2020 Edelman决赛者：沃尔玛

基于强化学习的商店多目标价格优化框架

库存优化是零售商营销的核心操作之一。库存优化工作流程的一个关键目标是在特定日期或之前减少库存，通常是通过降价。通常，这样做是为了给新产品腾出空间，减少库存过剩或季节性产品的库存，或移动肉类或牛奶等易腐品——但也有其他原因。作为世界上最大的零售商和杂货商，沃尔玛努力为其一般商品和杂货寻找最优的价格点。然而，当有必要减少库存时，它通常会实施降价策略，这可能需要三种不同的定价变化，以帮助将未售出的库存从商店中转移出去。

减少库存对每个零售商来说都是一个挑战，但沃尔玛的规模和规模意味着挑战、机会和成本都大于其他零售商:

• 美国有4,750多家零售商店，其中包括3,500多家超级中心，每个超级中心可承载超过125,000个sku
• 超过800个产品类别，遍布杂货，健康和一般商品，其中200多个类别每年减排
• 存放滞销或未售出商品的货架空间需要让位给更畅销的商品，这将影响收入和增加成本
• 商户对建议降价的投入需要被考虑进去，因为这会增加库存优化操作的复杂性，并影响预期收益。

按照沃尔玛之前的策略，在所有商店和产品类别中，将打折商品重新贴标签多达三次所需的时间和劳动力成本是巨大的。由于不是所有的商店都有相同的库存优化问题，所以必须在每个商店的基础上确定减少战略。之后，移除和更换商品的努力也很重要。为了最大化销售收入和降低运营成本，沃尔玛创建了一种智能算法，通过优化降价和最小化重新贴标签和移除时间敏感商品的相关成本，来加速在各个商店、类别和sku之间的时间敏感商品的销售。

沃尔玛的库存优化算法从各个商店获取数据，包括汇总的销售数据和运营成本，减少多少和什么类型的商品，以及为了给新商品让路而必须出售商品的动态时间框架。用于确定再定价策略的核心算法来源于数学优化和深度强化学习技术。该方法应用数据分析、强化学习和动态优化来为每个商店的每个产品自动做出决策(例如，何时开始降价，降价的百分比是多少，何时给出降价价格)。这就产生了一个高性能的模型和为每个商店量身定制的价格调整政策。

使用机器学习为商品和杂货物品找到单一最优化的价格，现在能够成功地销售高达80％的时间敏感物品，而不是通过其三个单独的时间。这导致了降低的运营成本和增加这些指定物品的销售额。这导致了降低的运营成本和销售额增加，其中一些商店销售这些指定物品的销售额高达15％。

摆脱了不断给商品重新贴上标签的任务，沃尔玛的员工能够执行更高价值的任务，比如帮助更多的客户，提供更好的服务。该算法还对大约3000个商家的日常生活产生了重大影响，将其职责从重复的手工数据输入和价格波动的手工决策转移到处理异常和战略场景规划。

沃尔玛的新库存减少议定书于2019年初实施，并取得了出色的销售率和节省成本绩效。该系统成功减少了多余的库存，同时提高了该库存的销售，导致显着的节省成本。这也改善了客户购买力和减少了助理工作量以及在商店中的相关成本。来自Walmart的库存优化算法的运营储蓄和效率收益通过其日常低价的形式传递给客户，因此客户每次都以合适的价格获得合适的产品。