Recathon LLM Negotiators
1.0.0
El proyecto LLM Negotiator tiene como objetivo mejorar la experiencia del comercio electrónico mediante la integración de modelos avanzados de aprendizaje de idiomas (LLM) para simular interacciones personales, permitir negociaciones dinámicas de precios y proporcionar una mayor transparencia. Este sistema aborda las limitaciones de los precios fijos y la interacción limitada con el cliente, ofreciendo una experiencia de compra más atractiva y flexible.
Componentes y flujo de trabajo:
Listados de productos: la plataforma de comercio electrónico muestra catálogos de productos e interactúa con la pasarela de pago para las transacciones.
Interfaz de chat LLM: sirve como interfaz de negociación donde los clientes pueden interactuar con un negociador de IA para discutir y negociar los precios de los productos.
Master Vector DB (V_DB): almacena representaciones vectoriales de datos de negociación para mejorar la comprensión y la generación de respuestas del LLM.
Modelo de precios dinámico:
Puntuación de demanda: evalúa la demanda del producto para ajustar los precios de forma dinámica. Factor de elevación hacia abajo: determina el descuento mínimo permitido en función de varios factores. Factor de fluctuación de precios: considera las tendencias del mercado y los precios de la competencia para ajustar los precios. Precios competitivos: analiza precios de diferentes plataformas (P1, P2, P3, P4, P5) y actualiza la estrategia de precios para seguir siendo competitivo.
Web Scrapers: extraiga periódicamente sitios web específicos para actualizar la base de datos de tendencias (cada 3 a 6 meses), asegurando que el modelo de precios esté informado por las condiciones actuales del mercado.
Modelo determinista de puntuación: utiliza entradas del modelo de precios dinámico para determinar un precio base y precios de negociación generados por IA.
Flujo de proceso:
Recopilación y actualización de datos: los raspadores web recopilan datos de mercado, que actualizan la base de datos central.
Análisis competitivo: el componente de precios competitivos analiza datos de varias plataformas y los introduce en la base de datos.
Precios dinámicos: el modelo determinista de puntuación utiliza puntuaciones de demanda, factores de elevación a la baja y factores de fluctuación de precios para ajustar los precios dinámicamente. Interacción con el cliente: a través de la interfaz de chat de LLM, los clientes negocian precios en tiempo real. El LLM utiliza la base de datos maestra de vectores para proporcionar respuestas personalizadas y contextualmente relevantes.
Finalización de la transacción: una vez que se acuerda el precio, la transacción se realiza a través de la pasarela de pago.
Colaboradores
