Recathon LLM Negotiators
1.0.0
LLM Negotiator 프로젝트는 고급 언어 학습 모델(LLM)을 통합하여 개인 상호 작용을 시뮬레이션하고 동적 가격 협상을 활성화하며 투명성을 높여 전자 상거래 경험을 향상시키는 것을 목표로 합니다. 이 시스템은 고정 가격과 제한된 고객 상호 작용의 한계를 해결하여 더욱 매력적이고 유연한 쇼핑 경험을 제공합니다.
구성 요소 및 작업 흐름:
제품 목록: 전자상거래 플랫폼은 제품 카탈로그를 표시하고 거래를 위해 지불 게이트웨이와 상호 작용합니다.
LLM 채팅 인터페이스: 고객이 AI 협상가와 상호 작용하여 제품 가격을 논의하고 협상할 수 있는 협상 인터페이스 역할을 합니다.
마스터 벡터 DB(V_DB): LLM의 이해와 응답 생성을 향상시키기 위해 협상 데이터의 벡터 표현을 저장합니다.
동적 가격 모델:
수요 점수: 제품 수요를 평가하여 가격을 동적으로 조정합니다. 다운 리프트 계수: 다양한 요소를 기반으로 허용 가능한 최소 할인을 결정합니다. 가격 변동 요인: 시장 동향과 경쟁사 가격을 고려하여 가격을 조정합니다. 경쟁력 있는 가격: 다양한 플랫폼(P1, P2, P3, P4, P5)의 가격을 분석하고 가격 전략을 업데이트하여 경쟁력을 유지합니다.
웹 스크레이퍼: 대상 웹사이트를 정기적으로 스크래핑하여 동향 데이터베이스를 업데이트하고(3~6개월마다) 가격 모델이 현재 시장 상황에 따라 반영되도록 합니다.
점수 결정적 모델: 동적 가격 모델의 입력을 활용하여 기본 가격과 AI 생성 협상 가격을 결정합니다.
프로세스 흐름:
데이터 수집 및 업데이트: 웹 스크레이퍼는 시장 데이터를 수집하여 중앙 데이터베이스를 업데이트합니다.
경쟁 분석: 경쟁력 있는 가격 구성 요소는 다양한 플랫폼의 데이터를 분석하여 데이터베이스에 제공합니다.
동적 가격 책정: 점수 결정적 모델은 수요 점수, 하락 요인, 가격 변동 요인을 사용하여 가격을 동적으로 조정합니다. 고객 상호 작용: 고객은 LLM 채팅 인터페이스를 통해 실시간으로 가격을 협상합니다. LLM은 마스터 벡터 데이터베이스를 사용하여 개인화되고 상황에 맞는 응답을 제공합니다.
거래 완료: 가격이 합의되면 결제 게이트웨이를 통해 거래가 진행됩니다.
기여자
