Dynamic Pricing 모델 선택과 개선

이 게시물은 SSG 가격최적화 프로덕트에서 사용된 Dynamic Pricing 모델 선택 문제와 그 해결 과정을 다룹니다.

기존 MAB 접근법과 한계

• MAB의 톰슨 샘플링 방식은 확률적 모델 선택과 계산 효율성을 제공하지만, 상품별 충분한 탐색 시간이 부족해 그룹화로 노이즈 완화 필요
• 비용 무시 문제로 할인율 상승 경향이 있어 예산과 수익성을 고려한 목적함수 도입
• 이커머스의 비정상적 환경에 대응해 Adaptive window로 최근 경험 중심 분포 형성

Regret 기반 새로운 접근법

• 상품별 모델 성능 평가를 위해 판매 실패와 성공에 따른 후회(Regret)를 KPI로 활용
• 판매 데이터 기반으로 모델별 할인율과 Regret 분석을 통해 최적 모델 선정
• Regret 방식 도입 후 경험량 10배 이상 증가 및 빠른 가격 대응 가능

한계와 개선 방향

• 판매 수량 고려 부족, 노이즈 민감성, 롱테일 상품 데이터 부족 등의 한계 존재
• Adaptive Window, 판매량 반영 목적함수 등 추가 개선 방안 모색 중

요약

가격 결정에 다양한 모델을 적용하며, MAB에서 Regret 기반 평가로 전환해 개별 상품별 가격 최적화 정확도를 높이고자 하는 시도를 다루고 있습니다.