Technologie pro aplikaci Price Check 2

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F27241815%3A_____%2F24%3AN0000001" target="_blank" >RIV/27241815:_____/24:N0000001 - isvavai.cz</a>

Výsledek na webu

<a href="https://app.price-check.com" target="_blank" >https://app.price-check.com</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Technologie pro aplikaci Price Check 2

Popis výsledku v původním jazyce

V rámci projektu nové aplikace Price-check 2 byly plánovány tyto nové funkcionality: 1/ Inteligentní crawler o Tato funkcionalita, respektive v podstatě téměř samostatný program/robot má sbírat obrovské množství dat formou indexace definovaných webových stránek (tzv. zdrojové weby) napříč celým Internetem, tzv. scraping dat. o Crawler má sbírat data autonomně, na jejich základě se bude „učit“ a vyhodnocovat úspěšnost přístupů na zdrojové weby. Na základě tohoto učení může sám navrhnout změny ve scrapingu dat v případě změny struktury zdrojového webu. o Crawler má zároveň vyhodnocovat úspěšnost přístupů na zdrojové weby. V případě, že vyhodnotí nedostatečnou kvalitu/efektivitu (dlouhé doby odezvy, získávání chybových odpovědí, aj.) připojení k zdrojovým webům, může vybrat na základě analýzy vhodnější způsob scrapingu. o Vysledek: úspěšně naimplementováno, dle prvotních analýz se úspěšnost sběru dat zvýšila o 35% a nutnost manuálních zásahů snížila o 20% 2/ Inteligentní seskupování dat o Účelem této funkcionality má být správně seskupit, přiřadit a napárovat data/produkty (získané Inteligentním crawlerem) a uložit je do konzistentní, strukturované, celistvé a validní databáze, připravené pro další zpracování. o Zpracování je prováděno automatickým procesem na pozadí běhu aplikace. o Proces seskupování nemusí být závislý na impulsu nahrání vstupních dat zákazníka, ale data se mohou „předporovnávat“ dopředu. Tento proces nazýváme seskupování dat a má pracovat na principu „porovnání každého s každým“. S ohledem na množství interakcí je tento nový mechanismus výkonnostně několika řádově náročnější. Vstupní data se následně mohou porovnávat se seskupenými daty, což přinese výraznou úsporu v čase potřebném pro jednotlivá porovnání. o Výsledek: Párování, porovnání a seskupení sebraných dat je stěžejní část celého projektu, na níž stojí hlavní funkcionalita aplikace. Tato část je velmi náročná na výkon HW technologií a dokázala se vyvinout taková „verze“ mechanismu, která dokáže počítat požadovaná množství dat za rozumný čas při rozumných nákladech na výkon (HW požadavky). V oblasti párování dat jsme dokázali urychlit procesy o cca 60%, implementací machine learningu. Systém s použitím reinforcement learning na základě mnoha zpětných vazeb uživatelů navrhuje lepší propárování produktů. 3/ Vytváření hypotéz o Vytváření hypotéz, inteligentní pricing a predikce trhu jsou prediktivní nástroje, které mohou využívat obrovského množství historických dat pro zjištění korelací, případně identifikaci anomálií (návrhy změny cen u produktů) o Aplikace na základě porovnaných dat umí generovat statistické přehledy. o Obsahuje doporučení na automatizovaný pricing. Doporučení se mohou týkat i skladových zásob, obrátkovosti, sortimentního porovnání (průniku sortimentu s konkurencí), možnými příležitostmi v zalistování nových produktů, analýz určitých vazeb (kategorie vs. značka, vs. cenová hladina, vs. skladová dostupnost, vs. četnost přeceňování atd.) o Výsledek: úspěšně naimplementováno. Je možné nastavit několik formátů výstupu, propojení s externími SW a možnost dynamického doporučování do „budoucna“ : doporučení na zlevnění produktů, zdražení produktů, „zalistování“ nových produktů. Implementovány jsou i alertingy, které se snaží „objevit“ anomálie v chování trhu : pohyby v oborových / sortimentních kategoriích, očekávané směry vývoje trhu apod. 4/ Inteligentní UI o Nově generovaná a poskytovaná data (viz předchozí body) je třeba zákazníkovi dodat krom datových struktur (výměna surových dat pomocí JSON aj.) také v rámci aplikace a prezentovat je v uživatelsky komfortní podobě. o Inteligentní UI bude nejen umožňovat definici vlastních zobrazení, dat a pohledů, ale i automatizovaně generovaný UI na základě zkušeností ze sledování chování uživatele v rámci aplikace. o Výsledek: implementováno, nastavení, které si uživatel při práci s daty v aplikaci nastaví, se může automaticky „nabízet“ pro další potřeby. Systém se dále snaží „doporučit“ možné kroky a zobrazení na základě historických prací s aplikací.

Název v anglickém jazyce

Technologie pro aplikaci Price Check 2

Popis výsledku anglicky

V rámci projektu nové aplikace Price-check 2 byly plánovány tyto nové funkcionality: 1/ Inteligentní crawler o Tato funkcionalita, respektive v podstatě téměř samostatný program/robot má sbírat obrovské množství dat formou indexace definovaných webových stránek (tzv. zdrojové weby) napříč celým Internetem, tzv. scraping dat. o Crawler má sbírat data autonomně, na jejich základě se bude „učit“ a vyhodnocovat úspěšnost přístupů na zdrojové weby. Na základě tohoto učení může sám navrhnout změny ve scrapingu dat v případě změny struktury zdrojového webu. o Crawler má zároveň vyhodnocovat úspěšnost přístupů na zdrojové weby. V případě, že vyhodnotí nedostatečnou kvalitu/efektivitu (dlouhé doby odezvy, získávání chybových odpovědí, aj.) připojení k zdrojovým webům, může vybrat na základě analýzy vhodnější způsob scrapingu. o Vysledek: úspěšně naimplementováno, dle prvotních analýz se úspěšnost sběru dat zvýšila o 35% a nutnost manuálních zásahů snížila o 20% 2/ Inteligentní seskupování dat o Účelem této funkcionality má být správně seskupit, přiřadit a napárovat data/produkty (získané Inteligentním crawlerem) a uložit je do konzistentní, strukturované, celistvé a validní databáze, připravené pro další zpracování. o Zpracování je prováděno automatickým procesem na pozadí běhu aplikace. o Proces seskupování nemusí být závislý na impulsu nahrání vstupních dat zákazníka, ale data se mohou „předporovnávat“ dopředu. Tento proces nazýváme seskupování dat a má pracovat na principu „porovnání každého s každým“. S ohledem na množství interakcí je tento nový mechanismus výkonnostně několika řádově náročnější. Vstupní data se následně mohou porovnávat se seskupenými daty, což přinese výraznou úsporu v čase potřebném pro jednotlivá porovnání. o Výsledek: Párování, porovnání a seskupení sebraných dat je stěžejní část celého projektu, na níž stojí hlavní funkcionalita aplikace. Tato část je velmi náročná na výkon HW technologií a dokázala se vyvinout taková „verze“ mechanismu, která dokáže počítat požadovaná množství dat za rozumný čas při rozumných nákladech na výkon (HW požadavky). V oblasti párování dat jsme dokázali urychlit procesy o cca 60%, implementací machine learningu. Systém s použitím reinforcement learning na základě mnoha zpětných vazeb uživatelů navrhuje lepší propárování produktů. 3/ Vytváření hypotéz o Vytváření hypotéz, inteligentní pricing a predikce trhu jsou prediktivní nástroje, které mohou využívat obrovského množství historických dat pro zjištění korelací, případně identifikaci anomálií (návrhy změny cen u produktů) o Aplikace na základě porovnaných dat umí generovat statistické přehledy. o Obsahuje doporučení na automatizovaný pricing. Doporučení se mohou týkat i skladových zásob, obrátkovosti, sortimentního porovnání (průniku sortimentu s konkurencí), možnými příležitostmi v zalistování nových produktů, analýz určitých vazeb (kategorie vs. značka, vs. cenová hladina, vs. skladová dostupnost, vs. četnost přeceňování atd.) o Výsledek: úspěšně naimplementováno. Je možné nastavit několik formátů výstupu, propojení s externími SW a možnost dynamického doporučování do „budoucna“ : doporučení na zlevnění produktů, zdražení produktů, „zalistování“ nových produktů. Implementovány jsou i alertingy, které se snaží „objevit“ anomálie v chování trhu : pohyby v oborových / sortimentních kategoriích, očekávané směry vývoje trhu apod. 4/ Inteligentní UI o Nově generovaná a poskytovaná data (viz předchozí body) je třeba zákazníkovi dodat krom datových struktur (výměna surových dat pomocí JSON aj.) také v rámci aplikace a prezentovat je v uživatelsky komfortní podobě. o Inteligentní UI bude nejen umožňovat definici vlastních zobrazení, dat a pohledů, ale i automatizovaně generovaný UI na základě zkušeností ze sledování chování uživatele v rámci aplikace. o Výsledek: implementováno, nastavení, které si uživatel při práci s daty v aplikaci nastaví, se může automaticky „nabízet“ pro další potřeby. Systém se dále snaží „doporučit“ možné kroky a zobrazení na základě historických prací s aplikací.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EG21_374%2F0027363" target="_blank" >EG21_374/0027363: Technologie pro aplikaci Price Check 2</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

Price-check

Technické parametry

Aplikace splňuje očekávané výsledky. Z komplexního pohledu umožňuje efektivní monitoring online trhu s stále více narůstajícími požadavky na systémové, technologické i lidské zdroje a s tím spojené vyšší nároky na moderní technologie, zaručující co největší možnou automatizaci s ohledem na zachování odpovídající kvality dat a výstupů. Z monitorovaných dat převažuje pak sledování cen produktů a jejich porovnání s cenami zákazníků Price-checku. Krom toho ale systém umí nově i monitoring „netypických“/“neproduktových“ dat, jako monitoring inzerátů bazarových serverů (napojení na SMS brány), monitoring jízdenek dopravních (železničních) spojů, monitoring dostupnosti závozových slotů u online rozvozů aj. Z konkrétního pohledu se zefektivnil scraping dat, umožňující lépe a rychleji reagovat na změny trhu. Implementovaly se technologie jako TOR, Luminati, ScraperAPI, ZenRows, RapidAPI, ScrapeNinja. V oblasti párování dat jsme dokázali urychlit procesy o cca 60%, implementací machine learningu systém, modelem reinforcement learning, na základě mnoha zpětných vazeb uživatelů navrhuje lepší propárování produktů. Z provedených párování pak interpretuje výsledky a navrhuje doporučení pro uživatele, spolu s implementací napojení na PowerBI a Disivo systémy pak umožňuje i plnohodnotnou automatizaci cenotvorby na základě konkurenčních cen a transakčních dat. Zjištěné výsledky z analýz a výzkumů se průběžně implementovaly do systému a vyhodnocovala se úspěšnost provedených úprav. Výstupy se dařilo i dobře komerčně zhodnocovat (nabízet zákazníkům jako vylepšené služby párování jejich produktů) s čímž jsme získávali další zpětné vazby z reálného prostředí.

Ekonomické parametry

Zvýšení konkurenceschopnosti, zvýšení technologické úrovně, zvýšení inovační výkonnosti podniku. Identifikace finálních uživatelů v projektu: prodejci zboží online, internetové obchody, dodavatelé zboží, distributoři zboží, výrobci zboží. Příklady: Mall group (mall.cz), Electroworld (electroworld.cz), Tesco (tesco.cz), FAST ČR (fastcr.cz), Sony (sony.cz), Gorejne (gorenje.cz) aj..

IČO vlastníka výsledku

27241815

Název vlastníka

E-solutions, s.r.o.