบจำลอง มีฐานที่น่าเชื่อถือมากขึ้น

ความเสี่ยงและข้อจำกัด

  • โอเวอร์ฟิตติ้ง ซึ่งแบบจำลองจำสัญญาณรบกวนในอดีตไว้และทำนายข้อมูลใหม่ได้ไม่ดี
  • วงจรป้อนกลับ ซึ่งระบบอัตโนมัติหลายระบบตอบสนองต่อกันและกันจนราคาเลื่อนไหล
  • การตัดสินใจที่ไม่โปร่งใสซึ่งพนักงานอธิบายให้ลูกค้าหรือหน่วยงานกำกับดูแลฟังไม่ได้
  • อคติ หากข้อมูลหรือคุณลักษณะนำไปสู่ผลลัพธ์ที่ไม่เป็นธรรมต่อลูกค้าบางกลุ่ม
  • การเปลี่ยนแปลงของแนวคิด (Concept Drift) ซึ่งพฤติกรรมตลาดเปลี่ยนไปแต่แบบจำลองเก่ายังทำงานตามรูปแบบที่ล้าสมัย

กฎเกี่ยวกับการตัดสินใจอัตโนมัติ ข้อมูลส่วนบุคคล และการตั้งราคาแตกต่างกันไปในแต่ละประเทศ การใช้ข้อมูลส่วนบุคคลเพื่อตั้งราคารายบุคคลอาจก่อให้เกิดคำถามด้านกฎหมายและจริยธรรม จึงควรขอคำปรึกษาจากผู้เชี่ยวชาญด้านกฎหมายก่อนดำเนินการ

ใช้แมชชีนเลิร์นนิงอย่างรับผิดชอบ

ให้คนเป็นผู้ควบคุมขอบเขต ราคาขั้นต่ำ ราคาขั้นสูง และการเปลี่ยนแปลงสูงสุดต่อวัน ควรกำหนดโดยธุรกิจและบังคับใช้ไม่ว่าแบบจำลองใดจะแนะนำอย่างไร เริ่มจากการพยากรณ์ที่สนับสนุนการตัดสินใจ แทนแบบจำลองที่เปลี่ยนราคาโดยตรง ติดตามความแม่นยำเทียบกับสิ่งที่เกิดขึ้นจริง และฝึกใหม่หรือปลดแบบจำลองเมื่อความคลาดเคลื่อนเพิ่มขึ้น

การเปรียบเทียบแบบจำลองทุกตัวกับเกณฑ์พื้นฐานง่ายๆ ก็ช่วยได้ เช่น ยอดขายของสัปดาห์เดียวกันในปีที่แล้ว หรือค่าเฉลี่ยเคลื่อนที่ หากแบบจำลองที่ซับซ้อนเอาชนะเกณฑ์พื้นฐานนั้นได้ไม่ชัดเจน ความซับซ้อนที่เพิ่มขึ้นก็ไม่คุ้มค่า จดบันทึกว่าแบบจำลองแต่ละตัวทำอะไร ใช้ข้อมูลใด และใครรับผิดชอบ เพื่อให้การตัดสินใจยังตรวจย้อนได้เมื่อพนักงานเปลี่ยน

ประเด็นสำคัญ

  • แมชชีนเลิร์นนิงเรียนรู้รูปแบบจากข้อมูล แทนการทำตามกฎที่คนเขียนขึ้น
  • ในอีคอมเมิร์ซ แมชชีนเลิร์นนิงสนับสนุนการพยากรณ์อุปสงค์ การประเมินการตอบสนองต่อราคา และการจับคู่สินค้า
  • การทำนายเชื่อถือได้เฉพาะในช่วงสถานการณ์ที่แบบจำลองเคยเห็น
  • ข้อมูลที่สะอาดและสม่ำเสมอ รวมถึงราคาคู่แข่ง สำคัญกว่าความซับซ้อนของแบบจำลอง
  • ราคาขั้นต่ำ ราคาขั้นสูงที่ธุรกิจกำหนด และการตรวจทานโดยคน ควรเป็นกรอบของการตัดสินใจอัตโนมัติทุกครั้ง

คำถามที่พบบ่อย

แมชชีนเลิร์นนิงกับปัญญาประดิษฐ์คือสิ่งเดียวกันหรือไม่

แมชชีนเลิร์นนิงเป็นส่วนหนึ่งของปัญญาประดิษฐ์ AI เป็นสาขากว้างที่ทำให้ซอฟต์แวร์ทำงานที่ดูเหมือนมีความฉลาด ส่วนแมชชีนเลิร์นนิงเป็นแนวทางการเรียนรู้ความสามารถเหล่านั้นจากข้อมูล

ต้องใช้แมชชีนเลิร์นนิงจึงจะตั้งราคาได้ดีหรือไม่

ไม่จำเป็น กฎที่ชัดเจนซึ่งอิงต้นทุน เป้าหมายอัตรากำไร และราคาคู่แข่ง ใช้ได้ดีกับร้านค้าจำนวนมาก แมชชีนเลิร์นนิงช่วยได้มากที่สุดเมื่อมีสินค้าจำนวนมาก มีประวัติข้อมูลมาก และมีรูปแบบที่ซับซ้อนเกินกว่ากฎง่ายๆ จะรับมือได้

แบบจำลองการตั้งราคาต้องใช้ข้อมูลมากแค่ไหน

ไม่มีตัวเลขตายตัว แบบจำลองต้องมีประวัติข้อมูลมากพอที่มีความผันแปรของราคาจริง จึงจะเห็นว่าอุปสงค์ตอบสนองอย่างไร สินค้าที่ราคาไม่เคยเปลี่ยนเลยไม่ให้อะไรแก่แบบจำลองในการเรียนรู้เรื่องการตอบสนองต่อราคา

คำที่เกี่ยวข้อง

ใน BlackAha Smart Price ช่วยให้คุณได้ราคาขายที่แนะนำสำหรับสินค้าทุกรายการ โดยอิงจากราคาคู่แข่งและราคาตลาด

กลับไปที่พจนานุกรมราคา