Decision Engine: замкнутый контур управления продвижением на маркетплейсах

1.

КОНЦЕПЦИЯ ИТ-ПРОДУКТА · STRATEGY DECK
Decision Engine
Замкнутый контур управления продвижением на Wildberries и Ozon
От ручного управления кампаниями → к управлению портфелем SKU
Предполагаемые стадии развития продукта
01
02
03
Рекомендательный движок
Автономная rule-based система
AI control loop
Rule-based · человек в контуре
Машина исполняет правила
ИИ-агент достигает целей

2.

ГЛАВНЫЙ ТЕЗИС
Сдвиг операционной модели
В чём суть продукта и зачем он бизнесу
AS-IS
TO-BE
Ручное точечное управление
ставками
Централизованное управление
портфелем через замкнутый контур
• Локальные решения по отдельным кампаниям и SKU
• Единый контекст всего портфеля SKU и площадок
• Качество зависит от менеджера, лимит по числу SKU
• Непрерывная обратная связь, экспертиза в правилах
↓
↓
∞
Стоимость продвижения
Стоимость управления
Масштаб без роста затрат
Лучшее управление рекламными бюджетами
Меньше ручного операционного труда
Один контур на все SKU и площадки
DECISION ENGINE
01 / 11

3.

РАЗДЕЛ 1 · ДО ПРОЕКТИРОВАНИЯ
7 вопросов, снимающих неопределённость
Что фиксируем по бизнес-требованиям до этапа разработки
1
3
5
7
DECISION ENGINE
Главный лимит
Рекламный бюджет или товарный сток?
Оффлайн-сеть
Учитывать промо-календари и кросс-канальное
ценообразование?
Критерии MVP
Метрики приёмки, директивные сроки, ИТ-ресурс команды?
2
4
6
Площадки
Изоляция или кросс-платформенный балансировщик WB
Ozon?
Аудит решений
Какая глубина логики нужна для верификации человеком?
Автоматизация
Какой конечный уровень автономии на данном этапе?
Уровень оптимизации
Кампании / SKU или портфельная оптимизация категорий?
02 / 11

4.

РАЗДЕЛ 2 · ЦЕЛЕВАЯ АРХИТЕКТУРА
Замкнутый контур принятия решений
Человек задаёт параметры и контролирует — система исполняет цикл
1
2
3
4
5
6
Сбор данных
Настройка
Пространство
решений
Расчёт
Решение и
контроль
Применение
История · API площадок ·
DWH-контекст
Тактика и ограничения от
оператора
Допустимые решения по
стратегии и ресурсам
Новые параметры
продвижения
Валидация и защитный
контур лимитов
Утверждённые
параметры в
маркетплейсы (API)
Обратная связь · сохранение результатов и обогащение исторических данных
DECISION ENGINE
03 / 11

5.

РАЗДЕЛ 2 · ОПЕРАЦИОННЫЕ МОДЕЛИ
AS-IS → TO-BE
Что меняется в каждом процессе продвижения
ПРОЦЕСС
ТЕКУЩЕЕ СОСТОЯНИЕ (AS-IS)
ЦЕЛЕВОЕ СОСТОЯНИЕ (TO-BE)
Сбор и агрегация
Ручной сбор и консолидация данных
Сквозная автоагрегация: метрики площадок + DWH
Периодичность
Обновление по результатам ручного анализа
Цикличный расчёт с заданной периодичностью
Стандартизация
Нестабильное качество между менеджерами
Прозрачные постоянные бизнес-правила
Масштабируемость
Лимит по числу SKU на менеджера
Все SKU на всех площадках без физ. ограничений
Контекст решений
Локально по кампаниям, SKU и площадкам
Единый контекст всего портфеля
Управление знаниями
Экспертиза хранится в сотрудниках
Оцифрована в параметрах + БД итераций
Безопасность ресурсов
Высокий риск человеческой ошибки
Автоконтур проверки лимитов и аномалий
DECISION ENGINE
04 / 11

6.

РАЗДЕЛ 3 · БИЗНЕС-ПРАВИЛА
Матрица тактических режимов
Каждая тактика задаёт целевые направления ключевых метрик
ТАКТИКА
ДРР
GMV
Оборачиваемость
Объёмы рекламы
Максимизация маржинальности
↓↓
↓
↓
↓
Максимизация оборачиваемости
↑
↑
↑↑
↑
Максимизация доли рынка
↑
↑↑
↑
↑
Максимизация Share of Voice
↑
↑
↑
↑↑
Распродажа остатков
↑
↑
↑↑
↑
↑↑ целенаправленная максимизация
DECISION ENGINE
↑ допускается рост ради цели
↓ допускается снижение ради цели
↓↓ целенаправленная минимизация
05 / 11

7.

РАЗДЕЛ 4 · ИЗМЕРИМОСТЬ
Метрики эффективности системы
Надёжность автоматизации и качество управления портфелем
01
02
03
Точность намерений
Улучшение цели
Экономия на управлении
Соответствие фактических результатов
прогнозу системы
Рост показателей активной тактики
Снижение стоимости обслуживания
продвижения
DECISION ENGINE
04
05
Мощность автоматизации
Error rate
Объём решений, принимаемых системой
самостоятельно
Доля ошибок, прошедших контуры
безопасности
06 / 11

8.

РАЗДЕЛ 5 · ПРОВЕРКА ЭФФЕКТИВНОСТИ
Методология: контролируемая минимизация риска
ABC/XYZ-анализ как карта последовательного масштабирования
ИНТЕРПРЕТАЦИЯ АНАЛИЗА
РАЗДЕЛЕНИЕ ВНУТРИ ГРУППЫ
ABC — цена риска
Старт эксперимента
XYZ — объём данных
Система · 50%
Ручной контроль · 50%
ПРИНЦИП ЭКСПЕРИМЕНТА
стабильные результаты
• Группа делится на статистически значимые части
• 50% — под управление системы с заданной
автономией
• Минимальная значимая часть — Holdout (ручной
контроль)
Масштабирование на категорию
Под управлением системы
Holdout
• Раскатка по матрице с сохранением сравнительной
выборки
DECISION ENGINE
07 / 11

9.

РАЗДЕЛ 5 · ROLLOUT PIPELINE
Порядок раскатки по матрице ABC × XYZ
От минимального риска и лучших данных — к ключевому активу
X
Y
Z
ПОСЛЕДОВАТЕЛЬНОСТЬ
9
A
A·X
ключевой доходный актив
8
A·Y
высокий оборот, ср. спрос
7
A·Z
поднимаем риск
1. C·X — мин. риск · калибровка
2. C·Y — средняя стабильность
3. B·Y — снижаем цену риска
4. B·X — стабильный средний массив
4
B
B·X
стабильный средний массив
3
B·Y
снижаем цену риска
5
B·Z
5. B·Z — первый хаотичный спрос
6. C·Z — все данные перед зоной A
первый хаотичный спрос
7. A·Z — поднимаем риск
8. A·Y — высокий оборот, ср. спрос
9. A·X — ключевой доходный актив
1
C
C·X
мин. риск · калибровка
DECISION ENGINE
2
C·Y
средняя стабильность
6
C·Z
все данные перед зоной A
08 / 11

10.

РАЗДЕЛ 6 · СТРАТЕГИЯ РЕАЛИЗАЦИИ
In-house + нативные API маркетплейсов
Почему собственное решение без сторонних прослоек
1
2
Стоимость
Высокая потенциальная цена сторонних
сервисов
4
Масштаб и ИТ-специализация компании
Стабильность контура
Прямые API WB/Ozon — защита от
блокировок
DECISION ENGINE
3
Компетенция
5
Политика площадок
Ужесточение правил к сторонним
сервисам
Перспектива
Потенциал собственного SaaS-продукта
09 / 11

11.

ЗАКЛЮЧЕНИЕ
Продвижение → управляемый цифровой контур
Масштабируемость
Воспроизводимость
Контролируемость
Управление портфелем SKU без
пропорционального роста трудозатрат
Решения регламентированы правилами и
сохраняются в БД итераций
Защитный контур лимитов и аномалий на
каждом цикле
Развитие продукта
01
02
03
Рекомендательный движок
Автономная rule-based система
AI control loop
Rule-based · человек в контуре
Машина исполняет правила
ИИ-агент достигает целей
Итог: рост прибыли и снижение совокупных издержек в рамках заданных ограничений