플러스프로젝트 배경
1) 문제점 - 가격을 높게 잡으면 재고가 남고 낮게 잡으면 마진을 잃습니다. - 브랜드·카테고리·사이즈·컨디션의 조합이 많고, 희소 상품은 학습 사례가 적어 평균 가격만으로 판단하기 어렵습니다. - 브랜드별 표본 불균형, 공급가와 판매가의 서로 다른 목적, 신상품가·상태·사이즈를 함께 고려해야 하는 제약이 있었습니다. 2) 프로젝트 목표 - 4개 모델을 경쟁시켜 가격 범위를 제안하는 것이 목표였
프로젝트 성과
4개 모델 앙상블 비교
CatBoost·XGBoost·LightGBM·Random Forest 성능 비교
브랜드별 오류 분석 체계화
평균은 좋지만 특정 브랜드에서 무너지는 모델 식별
핵심 기능
가격 범위 제안
단일 숫자 대신 모델 합의 기반 가격 범위 제공
진행 단계
가격 데이터 탐색
2024.05.
브랜드·카테고리·컨디션 데이터 품질 정리
프로젝트 상세
1) 포트폴리오 소개 프라이싱 인텔리전스 카테고리의 가격 예측 도구로, 럭셔리 키즈 리세일 셀러의 매입 담당자를 메인 타깃으로 합니다. 모델 정확도 자체보다 매입 담당자마다 달랐던 가격 기준을 표준화하고, 빠른 견적이 재고 회전으로 이어지게 하는 것이 사업 목표였습니다. 2) 작업 범위 가격 데이터 탐색과 품질 정리, 4개 모델 학습 및 앙상블 비교, 실무 입력→가격 제안 흐름 구현까지 담당했습니다.
