学习
实践
活动
专区
工具
TVP
写文章

KDD18「airbnb」房屋动态定价经典方法

背景 本文是以airbnb为背景,设计的房屋动态定价方法。本文采用两阶段的方式对定价进行预测,总体方案流程和上一篇文章中APP-LM有点类似,但是细节上也有差别。 本文为kdd'18的论文,上一篇为kdd'19的论文,上一篇论文也就更进一步的提出了端到端的方法,如果没看过上一篇的可以看一下上一篇,因为关于损失函数中的一些含义介绍有所省略,因为在前一篇介绍过了。 上一篇:推荐系统(十四)——kdd'19动态定价方法(APP-LM,APP-DES,DNN-CL) 本文所提模型主要包括三个部分: 一个二分类模型,用于预测房屋被预定的概率 一个回归模型,用于结合各种特征以及定制的损失函数进行定价预测 但是文中场景中的房屋都是异质的,不能直接作出需求曲线,因此采用机器学习的方法结合其他特征进行学习得到。 (PS:正如上一篇文章所述,虽然是动态定价,但是为了防止定价过高过低,会有一个固定的范围限制) 方法 定价的总体流程如上图所示,先预测预定概率,然后采用定价策略模型进行定价,然后进行个性化。

11420

分支定价求解VRPTW的python代码加速方法

本文主要 分享一点算法实现中的加速方法,特别针对python用户。 本文将以分支定价求解VRPTW为例,主要介绍 两个方面的技巧,第一个是在python中使用C++库,第二个是分支定界过程的并行化,希望能给大家带来一些帮助。 方法是多种多样的,这里以VRPTW为例介绍其中的一种方法。 数据魔术师的粉丝应该记得,数据魔术师曾经发布过一个脉冲算法求解ESPPRC的C++实现(忘记的同学可以 戳这里)。 ESPPRC是分支定价求解VRPTW时的子问题,如果我们用这个库去求解子问题,会比我们自己用python实现一遍脉冲算法要快得多。 我们现在把分支定价过程里的耗时大户——子问题求解改用C++实现了,效率增加了不少,可以稍微歇息一下,接下来进入本文要介绍的第二个技巧。

53830
  • 广告
    关闭

    新年·上云精选

    热卖云产品新年特惠,2核2G轻量应用服务器9元/月起,更多上云必备产品助力您轻松上云

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Airbnb定价算法揭密

    这就是为什么我们在2012年开始构建定价工具,并且一直在努力使它们变得更好的原因。今年六月,我们发布了最新的改进版本。我们开始进行动态定价,即根据市场变化情况,每天提供新的价格提示。 我们调整了常用的定价算法,并开始加入一些不寻常的,甚至令人惊讶的房子特点。而且我们增加了一种我们认为独特的机器学习方法,因此,我们的系统不仅可以从自己的经验中学习,还可以在必要时使用一点人类的直觉。 在动态定价方面,我们的目标是当房主的房子即将可以接受预定时,给房主一个新的提示价格。动态定价并不新鲜,几十年前,航空公司就开始运用,通常会实时调整价格,以确保每个座位最高的上座率和最大的收益。 我们保留了以前的定价系统所考虑的商品属性,并且我们添加了新的属性。一些新的信号,如“被预定前空闲的时间”,与我们的动态定价能力有关。 这种方法也可以让我们发现我们之前并不知道的微观街区。这样的地区可能有大量的热门房源,但不一定会处在标准街区边界之内,也可能是一些局部特征使得较大的传统街区的一小部分更加有吸引力。

    1.7K100

    如何给产品定价

    一般给产品定价,主要从三个角度来考虑 一、成本角度 也就是算清楚自己的成本,包括固定成本和变动成本。对一些有规模效应的产品,我们根据不同的规模算出的成本是不一样的。 针对不同象限可以不同定价策略。 第一象限:实用价值高、情感价值也高的产品。这类产品拥有很大的自主定价权。比如苹果,有时候你不得不说,这就是目前全球最好的产品。 它的定价,更多是根据市场人目标收入来制定的,能最大化自己的利润。 第二象限:实用价值低,情感价值高的产品。这类产品,很大的成本都花在情感价值上。比如星巴克的咖啡,一杯30多块钱。 当然还有更多位于中间象限的产品,它们的定价都是根据市场需求慢慢探索出来的。 三、竞争对手角度 这里的竞争对手我更倾向于是那种同一品类,同一目标用户的产品。 那么在定价上就与竞争对手大同小异了。出路就是想办法做差异化。 总结一下,一个新产品可以从成本、客户的需要程度、竞争对手三个角度综合考虑来定价,这样是比较合适的。

    13820

    SAP SD 定价过程配置

    SD的定价过程:定价过程16个元素的作用: 1.步骤:定价过程中的顺序。 2.计数:对步骤的进一步细化 3.条件类型:定价活动中的定价因素,例如售价、折扣、运费、税费等。 对于定价过程的每一行都可以看做定价因素。 5.From - to :标示当前条件类型的条件范围。 6.手动:是否在创建订单流程中手工输入条件类型。勾选手动标示则代表是。 了解定价过程的16个元素的作用,你才能根据企业的需要设计配置满足需求的销售定价的计算方式 OK,Let's go to design sale pricing procedures. 我们先看定价的图例,然后根据图例介绍一下常用的条件类型及其配置所起到的作用。一般企业的定价中的条件类型也就用那几个,售价、税、成本、净价、折扣/返利等。 以上就是常用到的条件类型,基本这样就可以随意设计自己的定价过程了。 这里顺带一提信贷控制在定价过程中配置如图3: ? 如果你启用了信贷控制。

    86730

    解密Airbnb的定价算法

    我们开始实行动态定价,也就是说,根据不断变化的市场条件每天提供新的价格提示。我们调整了我们的通用定价算法以考虑市场上一些偶然的、甚至是令人惊讶的特征。 此外,我们还增加了一种独特的机器学习方法,让我们的系统不仅能从自己的经验中学习,而且必要时还能利用人的一些直觉。 在线网络中,许多公司使用算法来设置或建议价格。 虽然在搭乘共享公司Uber和Lyft中,地域和时间都是需要考虑的因素,但是这两家公司仅仅通过法令来确定价格,在定价方面并没有用户选项,也不需要考虑定价的透明性。 在我们的定价算法的早期版本中,算法以房源为中心绘制一个不断扩大的圆圈,考虑在房源位置附件不同半径上与其特征相似的房源。这种方法有的时候工作的很好,但我们最终发现一个重要的缺陷。 在动态定价方面,我们的目标是为每个房主,针对他们的房子计划出租的日期,每天给出一个新的定价提示。动态定价其实并不新鲜。

    45250

    资本资产定价模型 CAPM

    fromtitle=capm&fromid=8235513&fr=aladdin 资本资产定价模型(Capital Asset Pricing Model 简称CAPM)是由美国学者夏普(William 基于这样的假设,资本资产定价模型研究的重点在于探求风险资产收益与风险的数量关系,即为了补偿某一特定程度的风险,投资者应该获得多少的报酬率。 按照β的定义,代入均衡的资本市场条件下,得到资本资产定价模型 E(ri)=rf+βim(E(rm)-rf) E(ri) 是资产i 的预期回报率 rf 是无风险利率 βim 是[[Beta系数]],即资产 资本资产定价模型描述了该资产的风险溢价与市场的风险溢价之间的关系 E(ri)-rf =βim (E(rm) − rf) 式中,β系数是常数,称为资产β (asset beta)。 应用 在资产估值方面,资本资产定价模型主要被用来判断证券是否被市场错误定价 E(ri)=rF+[E(rM)-rF]βi 一方面,当我们获得市场组合的期望收益率的估计和该证券的风险 βi的估计时,我们就能计算市场均衡状态下证券

    80200

    资本配置与资本定价

    资本配置 Efficient frontier CAL CML 资本定价 CAPM SML SML与CML的区别 CAPM与对冲基金 估价 假设 对冲基金中的作用 概述 例子 资本配置 Efficient 资本定价 CAPM CAPM是衡量证券中系统风险与期望回报关系的一种模型,其用途主要是证券定价,公式如下: [图片] 其含义是,投资者通过两种方式获益: [图片] :衡量投资类似国债的低风险证券获得的收益率 SML与CML的区别 用途不一样:SML涉及资本定价,CML涉及资本投资。 横坐标不同:SML的横坐标是β\beta,表征的是该股票与市场的相关性,衡量系统风险。 CAPM与对冲基金 估价 公司估价的三种方法: Market Cap(公司股票市值) Future Dividends (公司分红的现值) Book Value(公司净资产,total assets minus

    79850

    案例 | 解密Airbnb的定价算法

    此外,我们还增加了一种独特的机器学习方法,让我们的系统不仅能从自己的经验中学习,而且必要时还能利用人的一些直觉。 在线网络中,许多公司使用算法来设置或建议价格。 虽然在搭乘共享公司 Uber 和 Lyft 中,地域和时间都是需要考虑的因素,但是这两家公司仅仅通过法令来确定价格,在定价方面并没有用户选项,也不需要考虑定价的透明性。 第一,其定价算法的工作方式是不变的。 在我们的定价算法的早期版本中,算法以房源为中心绘制一个不断扩大的圆圈,考虑在房源位置附件不同半径上与其特征相似的房源。这种方法有的时候工作的很好,但我们最终发现一个重要的缺陷。 在动态定价方面,我们的目标是为每个房主,针对他们的房子计划出租的日期,每天给出一个新的定价提示。动态定价其实并不新鲜。

    64680

    【业界】一种机器学习方法,用于库存受限的动态定价

    纳入库存限制 采用汤普森抽样进行收益管理的主要挑战是原始方法不包含库存限制。然而,汤普森抽样可以很自然地与经典的线性规划公式相结合,以包括库存限制。 其结果是一种动态定价算法,该算法结合了领域知识,具有较强的理论性能保证和良好的数值性能结果。 有趣的是,汤普森抽样在不考虑领域知识的情况下,表现却不佳。 Simchil – levi说:“证明汤普森抽样可以结合经典的线性规划公式,包括库存限制,并将此方法应用于一般收入管理问题,这是令人兴奋的。” 行业应用提高了收入 所提出的动态定价算法具有很强的灵活性,适用于航空公司、互联网广告等多种行业的在线零售。 本研究报告中开发的算法已在诸如日常做市商Groupon,美国在线闪销零售商Rue La La,拉丁美洲大型在线零售商B2W Digital以及大型酿酒公司实施, Simchi-Levi和他的团队在各个零售渠道优化了公司的促销和定价

    70380

    Docker云定价惹恼Tutum用户

    Tutum平台的beta版用户对于近来急促上涨的价格感到不满,但Docker官方表示今年会有定价选项的后续方案出台。请保持关注。 Docker云来了,但它并未完全受欢迎。 这是专为大型企业客户量身打造的,但是,属于Tutum基础客户的一些规模较小的开发企业对于此定价模型感觉受到了冷落。 但对于Cook和其他开发人员来说,新的定价反映了Docker为追求高端市场而牺牲规模较小客户的意图,他们更愿意看到的是,每个节点有较低的价格,当然更好的是有一个以每Docker库为单位来定价的模型。 Docker定价僵局 虽然定价变动影响最大的都是较小的企业,但非常大的企业也可能会对新的价格模式感到犹豫,如果他们都在大规模的部署容器的话,Welch认为。 接受还是拒绝Docker定价? 并不是每一个小型企业或普通开发者都强烈反对Docker云。

    502120

    SAP 采购定价过程字段解析

    3、 条件类型:之前定义过的条件类型,分配到定价方案中。 4、 描述:根据条件类型自动带出。 5、 从:代表如果一个条件类型需要用到其他条件类型的时候,需要填写另一个条件类型的步骤号。 7、 手动:定价条件不会自动带出,需要手工选择才可以,如果没有勾选“手动”就会自动带出,这个要配合“定义条件类型”中的“人工输入项”来使用。 统计:表示该条件值不会改变计价方案中的其他值,但该选项对定价类别是基本价格的条件无效,该选项常常与定价类别是交货成本的条件配合使用,并且要把条件中控制数据2的“应计项”选中。 应用举例:当下采购订单时,如果有额外的交货成本时,比如运输费并且运输供应商与采购订单供应商不一致时,可以在定价方案中增加交货成本条件并在条件选择该选项目。 计算类型:用于设定条件有别于系统标准的计算方法,比如对单价进行价税分离,该计算类型开可以自定义。

    28320

    SaaS 成功的定价模型、策略

    来源/作者 :李宽wideplum ---- 定价是SaaS赚钱的核心表现。定价也是SaaS产品价值的体现。今天这篇编译的文章,将带你入门SaaS定价方法。 找到答案的唯一方法就是去除这个问题,深入到你最大的问题域,以及理解的误区。 竞争对手定价 以竞争对手为基础的定价,是根据你的竞争对手已经收取的价格来确定价格,而不是用你的商业成本作为基准。基于竞争对手的定价能让你更接近定价靶心,这取决于你的竞争对手设定定价的水平。 5个常用的 SaaS 定价模型 为 SaaS 产品定价有几十种方法,但大多数公司都倾向于遵循一些流行的定价模式。让我们来看看五种主要的 SaaS 定价模式,并帮助你挑选出哪种模式最适合你的业务。 基于功能的定价方法的主要缺点是,层次结构有很多不同的可能性,很难找到一个能够很好运行的定价结构,至少在没有大量数据的情况下是这样的。 ?

    1.5K30

    关注

    腾讯云开发者公众号
    10元无门槛代金券
    洞察腾讯核心技术
    剖析业界实践案例
    腾讯云开发者公众号二维码

    相关产品

    • DNS 解析 DNSPod

      DNS 解析 DNSPod

      域名解析(DNS解析)是域名转换为机器可读的IP地址的过程。腾讯 DNS 解析 DNSPod 向全网域名提供免费的智能域名解析服务,拥有海量处理能力、灵活扩展性和安全能力。

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券