Как построить ML ценообразование на маркетплейсе | Вебинар Богдана Печёнкина | karpov.courses

Задача Maximize GMV with margin > X%.
Если margin > X% относится к суммарному результату total_margin_in_rub / total_gmv > X%, то правильный Score = лагранжиан = gmv + lambda * profit, то есть тому, чему равен Score = gmv * (1 - lambda * max(0, target_margin - margin)) если заменить max(0, target_margin - margin) на (-margin).

Вообще надо понимать, что задачи
(1) Maximize A with B >= B0,
(2) Maximize B with A >= A0,
(3) Maximize A with B/A >= C0
(4) Maximize B/A with A >= A0
и другие подобные эквивалентны (если A строго положительно и равенство достигается)
и поэтому лагранжиан для них можно взять один и тот же, например, от задачи (1). Поясню: про эквивалентность задачи (1) и (2) все понятно - это привет от лагранжа. Про пару (3) и (4) - тоже самое.
А про эквивалентность (2) и (4) легко понять, потому что среди точек, на которых достигается равенство A = A0 не так важно, что максимизировать, B или B/A = B/A0.
Лагранжиан и есть score.

Если же хочется margin > X% для всех sku (что странно, это не бизнес задача), то score всё равно другой - просто жестко фильтруются ячейки таблицы, где это не так.

То есть Score = gmv * (1 - lambda * max(0, target_margin - margin)) может появиться, когда равенство недостижимо или я что-то не понимаю.

Всё видео: Аааааааааааааааааааааа. )

конспект будет доступен?

Ребят видео недоступно стало: “This video is unavailable on this device”

Хорошая работа. Спасибо.