Zalando SE, uno de los líderes en la venta de moda en línea en Europa, ha dado un paso significativo hacia la optimización de sus estrategias de precios mediante la implementación de un avanzado algoritmo basado en datos. Con aproximadamente 50 millones de clientes activos, la compañía enfrenta el reto de gestionar precios variables para su extenso catálogo de más de un millón de productos, un proceso vital para maximizar los ingresos y manejar el inventario de forma eficiente durante las temporadas.
El problema radica principalmente en que muchos de los artículos son ordenados en masa antes del inicio de la temporada y no se reponen después. Por lo tanto, manejar estas variaciones de precio de manera eficiente es clave para evitar el sobrestock, que conlleva elevados costes al final de la temporada, y el substock, que puede resultar en pérdida de ventas en favor de sus competidores.
La innovadora solución de Zalando, desarrollada en colaboración con AWS Professional Services, se basa en un enfoque que combina predicción y optimización. Este sistema integrado utiliza modelos avanzados de aprendizaje automático para prever la demanda de productos bajo diferentes escenarios de descuento y ajusta los precios para maximizar los beneficios dentro de las limitaciones del inventario y las estrategias comerciales.
El proceso se divide en cuatro fases críticas. Se inicia con un pronóstico que depende de los descuentos, evaluando cuántos artículos se venderán en las próximas semanas bajo distintos niveles de descuento. También se consideran las tasas de devolución, los costes de cumplimiento y el valor residual de los productos al finalizar la temporada. Estas previsiones ayudan a establecer los descuentos óptimos, que luego pueden ser implementados o ajustados por los gerentes de precios de Zalando. A su vez, esta etapa permite recopilar datos que enriquecen el modelo para futuros ciclos de previsión.
Para gestionar el vasto y complejo volumen de datos involucrados, Zalando ha adoptado una infraestructura robusta que garantiza la precisión y rapidez necesarias para la mejora continua de los modelos predictivos. Utiliza herramientas como Amazon SageMaker para el procesamiento y AWS Step Functions para orquestar los flujos de trabajo de aprendizaje automático, asegurando así una operación resiliente y escalable.
Esta modernización en la tecnología no solo optimiza las decisiones de precios, sino que también facilita un entorno de experimentación casi en producción para los científicos de datos aplicados de Zalando, permitiéndoles probar y prototipar nuevos modelos de manera ágil. El nuevo enfoque ahorra tiempo significativamente en tareas operativas y de mantenimiento y apoya la transición fluida desde la investigación científica de datos hasta la implementación comercial, fortaleciendo así la competitividad de Zalando en el dinámico sector de la moda en línea.
