隨著電商平臺和新零售渠道的快速發展，線上線下已經沒有明確界限，對于品牌方和電商平臺店鋪，有效解決渠道價格監測，競品動態追蹤，大促動態定價，需要有完備靈活的價格追蹤體系，幫助運營者運籌帷幄。

一、行業問題

1、經銷商低價亂價

品牌企業在跑馬圈地的環節，開發了很多經銷商，這些經銷商類似毛細血管一樣遍布在全國各地，供養品牌商。眾多經銷商為了薄利多銷以低于指導價或市場價的價格出售產品，尤其是節假日大促期間低價亂價尤其明顯，，一旦出現低價亂價，就會沖擊線下銷售價格體系，可能會導致品牌形象受損，利潤下降，市場秩序混亂等問題。所以統一價格，統一管理經銷商是品牌商不可缺少的一環。

由于低于規定紅線價格的低價亂價商品，不僅會對品牌利潤造成傷害，還會嚴重損害品牌價值。為此，我們應及時監測各渠道的價格，并發現平臺和分銷商渠道上的違規行為，以便及時采取下架措施并留下相關證據，確保完全掌握局面。

2、競品動態追蹤

縱觀全網全局，知己知彼，要知道競爭對手對標商品的掛牌均價、促銷活動、在售SKU數量以及銷量，人工查閱工作量大。為了確保自己的產品能夠在市場上站穩腳跟，無論是企業的產品經理還是市場營銷人員，都需要實時關注同行業競爭對手的動態。這包括產品價格、促銷活動、產品創新和消費者評價等方面的內容，并進行深入分析。通過全面了解競爭對手及其旗下產品的各種情況，以求真正做到心知肚明，善于發揮優勢、避免劣勢。

3、大促實時性和規則

對于大促節假日經銷商低價亂價監控，由于流量大，對于品牌影響力更大，需要高頻監測和警告，否則造成后果影響嚴重。

現今電商平臺上的購物節不斷增多，各種促銷活動紛至沓來，絡繹不絕。從每年雙十一到618，再到各個法定假日的促銷活動，如年貨節，女王節，情人節、雙十二等，不同平臺營銷活動和規則都不同。品牌企業需定期回顧過去活動的成效，認真分析到手價計算規則，跟蹤其他平臺或者競品店鋪實時價格以及預售情況，做到有的放矢。

同時需要對活動進行復盤，通過歷史數據的分析推演深入理解活動相關資料，包括了解我們自身的不足，洞察用戶的偏好，以及了解競爭對手的情況。這些都是對下一次活動的有力支持，為我們的進一步提升提供了堅實基礎。

二、面臨挑戰

1、數據難聚合

為了準確監測產品價格，我們需要對采集回來的數據與產品字典表進行聚類，以消除噪音并進行產品分類。由于不同平臺使用的商品名稱可能存在差異，機器聚類算法在處理過程中可能會出現一些錯誤。同時存在一些商品規格型號和包裝相似的情況，難以清楚辨別。此時，需要進行人工干預，逐條查看商品鏈接，打開商品詳情頁和商品介紹頁，以確保其與映射的品牌和型號相符。

2、到手價難計算

為了準確計算商品的最優優惠價格，并確保到手價的準確性，我們需要采集各大電商平臺的促銷活動信息，包括平臺券、店鋪券、促銷券、運費、滿減、滿M件減N件、M元任選N件等多種優惠方式，并進行疊加計算。因為不同電商平臺的活動規則各不相同，所以我們需要針對每個電商平臺制定多種優惠策略，并建立相應的到手價計算模型。通過這樣的模型，我們能夠準確計算出每個商品的最優優惠價格，從而確保顧客能夠以更準確的價格購買到心儀的商品。

3、違規信息難取證

通過機器人對比商品價格，低于紅線價，進行違規數據截圖，即時推送給客戶（通過企業微信、釘釘、郵件等形式推送），違規商品截圖需要帶時間段，為了更好地保存證據鏈。

4、數據指標快速展示

每天都會產生大量數據。由于數據指標體系不夠完善，每次進行數據總結時都需要進行獨立計算，包括同比、環比和方差等。即使只是其中一個條件發生變化，也需要重新計算，這耗費時間和精力，導致結果得出較慢。通過設計合理的指標體系和自助分析可視化系統，幫助客戶有效解決這些問題。

5、千人千面

在電商平臺中，同一款產品可能會有多種不同的表現形式。為了應對商品數據千人千面的行為，我們需要對這些商品進行數據指標的歸類，每個相同商品打上對應的標簽，以便于進行統一管理。

6、商品上下架和活動變化

電商平臺，擁有數億件商品。在店鋪運營過程中，商品的上架和下架、促銷活動等變化都是非常頻繁的，如，在大促期間為了實現更高的銷售額，商家會盡量多上架商品，活動也跟著多樣化變動，而在活動結束后，會有大量商品下架。為了確保每次商品上下架及時，對促銷活動的變化都能監測到，我們在大型促銷期間增加了監測頻次，最小可到小時級，以保證每一次商品的變動都能夠準確地監測到。同時，我們定期處理監測鏈接，將已下架的商品從監測范圍中移除，以保證我們監測的數據更精準。

三、觀向解決方案

1、全渠道監測

支持定時爬取多平臺（天貓、京東、蘇寧、唯品會、拼多多、抖音、快手等）的商品數據可以幫助企業實現全渠道的統一管理，通過數據爬取，企業可以獲取各個電商平臺的商品信息、促銷活動、頁面價格、銷量等數據，并進行整合分析。這樣可以幫助企業更好地了解市場情況，制定營銷策略和價格策略。

2、數據聚類

各個電商平臺采集回來的數據鏈接需要機器聚類和去除噪音，做商品品類的映射：因各個平臺商品名稱和屬性描述不一樣，匹配會有錯誤，機器聚類做到90%的準確率，有部分商品規格型號和包裝混淆分不清楚，再進行人工查看處理。

3、屬性智能抽取

屬性抽取是將非結構化或半結構化的文本轉化為結構化數據的過程。在這個過程中，根據抽取的內容可以分為關系抽取、事件抽取和屬性抽取。通過采集特定的商品信息，從商品標題中提取出品牌、規格和屬性值等信息。不同的應用場景對應不同的數據抽取模型。

4、到手價計算

采集主流電商平臺券、店鋪券、促銷券、運費、滿減、滿M件減N件、M元任選N件等疊加計算準確到手價。根據不同平臺優惠活動的不同規則，制定不同的到手價計算模型，確保到手價更準確。

5、預警截圖

可對多款商品設置價格監控預警，低于紅線價格時自動采集違規商品截圖并以時間方式打水印，并以微信、郵件、短信等即時消息推。

6、本競品重點品對標分析

本品和競品重點商品監測價格變化，營銷活動，折扣率、各渠道重點品對標等情況分析。為客戶營銷和業務持續增長，提供有效的數據支撐。

7、交付成果

7.1 違規數據，實時推送給客戶，做到及時發現問題，及時處理。

7.2 日常監測結果表，可追溯歷史數據，查看價格趨勢、價差、統計破價次數等信息。

7.3 大屏展示：實時展示各渠道數據動態，發現問題即時處理

7.4 數據報告

定期歸納總結，給領導匯報。包括：整體趨勢，本競品對標產品分析、活動類型分析等

智海創訊官網：http://www.zgxgjht.com/

北京智海創訊信息技術有限公司現有團隊長期專注于海量數據分析和處理，在信息搜索、數據采集、數據可視化方向有多年積累。公司現有產品包括觀向數據和觀向報表，觀向數據專注于互聯網和電商領域的數據采集分析，為品牌企業提供行業分析、渠道亂價監控、全網公開數據采集等服務；觀向報表用于數據可視化和BI分析；重點客戶包括：尼爾森、GFK、海爾、聯想、蒙牛、樂其電商、壹網壹創、西門子、雪花等知名大型企業。