AI v retailu: dynamické ceny a doporučovací systémy

Proč právě teď: tlak na marži, volatilní poptávka a datová dostupnost

Pandemické šoky, inflační vlny a rozkolísané dodavatelské řetězce naučily retail, že tradiční „sezónní ceník + měsíční forecast“ nestačí. Externí signály (počasí, lokální akce, influencery rozjetý trend) dnes pohnou poptávkou během hodin. Zároveň se rozšířila datová infrastruktura: clickstream z webu a aplikací, e-mail/push interakce, věrnostní programy, IoT v prodejnách (počty vstupů, dwell time), konkurenční scraping, ERP/WMS telemetrie a rychlejší EDI s dodavateli. To vše je dostupné v téměř reálném čase. Umělá inteligence proto není kosmetika; je to jediný způsob, jak simultánně řídit cenu, nabídku a zásobu na úrovni SKU×kanál×lokalita, a přitom držet brand a P&L.

Dynamická cenotvorba v reálném čase: elasticita, RL a bezpečné limity

Smyslem pricingu je maximalizovat očekávanou ziskovost při daných omezeních (právních, reputačních, logistických a zásobových). Základní rovnici lze psát jako:

max_P E[ zisk(P) ] = E[ (P − C) · Q(P, X) ], kde P je cena, C jednotkové náklady, Q(·) poptávka podmíněná kontextem X (čas, kanál, kampaň, konkurence, zásoba, počasí).

Lokální elasticita a kalibrace

Pro malé změny okolo aktuálního P pracujeme s lokální elasticitou: E = (∂Q/Q) / (∂P/P). Prakticky ji odhadujeme z kvaziexperimentů (A/B cenových testů), z historických cenových variací po očištění o kampaň a sezónu, nebo z banditního učení. Kritická je kauzalita: promo banner či změna viditelnosti na homepage zvedne poptávku i bez změny ceny. Bez odfiltrování confounderů je elasticita zkreslená a model bude „léčit“ cenou to, co způsobila kampaň.

Modelové přístupy

• Kauzální regresní modely (např. dvojitá robustnost, instrumentální proměnné): dávají konfidenční intervaly a lépe oddělují efekty. Hodí se pro „policy simulation“ – co se stane při posunu ceny o 5 %.
• Multi-armed bandits: průběžné zkoušení variant z „bezpečného koše“ cen (např. ±3 %) s adaptací alokace provozu. Výhoda: rychlejší konvergence k lepší ceně. Nevýhoda: potřebují guard-raily, aby neohrozily brand a marži.
• Reinforcement learning (RL): u složitějších řetězců (markdown v čase, ceny vs. zásoby) se model učí politiku, která maximalizuje kumulativní reward. Reward typicky kombinuje zisk, OOS penalizaci a stabilitu cen (trest za časté skoky).

Bezpečné limity a „politika“ pricingu

• Min/Max pro každý SKU/kategorii.
• Smoothing: max. změna ceny za periodu (např. 2 % / den), aby se neničilo price perception.
• Parita kanálů a marketplace závazky (MAP). Porušení = reputační i smluvní riziko.
• Inventory awareness: automatické zdražení při rychlém čerpání zásoby a dlouhém lead-time; naopak slevy při riziku přestárnutí.
• Fairness: zákaz diskriminace podle citlivých atributů (země, věk apod. záleží na jurisdikci). Personalizace by měla stát na chování, ne na identitě.

Markdown a sezónní zboží

U módy a spotřební elektroniky funguje markdown optimization: chyba je čekat s velkou slevou až na poslední týden sezóny. Optimální je řada menších řízených slev podle zbylé zásoby a času do konce sezóny. V RL formulaci je stavem (zásoba, čas, poptávka), akcí (sleva) a odměnou (zisk − penalizace za neprodané zásoby).

Číselná mikro-ukázka (jednoduchá poptávka)

Předpokládejme lokálně lineární poptávku Q = a − b·P, náklad C. Zisk π(P) = (P − C)(a − b·P). Optimum P* je (a + b·C) / (2b). V praxi však a a b nejsou konstanty; odhadujeme je v kontextu (kanál, počasí, promo, viditelnost) a navíc přidáváme omezení (min/max, smoothing). Tato „učebnicová“ rovnice je užitečná spíš pro intuici než pro produkční rozhodování.

Křížové elasticity a portfolio: když cena jednoho SKU hýbe ostatními

Retail není jeden produkt ve vakuu. Snížení ceny pasty ovlivní prodej kartáčků (komplement), zlevnění konkrétní značky těstovin ubere tržby konkurenční značce (substitut). Křížově-cenová elasticita E_{ij} = (∂Q_i/Q_i) / (∂P_j/P_j) popisuje tyto vazby. Prakticky:

• U substitutů je E_{ij} > 0 (zvýšení ceny j zvedne poptávku i).
• U komplementů je E_{ij} < 0.

Portfoliová optimalizace hledá ceny celé skupiny, ne jednoho SKU. Typicky se řeší zjednodušeně na úrovni rodin výrobků; plná matice je řídce osazená a vyžaduje silnou regularizaci (jinak „přefitujete“ náhodné šumy). V praxi se kombinuje: (1) doménová znalost (co je s čím substitut/komplement), (2) statistika a (3) guard-raily, které brání kanibalizaci cash-cow položek.

Doporučovací systémy „Amazon-style“: od kandidátů k vícekriteriálnímu ranking

Cílem je zvednout relevanci, AOV a marži a zároveň držet OOS na minimu. Moderní doporučování má dvě fáze: výběr kandidátů (rychlý, široký, tolerantní) a re-ranking (přesný, vícekriteriální, pomalejší).

Výběr kandidátů (candidate generation)

• Kolaborativní filtrování z implicitních interakcí (zobrazení, kliky, přidání do košíku, nákupy) – matrix factorization, nebo dnes častěji dvojité věžové sítě (two-tower) s embeddingy uživatelů a produktů.
• Obsahové vektory (transformer embeddingy z popisů, titulků, obrázků); fungují pro cold-start (nové produkty) a long tail.
• Sekvenční modely (Session-based Transformers): chápou pořadí akcí v relaci (vyhledal „běžecké boty“ → filtr „trail“ → klik na „nepromokavé bundy“ → …) a přizpůsobí kandidáty aktuálnímu záměru.

Re-ranking (learning-to-rank)

Na ~100–500 kandidátů se aplikuje model, který optimalizuje vícekriteriální cíl: pravděpodobnost interakce (CTR/ATC/purchase), marže, zásoby, diverzita (aby se neopakovala stejná značka/typ) a někdy logistika (nezpomalit doručení). Typicky se učí pairwise (A lepší než B) nebo listwise (celý seznam). Výsledkem je poskládaná vitrína pro domovskou stránku, PDP, košík či e-mail/push.

Inventář, marže a „tichá“ pravidla

• Penalizace kandidátů s nízkou zásobou, nebo naopak boost komplementů, u nichž je zásoba vysoká.
• Preferování vyšší marže, ale s omezením per-session, aby systém „netlačil“ stále stejné drahé kusy.
• Diverzita a novelty, aby vznikala serendipita (zákazník objeví nové relevantní kategorie).
• Pravidla kompatibility (např. doplňky k laptopu podle portů a velikosti; v košíku neprosazovat položky, které by oddálily expedici).

Privátní vs. veřejná personalizace

Kde je souhlas, používáme historii a preference; kde není, stavíme per-session modely z čerstvých signálů bez persistentních identifikátorů. On-device inference je užitečná pro citlivé segmenty (např. mobilní aplikace s cache embed­dingů).

Metriky

• Offline: Precision@K, Recall@K, NDCG, coverage, Gini (koncentrace), diversita/novelty index.
• Online: CTR, ATC, AOV uplift, konverze, přínos k marži, OOS dopad (kolik doporučení míří do nízké zásoby).

Vyhledávání a merchandizing: relevance, synonymika a „learning-to-rank“

Vyhledávání je skrytý recommender. Moderní pipeline kombinuje:

• Query porozumění: normalizace, korekce překlepů, synonymika (např. „kopačky“ ≈ „fotbalové boty“), rozpoznání záměru (brand vs. kategorie vs. vlastnost).
• Semantické vektory: transformery pro škálované „dense retrieval“, které vidí význam i bez shodného slovíčka.
• Relevance ranking: listwise LTR se smíchanými featurami (BM25, dense score, popularita, marže, zásoby, personalizace).
• Merch pravidla: pinování, boost/ban značek, kampaní a marginových priorit; pravidla jsou vždy nadřazená modelu a auditovatelná.

Prediktivní plánování zásob: hierarchie, promo kauzalita a substituce

„Forecast“ není číslo z tabulky, ale systém. V retailu se osvědčuje kombinace tří vrstev:

1. Hierarchické časové řady (SKU→kategorie→oddělení→celkový demand) s reconcile, aby součet „seděl“ napříč úrovněmi.
2. Promo a kauzalita: oddělení promo efektu od baseline; bez toho vznikají chronické přestřely objednávek mimo promo.
3. Substituce a komplementy: pravděpodobnost, že zákazník při OOS sáhne po náhradě; to rozhoduje o alokaci omezené dodávky mezi SKU.

Klíčové rovnice a vztahy

• Bezpečnostní zásoba (jednoduchý servisní model): SS = z · σ_L, kde z je kvantil pro požadovaný servisní level (např. 1.64 pro 95 %), a σ_L je směrodatná odchylka poptávky během lead-time.
• Newsvendor (pro jednorázové sezónní zboží): optimální kvantil q* = (C_u) / (C_u + C_o), kde C_u je náklad nedostatku (ztracená marže, reputační škoda), C_o je náklad přebytku (odpis, markdown).
• Substituční matice: pravděpodobnosti přelivu při OOS se vkládají jak do forecastu, tak do doporučování a pricingu (aby systém náhradní zboží zbytečně nezdražil).

Demand sensing a re-forecast

Klasický týdenní forecast doplňujeme streamovým sensingem: sledujeme vyhledávání, prohlížení PDP, ATC bez nákupu, mikro-proměnné (počasí, lokální akce). Při odchylce se provede re-forecast a úprava obj., alokací a cen (např. drobné zdražení, aby zásoba vydržela do doplnění).

Multi-echelon replenišment a logistika poslední míle

Inventář žije ve více patrech: dodavatel → centrální sklad → regionální sklady → prodejny / fulfillment centra. Multi-echelon model optimalizuje zásoby tak, aby celkový kapitál i OOS byly minimální. Zásadní vlivy:

• Lead-time variabilita: delší a rozkolísané dodávky zvyšují SS výše v řetězci a mění taktiku alokace (více „push“ do prodejen před špičkou).
• Alokace FC: e-commerce volí FC podle SLA; optimální je poslat objednávku z nejbližšího FC, které uspokojí SL a nevyčerpá zásobu klíčových SKU pro lokální poptávku.
• Split shipment cost: recommender a pricing by měly preferovat kombinace, které minimalizují rozdělení zásilek (nižší náklady, vyšší NPS).

Obchodní orchestrátor: jak ceny, doporučení a zásoby spolu mluví

Největší hodnota vzniká integrací. Orchestrátor je rozhodovací služba, která při každém „pohledu“ zákazníka vyhodnotí: kdo je (nebo jak se chová v session), co je v košíku, jaká je zásoba (per FC/prodejna), jaký je promo kalendář, co dělá konkurence a jaké jsou logistické a marginové limity. Vrátí: ceny (v mezích politik), vitríny (re-rank) a operativní pokyny pro replenišment/alokaci. Důležité je pořadí: nejdřív vyloučit neprodejné (OOS, compliance), potom zvážit logistiku, až pak jemně ladit marži a relevanci.

Metriky a experimenty: A/B, banditi a řízení podle P&L

Online metriky (CTR, ATC, AOV) jsou blízké, ale síla AI se potvrzuje v P&L. Proto:

• A/B testy s konzistentní segmentací (cookie-based, user-based, store-based) a dostatečně dlouhé, aby zachytily opakované chování.
• Banditní experimenty pro přidělování provozu efektivnější variantě za běhu.
• Guard-raily pro brand a logistiku (např. limit změn ceny/den, limit podílu OOS doporučení).
• „Cost to serve“ v metrice: AOV roste, ale roste i průměrná cena doručení? Pokud ano, je třeba přenastavit ranking v košíku.

Referenční architektura a MLOps: feature store, latence, observabilita

Datová vrstva

• Transakce (online/offline), katalog, marže, promo kalendář, zásoby, ERP/WMS, dodavatelské lead-times.
• Clickstream (zobrazení, klik, ATC, purchase), vyhledávání (dotaz, opravy, filtry), e-mail/push.
• Konkurence (scraping s etickými limity), počasí, svátky, lokální akce.

Feature store

Definice rysů s verzemi a lineage: rolling okna poptávky, cenové změny, embeddingy (produkt/uživatel), promo expozice, inventář (per FC/prodejna), logistika (ETA, split risk). Validace rozsahů, drift detekce, pravidla pro „last known good“ při výpadku.

Modelová a rozhodovací vrstva

• Pricing: kauzální elasticita + banditi/RL pod politikou.
• Recommender: kandidáti (collab/content/sequence) → vícekriteriální re-rank.
• Forecast & replenišment: hierarchie, promo kauzalita, substituce, demand sensing.
• Orchestrátor: API pro web/app/ERP, pořadí rozhodnutí, guard-raily, audit.

Latence

• Recommender a pricing na PDP/košíku pod ~100 ms P95. Dvoufázově: rychlý výběr (10–20 ms) + pomalejší re-rank (30–60 ms) s cache.
• Forecasty a replenišment většinou dávkově (hodiny/dny), s re-forecast triggerem při odchylkách.

MLOps a observabilita

• Model registry, champion/challenger, automatické testy (kalibrace, fairness, latence).
• Monitoring dopadů: dashboard P&L, AOV, OOS, split shipment, NPS „férovost“.
• Incident management a rollback: návrat na předchozí politiku při regresi metrik.

Právo, etika a férovost: dynamická cena bez ztráty důvěry

• Transparentnost: kde dává smysl, vysvětlete „proč se cena liší“ (promo, konkurence, dynamika zásob), u doporučení „doporučujeme, protože…“.
• Férovost: personalizace z chování, ne z citlivých atributů; žádná penalizace zákazníků bez souhlasu se sledováním.
• Ochrana značky: frekvenční limity změn, psychologické ceny, konzistence napříč kanály.
• Compliance: uchovávání auditních stop (vstupy, pravidla, verze modelu, výstup), jasná pravidla odpovědnosti (kdo schvaluje politiku, kdo mění limity).

Modelové scénáře a číselné příklady

1) Inventory-aware pricing u rychloobrátky

Zbývá 20 dní do doplnění, zásoba 2 000 ks, průměrná denní poptávka 120 ks, variabilita vysoká. Pricing zvýší cenu o 3 % (v limitu ±5 %) a současně doporučování posune expozici k substitutům s vysokou zásobou. Výsledek (typicky v praxi): denní poptávka klesne na ~112 ks, zásoba vydrží do doplnění, OOS klesá; marže/ks roste, dopad na AOV neutrální až mírně pozitivní.

2) „Košík – ještě se může hodit“ s logistickým limitem

Recommender v košíku nabízí pouze produkty dostupné ve stejném FC, aby se zabránilo split shipmentu. V praxi se tím sníží náklad na objednávku a zároveň se udrží SLA. Přidáme-li pravidlo kompatibility (např. správný typ toneru k tiskárně), roste konverze doplňků a klesají vrácení.

3) Markdown v sezóně módy

Namísto jedné velké slevy -40 % poslední týden běží tři řízené slevy (-15 %, -25 %, -35 %) podle tempa prodeje vs. plánu. RL politika penalizuje neprodané zboží po sezóně; v praxi vede k vyšší realizované marži a nižším odpisům.

4) Demand sensing při virálním trendu

Clickstream (vyhledávání a PDP view) roste 5× během 12 hodin, zatímco prodeje zatím jen 1.5×. Systém zvedá forecast, pricing mírně zdraží (v limitu smoothingu), doporučení přesunou expozici na near-substituty; zásoby se mezi FC rychle přerozdělí. OOS je nižší, než by byl při statickém řízení, a zisk na jednotku roste.

5) Křížové elasticity v praxi

Snížení ceny vlastního brandu těstovin o 5 % sníží prodeje mainstream brandu o 7 %, ale zvedne tržby v kategorii o 2 %. Pokud však doporučování přestane ukazovat drahé omáčky (komplement s vysokou marží), celkový profit klesne. Orchestrátor proto v re-ranku posílí komplementy s dostatečnou zásobou.

Tabulka: zjednodušený dopad cenových bodů v čase (simulace)

Výběr 329 maximalizuje denní zisk za daných předpokladů a snižuje OOS riziko. Pokud by se ukázalo, že zvednutím ceny roste návratnost (repeat rate) díky lepšímu SLA (méně OOS), dlouhodobý efekt by byl ještě lepší — proto je důležité měřit i delší horizont.

Závěr: AI jako obchodní operační systém

Dynamické ceny, doporučování a plánování zásob nejsou tři oddělené nástroje, ale propojená soustava rozhodnutí. Pricing bez ohledu na zásoby dělá OOS. Doporučení bez ohledu na marže a logistiku přináší „papírový“ AOV, ale ničí P&L a SLA. Forecast bez promo kauzality nafukuje objednávky a zvyšuje odpisy. Skutečná hodnota AI v retailu vzniká až tehdy, když orchestrátor sladí všechny tyto vrstvy pod jednou politikou s jasnými limity, auditními stopami a měřením dopadu na P&L.

Technicky to znamená: spolehlivý feature store, rychlou rozhodovací vrstvu s guard-raily, robustní MLOps (champion/challenger, canary, observabilita), a především disciplínu v datech a governance. Obchodně to znamená: definovat cíle (marže, AOV, OOS, obrat zásob), mít trpělivost s experimenty, ale netolerovat modely bez vysvětlitelnosti a bez pravidel. Eticky to znamená: chránit soukromí, vyhnout se neférové diskriminaci a neničit vnímání značky častými skoky cen.

Pokud chcete začít, vyberte úzký scénář s jasným dopadem: inventory-aware doporučení v košíku, dynamický pricing s ±3 % limitem u kategorie s dobrou datovou historií, nebo demand sensing pro top sezónní SKU. Už první verze nasazujte jako „tenké produkční jádro“ s metrikami a auditem — další kroky pak přijdou rychle a s jistotou, že AI skutečně zvyšuje AOV, snižuje OOS a posiluje P&L, nikoli pouze hezky vypadá na dashboardu.