Estimación del precio de prendas de segunda mano con algoritmos de Machine Learning

Abstract

Este trabajo propone una metodología para estimar el precio de venta de una tienda dedicada a vender prendas de lujo de segunda mano, quienes actualmente determinan de manera manual los precios para cada nueva prenda que ponen a la venta. El objetivo es proponer un modelo de estimación de precios de venta para prendas de vestir de segunda mano utilizando algoritmos de Machine Learning. Con este fin, se utilizan caracterísicas de la prenda: marca, categoría, sub categoría, estado, composición y si pertenece al catálogo de productos más accesibles. Debido a que algunas prendas no cuentan el atributo precio de referencia, se hace la distinción entre dos modelos predictivos: aquellos que usan esta variable, y aquellos que no. Luego, para cuantificar los errores, se compara el precio de venta estimado con el precio de venta usado por la empresa. Los modelos que no utilizan el precio de referencia como input tienen un MAPE entre el 20 % y el 30 % en el set de testeo para cada una de las categorías de prenda, donde los métodos con mejor desempeño son Linear Regression y Support Vector Machine. Asimismo, se obtiene un MAPE entre 10 % y el 18 % para los modelos que sí utilizan el precio de referencia, donde los métodos destacados son Random Forest y XGBoost. Debido a la alta variabilidad de los datos, también se encontraron intervalos de confianza de los precios predichos para generar recomendaciones de niveles de precio para las nuevas prendas. Además, se abordó el impacto en las utilidades de la empresa al utilizar estos modelos para la estimación de precios: cuando se utiliza precio de referencia las utilidades bajan alrededor de 5 % mientras que cuando no, bajan alrededor de un 17 %. Esto viene a reforzar el hecho de que contar con este precio de referencia al ayudar enormemente a las predicciones también tiene un impacto en las utilidades que derivan de una buena puesta de precios. Se concluye que los modelos propuestos son capaces de estimar los precios de venta de las prendas de segunda mano con un error aceptable, y que el uso de precio de referencia como input es una variable que mejora de forma significativa el desempeño de los modelos.