Recathon LLM Negotiators
1.0.0
Le projet LLM Négociateur vise à améliorer l'expérience de commerce électronique en intégrant des modèles avancés d'apprentissage des langues (LLM) pour simuler des interactions personnelles, permettant des négociations de prix dynamiques et offrant une transparence accrue. Ce système répond aux limites des prix fixes et des interactions limitées avec les clients, offrant une expérience d'achat plus attrayante et plus flexible.
Composants et flux de travail :
Listes de produits : la plateforme de commerce électronique affiche les catalogues de produits et interagit avec la passerelle de paiement pour les transactions.
Interface de discussion LLM : elle sert d'interface de négociation où les clients peuvent interagir avec un négociateur IA pour discuter et négocier les prix des produits.
Master Vector DB (V_DB) : stocke les représentations vectorielles des données de négociation pour améliorer la compréhension et la génération de réponses du LLM.
Modèle de tarification dynamique :
Score de demande : évalue la demande de produits pour ajuster les prix de manière dynamique. Facteur de réduction : détermine la remise minimale autorisée en fonction de divers facteurs. Facteur de fluctuation des prix : prend en compte les tendances du marché et les prix des concurrents pour ajuster les prix. Tarification compétitive : analyse les prix de différentes plateformes (P1, P2, P3, P4, P5) et met à jour la stratégie de tarification pour rester compétitif.
Web Scrapers : grattez périodiquement les sites Web ciblés pour mettre à jour la base de données de tendances (tous les 3 à 6 mois), en vous assurant que le modèle de tarification est informé des conditions actuelles du marché.
Modèle déterministe de score : utilise les entrées du modèle de tarification dynamique pour déterminer un prix de base et des prix de négociation générés par l'IA.
Flux de processus :
Collecte et mise à jour des données : les Web scrapers collectent des données de marché, qui mettent à jour la base de données centrale.
Analyse concurrentielle : le composant de tarification concurrentielle analyse les données de diverses plates-formes et les alimente dans la base de données.
Tarification dynamique : le modèle déterministe de score utilise les scores de demande, les facteurs de baisse et les facteurs de fluctuation des prix pour ajuster les prix de manière dynamique. Interaction client : via l'interface de chat LLM, les clients négocient les prix en temps réel. Le LLM utilise la base de données vectorielles principale pour fournir des réponses personnalisées et contextuellement pertinentes.
Achèvement de la transaction : une fois qu'un prix est convenu, la transaction se déroule via la passerelle de paiement.
Contributeurs
