PriceForge
PriceForge — قیمت، سبد و موجودی یکپارچه — قیمتگذاری پویا، انتخاب assortment و تخصیص موجودی کانال با اثر جانشینی و گاردریل ثبات قیمت.
Interactive Sample Demoبرای مدیر: نتیجه کسبوکار
قیمت و موجودی جدا تصمیم گرفته میشد؛ تخفیف کالای جانشین را میکشت.
۱۲–۲۲٪ رشد درآمد vs قیمت ثابت؛ stockout کمپین ۳۰–۴۵٪ کمتر؛ ثبات قیمت ۸۵–۹۸.
- ۱۲–۲۲٪ درآمد
- ۳۰–۴۵٪ stockout کمتر
- ثبات قیمت ۸۵–۹۸
- cannibalization کمی
«تقویم پروموشن، قفسه و نقطه سفارش یکی شد؛ فروش فلش ۱۹٪ بالا و stockout قهرمان زیر ۴٪.»
مستندات عمومی
چه میکند؟
PriceForge یکی از محصولات پورتفولیوی هوش مصنوعی آریا اِیآی است که برای تصمیمگیری عملیاتی سازمانهای ایرانی و بینالمللی طراحی شده. نسخه عمومی روی Hugging Face یک دموی نمونه است؛ نسخه تولید با یکپارچهسازی داده، SSO و audit trail استقرار مییابد.
مخاطب غیرفنی میتواند KPI قبل/بعد، کاربرد صنعت و مسیر پایلوت را ببیند؛ مخاطب فنی pipeline، متریک قابل بازتولید و لینک Space/Model/Dataset را دنبال میکند.
درخواست پایلوت از طریق فرم تماس سایت با ذکر علاقه به PriceForge ثبت میشود تا محدوده داده، قیود و معیار موفقیت مشخص گردد.
چه کسی از آن استفاده میکند؟
مدیران عملیات، CISO، برنامهریزان تولید، لجستیک، مالی و تیمهای مهندسی که باید تصمیم را هم برای هیئتمدیره و هم برای اجرای فنی توضیح دهند.
خروجی دمو «نمونه تعاملی» است؛ آپلود زنده فایل سازمانی روی Space عمومی توصیه نمیشود.
کاربرد در صنایع
فروشگاه زنجیرهای
قیمت، موجودی و انتخاب سبد با اثر جانشینی SKU. خردهفروشی، FMCG، مد و مارکتپلیس.
تجارت الکترونیک
وعده تحویل، تخصیص انبار و جلوگیری از سفارش زیانده.
FMCG
پروموشن، موجودی کمپین و کاهش stockout.
مد و پوشاک
assortment و قیمت پایدار بدون فرسایش برند.
قطعات یدکی
موجودی چندسطحی و پاسخ میدانی.
بازارگاه چندفروشنده
تخصیص ظرفیت و سطح خدمت مستأجر.
برای مهندس: Pipeline و معماری
SKU catalog → demand + cross-price → MINLP/CVXPY + MNL assortment → stability guardrails → replenishment
معماری مرجع: SKU catalog → demand + cross-price → MINLP/CVXPY + MNL assortment → stability guardrails → replenishment. اجزا روی CPU قابل اجرا هستند تا دمو و استقرار اولیه بدون GPU اجباری باشد.
خروجیها شامل امتیاز/برنامه، توضیحپذیری و ردپای تصمیم برای بازبینی انسانی است. آموزش و ارزیابی از corpus مستند پروژه پیروی میکند.
برای تولید: Docker، متغیر محیطی، و اتصال به سامانه موجود (ERP، SIEM، WMS، APS) طبق معماری هر repo انجام میشود.
پشته فنی
- Python
- OR-Tools / Pyomo / HiGHS
- NumPy
- SimPy
- Gradio
- Docker
متریکهای قابل بازتولید
| بنچمارک | جزئیات | نتیجه |
|---|---|---|
| Revenue vs static | demo | 12–22% |
| Stockout in flash | campaign | −30–45% |
| Price stability | score | 85–98 |
| Choice coverage | margin-aware | 55–75% |
سوالات پرتکرار
PriceForge چیست و چه مسئلهای را حل میکند؟
قیمتگذاری پویا، انتخاب assortment و تخصیص موجودی کانال با اثر جانشینی و گاردریل ثبات قیمت.
آیا میتوان داده واقعی سازمان را در دمو عمومی وارد کرد؟
خیر. دمو عمومی برای نمونههای ازپیشمحاسبهشده یا داده ترکیبی است. داده production باید در استقرار on-prem یا VPC با کنترل دسترسی وارد شود.
آیا این محصول جایگزین سامانه فعلی میشود؟
نمونه اولیه (POC) برای نمایش قابلیت بهینهسازی است و جایگزین سیستم برنامهریزی تولید سازمانی نیست. متریکها روی داده ترکیبی/بنچمارک قابل بازتولید گزارش شدهاند. برای استقرار واقعی پایلوت on-prem توصیه میشود.
متریکهای صفحه از کجا آمدهاند؟
از README و eval_results هر پروژه روی Hugging Face / repo داخلی؛ اعداد بنچمارک ترکیبی را با داده سازمان خود در پایلوت بازسنجی کنید.
لینکهای Hugging Face
مدل مرتبط
درخواست پایلوت
برای استقرار on-prem، یکپارچهسازی با سامانههای موجود یا fine-tune روی داده سازمان خود تماس بگیرید.