論文の概要: Counterfactual Inference for Consumer Choice Across Many Product
Categories
- arxiv url: http://arxiv.org/abs/1906.02635v2
- Date: Sun, 6 Aug 2023 18:15:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 01:42:55.717659
- Title: Counterfactual Inference for Consumer Choice Across Many Product
Categories
- Title（参考訳）: 多くの製品カテゴリーにおける消費者選択の因果推論
- Authors: Rob Donnelly, Francisco R. Ruiz, David Blei, and Susan Athey
- Abstract要約: 我々は,行列因数分解の確率論的モデルに基づく機械学習文献に基づく手法を構築した。
我々のモデルは、それぞれのカテゴリを独立して考える従来のモデリングアプローチよりも改善されていることを示す。
保持データを用いて、当社のモデルは、ある製品に対して最も価格に敏感な消費者を正確に識別できることを示す。
- 参考スコア（独自算出の注目度）: 6.347014958509367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a method for estimating consumer preferences among
discrete choices, where the consumer chooses at most one product in a category,
but selects from multiple categories in parallel. The consumer's utility is
additive in the different categories. Her preferences about product attributes
as well as her price sensitivity vary across products and are in general
correlated across products. We build on techniques from the machine learning
literature on probabilistic models of matrix factorization, extending the
methods to account for time-varying product attributes and products going out
of stock. We evaluate the performance of the model using held-out data from
weeks with price changes or out of stock products. We show that our model
improves over traditional modeling approaches that consider each category in
isolation. One source of the improvement is the ability of the model to
accurately estimate heterogeneity in preferences (by pooling information across
categories); another source of improvement is its ability to estimate the
preferences of consumers who have rarely or never made a purchase in a given
category in the training data. Using held-out data, we show that our model can
accurately distinguish which consumers are most price sensitive to a given
product. We consider counterfactuals such as personally targeted price
discounts, showing that using a richer model such as the one we propose
substantially increases the benefits of personalization in discounts.
- Abstract（参考訳）: 本稿では,消費者がカテゴリ内の1つ以上の製品を選択するが,複数のカテゴリから同時に選択する,個別選択間の消費者嗜好を推定する手法を提案する。
消費者のユーティリティは、異なるカテゴリに付加される。
製品属性に対する彼女の好みと価格の感度は製品によって異なり、一般的に製品間で相関する。
我々は,行列因子化の確率モデルに基づく機械学習文献の手法を基礎として,時間的変動を伴う製品属性や在庫切れを考慮に入れた手法を拡張した。
価格変更や在庫の流出などによる数週間の保留データを用いて,モデルの性能評価を行った。
それぞれのカテゴリーを別々に考える従来のモデリングアプローチよりも,モデルが改善することを示す。
改善の1つの要因は、モデルが優先順位の不均一性を正確に推定する能力(カテゴリ間の情報のプール化による)であり、改善のもう1つの要因は、トレーニングデータにおいて、特定のカテゴリでめったに購入したことのない消費者の嗜好を推定する能力である。
保持データを用いて、当社のモデルは、製品に対して最も価格に敏感な消費者を正確に識別できることを示す。
個人が対象とする価格割引などの対策を考察し、提案するようなよりリッチなモデルを用いることで、ディスカウントにおけるパーソナライゼーションのメリットを著しく高めることを示す。
関連論文リスト
- ComPO: Community Preferences for Language Model Personalization [122.54846260663922]
ComPOは、言語モデルにおける好みの最適化をパーソナライズする手法である。
ComPRedはRedditからコミュニティレベルの好みを持った質問応答データセットです。
論文 参考訳（メタデータ） (2024-10-21T14:02:40Z) - Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。
我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。
我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
論文 参考訳（メタデータ） (2024-09-23T12:28:40Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳（メタデータ） (2023-03-28T00:23:23Z) - A Hybrid Statistical-Machine Learning Approach for Analysing Online
Customer Behavior: An Empirical Study [2.126171264016785]
我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。
以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。
特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
論文 参考訳（メタデータ） (2022-12-01T19:37:29Z) - Learning Consumer Preferences from Bundle Sales Data [2.6899658723618005]
本稿では,バンドル販売データを用いて消費者の商品に対する評価値の分布を学習するためのアプローチを提案する。
EMアルゴリズムとモンテカルロシミュレーションを用いて,消費者評価の分布を復元する。
論文 参考訳（メタデータ） (2022-09-11T21:42:49Z) - Price DOES Matter! Modeling Price and Interest Preferences in
Session-based Recommendation [55.0391061198924]
セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。
セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。
セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
論文 参考訳（メタデータ） (2022-05-09T10:47:15Z) - Text Classification for Predicting Multi-level Product Categories [0.0]
オンラインショッピングプラットフォームでは、製品の詳細な分類がユーザナビゲーションを促進する。
本研究では,食品の商品名分類に焦点をあてる。
論文 参考訳（メタデータ） (2021-09-02T17:00:05Z) - PreSizE: Predicting Size in E-Commerce using Transformers [76.33790223551074]
PreSizEは、Transformerを使って正確なサイズ予測を行う新しいディープラーニングフレームワークである。
我々は,PreSizEが従来の最先端のベースラインよりも優れた予測性能を実現できることを示した。
概念実証として、PreSizEによるサイズ予測が、既存の生産推奨システムに統合できることを実証しています。
論文 参考訳（メタデータ） (2021-05-04T15:23:59Z) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳（メタデータ） (2020-12-21T01:01:56Z) - Adversarial learning for product recommendation [0.0]
本研究は, 共同分布(ビュー, 購入)行動からサンプルを生成することを学習する条件付き, 結合型生成対向ネットワーク(RecommenderGAN)を提案する。
しかし,本モデルが提案する勧告は,消費者やデジタル小売業者に有効である可能性が示唆された。
論文 参考訳（メタデータ） (2020-07-07T23:35:36Z) - Studying Product Competition Using Representation Learning [7.01269741110576]
本稿では、製品レベルの競争を研究するために、表現学習アルゴリズムWord2Vecに基づくProduct2Vecを紹介する。
提案モデルでは,ショッピングバスケットを入力とし,各商品に対して重要な商品情報を保存した低次元の埋め込みを生成する。
現状のモデルと比較して、我々のアプローチはより高速であり、より正確な需要予測と価格弾力性が得られることを示す。
論文 参考訳（メタデータ） (2020-05-21T00:36:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。