یکی از چالشهایی که در فروشگاه اینترنتی مطرح است، به دست آوردن تخفیف هایی (تخفیف بهینه) که برای هر کالا زده میشود. برای انجام این کار از دادههای تخفیفی که در گذشته جمعآوری شده استفاده می شود، که این دادهها برای بالا رفتن کیفیتشان نیاز به پیشپردازش دارند. داده ها شامل متغیرهای مختلفی هستند مثل آیدی کالا و غیره، که کیفیت و تعداد این متغیرها بر می گردند به داده ای که در اون سازمان در گذشته جمع آوری شده است. پس به این باید دقت کرد که جمع آوری اطلاعات به درستی و با جزئیات اهمیت زیادی دارد. ممکن است گاهی نیاز شود که تعدادی متغیر نیز برای بالا رفتن دقت مدل ایجاد شود. این خوب است که هر کاری که می خواهیم انجام دهیم در ابتدا روی بخش کوچکی از داده اعمال کنیم و بعد روی کل داده اعمال شود. هدف رنج بندی قیمت کالاها و درصد تخفیف برای هر رنج زدن است. برای بهبود کیفیت مدل پیش بینی نیاز به انجام کارهای بیشتری است:
1. فقط یک میزان تخفیف نزند و چندین بار تخفیف را اعمال کند.
2. زمان تخفیف را نیز در نظر بگیرد. اینکه تخفیف در چه زمانی گذاشته شود اهمیت دارد. اینکه در چه فصلی باشد و اول، وسط و آخر فصل باشد نیز اهمیت دارد. اینکه چه هفته ای باشد و اول، وسط و آخر هفته باشد مهم است. به عبارتی تخفیفها را در بازههای مختلف اعمال کند.
3. طول مدت تخفیف چه مقدار باشد تخفیف بهتر نتیجه می دهد.
4. محصولات را کلاس بندی کند.
5. انتخاب مناسبت های مناسب و میزان تخفیفی که برای هر مناسبت مناسب است.
6. به طور کل چه محصولی تخفیف بخورد بهتر است.
