論文の概要: Revenue Maximization and Learning in Products Ranking

• arxiv url: http://arxiv.org/abs/2012.03800v3
• Date: Sun, 09 Nov 2025 02:04:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.204793
• Title: Revenue Maximization and Learning in Products Ranking
• Title（参考訳）: 製品ランキングにおける収益最大化と学習
• Authors: Ningyuan Chen, Anran Li, Shuoguang Yang,
• Abstract要約: 価格と品質の異なる商品群を並べて展示するオンライン小売業者の収益問題を考察する。 消費者は注目範囲、すなわち、目視したい商品の最大数に注意を向け、製品を購入する前に順次検査したり、注意範囲が枯渇した時にプラットフォームを空っぽにしておく。 当社のフレームワークは、2つのカスケードでよく知られたモデルを拡張しています。
• 参考スコア（独自算出の注目度）: 6.35283128582654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the revenue maximization problem for an online retailer who plans to display in order a set of products differing in their prices and qualities. Consumers have attention spans, i.e., the maximum number of products they are willing to view, and inspect the products sequentially before purchasing a product or leaving the platform empty-handed when the attention span gets exhausted. Our framework extends the well-known cascade model in two directions: the consumers have random attention spans instead of fixed ones, and the firm maximizes revenues instead of clicking probabilities. We show a nested structure of the optimal product ranking as a function of the attention span when the attention span is fixed. \sg{Using this fact, we develop an approximation algorithm when only the distribution of the attention spans is given. Under mild conditions, it achieves $1/e$ of the revenue of the clairvoyant case when the realized attention span is known. We also show that no algorithms can achieve more than 0.5 of the revenue of the same benchmark. The model and the algorithm can be generalized to the ranking problem when consumers make multiple purchases.} When the conditional purchase probabilities are not known and may depend on consumer and product features, we devise an online learning algorithm that achieves $\tilde{\mathcal{O}}(\sqrt{T})$ regret relative to the approximation algorithm, despite the censoring of information: the attention span of a customer who purchases an item is not observable. Numerical experiments demonstrate the outstanding performance of the approximation and online learning algorithms.
• Abstract（参考訳）: 価格と品質の異なる商品群を並べて展示するオンライン小売業者の収益最大化問題を考察する。 消費者は注目範囲、すなわち、目視したい商品の最大数に注意を向け、製品を購入する前に順次検査したり、注意範囲が枯渇した時にプラットフォームを空っぽにしておく。 弊社のフレームワークは、よく知られているカスケードモデルを二つの方向に拡張している: 消費者は固定ではなくランダムな注意範囲を持ち、企業は確率をクリックせずに収益を最大化する。 注目範囲が固定された場合,注目範囲の関数として最適製品ランキングのネスト構造を示す。 この事実を用いて,注目範囲の分布のみが与えられる場合に近似アルゴリズムを開発する。 穏やかな条件下では、現実の注目範囲が分かっていれば、透視器ケースの収益の1/eドルを達成できる。 また、同じベンチマークの収益の0.5以上をアルゴリズムが達成できないことも示しています。 モデルとアルゴリズムは、消費者が複数の購入を行う際にランキング問題に一般化することができる。 条件付き購入確率が分かっておらず,消費者や製品機能に依存している場合,情報の検閲にもかかわらず,近似アルゴリズムに対して$\tilde{\mathcal{O}}(\sqrt{T})$後悔するオンライン学習アルゴリズムを考案する。 数値実験は近似とオンライン学習アルゴリズムの優れた性能を示す。

関連論文リスト

• Learning Fair And Effective Points-Based Rewards Programs [4.465134753953128]
  ポイントベースの報酬プログラムは、その実施における不公平な慣行の告発により精査されている。 ポイントベースの報酬プログラムを公平に設計する問題について検討し、その効果と公正性に反する2つの障害に着目した。 我々は、すべての顧客に対して同じ償還基準を使用する個人的公正報酬プログラムが、少なくとも1+ln 2$の損失を被っていることを示す。 本稿では,実験による点評価のリスクを制限する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-04T13:05:16Z)
• Understanding Visual Saliency of Outlier Items in Product Search [62.12411635661447]
  両面のマーケットプレースでは、アイテムはユーザーの注意を競う。 最近の研究は、ランキングのアウトリーチアイテムのような、イテム間の依存関係もアイテムの露出に影響を与えることを示唆している。 リアルなオンラインショッピングシナリオにおいて,トップダウン要因がアイテムのアウトリーネスに対するユーザの認識にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-03-30T21:22:23Z)
• Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
  我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。 埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。 本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-03T15:45:15Z)
• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Dynamic Pricing and Learning with Bayesian Persuasion [18.59029578133633]
  我々は,商品の価格設定に加えて,販売者が「広告計画」にコミットする,新たな動的価格設定と学習環境を考える。 我々は、バイエルンの一般的な説得フレームワークを使用して、これらのシグナルが購入者の評価と購入反応に与える影響をモデル化する。 我々は、過去の購入応答を利用して最適な価格と広告戦略を適応的に学習できるオンラインアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2023-04-27T17:52:06Z)
• Product Ranking for Revenue Maximization with Multiple Purchases [29.15026863056805]
  オンライン小売業者が消費者の行動を正確にモデル化できる場合に最適なランキングポリシーを提案する。 We developed the Multiple-Purchase-with-Budget UCB algorithm with $O(sqrtT)$ regret。 合成データセットと半合成データセットの両方の実験により、提案アルゴリズムの有効性が証明された。
  論文  参考訳（メタデータ） (2022-10-15T11:59:45Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• Personalized Entity Resolution with Dynamic Heterogeneous Knowledge Graph Representations [40.37976161857134]
  製品ランキングの精度を向上させるためにパーソナライズされた機能を活用する新しいフレームワークを提案する。 まず、顧客購入履歴と製品知識グラフからオープンソースの異種知識グラフを作成し、顧客と製品の埋め込みを共同で学習します。 その後、プロダクト、顧客、履歴の表現をニューラルリランキングモデルに組み込んで、どの候補が特定の顧客に購入される可能性が最も高いかを予測します。
  論文  参考訳（メタデータ） (2021-04-06T16:58:27Z)
• A Tractable Online Learning Algorithm for the Multinomial Logit Contextual Bandit [2.9998316151418107]
  我々は、意思決定者が消費者に製品のサブセットを提供する動的集合最適化問題を考える。 MNL(Multinomial Logit)モデルを用いて消費者選択行動のモデル化を行う。 後悔は$O(sqrtdT + kappa)$で束縛され、既存のメソッドよりもパフォーマンスが大幅に向上していることを示す。
  論文  参考訳（メタデータ） (2020-11-28T00:20:36Z)
• Regret in Online Recommendation Systems [73.58127515175127]
  本稿では,オンライン環境におけるレコメンデーションシステムの理論的分析について提案する。 各ラウンドにおいて、ユーザがランダムに$m$ユーザから選択され、レコメンデーションが要求される。決定者は、ユーザを観察し、$n$アイテムのカタログからアイテムを選択する。 推奨アルゴリズムのパフォーマンスは、これらの可能性を認識したOracleアルゴリズムを参照して、その後悔を通じて取得される。
  論文  参考訳（メタデータ） (2020-10-23T12:48:35Z)
• Learning to Infer User Hidden States for Online Sequential Advertising [52.169666997331724]
  本稿では,これらの問題に対処するディープインテントシーケンス広告(DISA)手法を提案する。 解釈可能性の鍵となる部分は、消費者の購入意図を理解することである。
  論文  参考訳（メタデータ） (2020-09-03T05:12:26Z)
• Learning Robust Models for e-Commerce Product Search [23.537201383165755]
  検索クエリ意図にマッチしないアイテムを表示することは、eコマースにおける顧客エクスペリエンスを低下させる。 問題を緩和するには、大きなラベル付きデータセットが必要である。 我々は、ミスマッチを効果的に分類することを学ぶ、深いエンドツーエンドモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-07T17:22:21Z)
• Ranking a set of objects: a graph based least-square approach [70.7866286425868]
  同一労働者の群集によるノイズの多いペアワイズ比較から始まる$N$オブジェクトのランク付けの問題について考察する。 品質評価のために,最小二乗内在的最適化基準に依存する非適応的ランキングアルゴリズムのクラスを提案する。
  論文  参考訳（メタデータ） (2020-02-26T16:19:09Z)
• Assortment Optimization with Repeated Exposures and Product-dependent Patience Cost [19.29174615532181]
  アマゾンなど多くのオンライン小売業者が直面しているアソシエーション最適化問題について検討する。 我々は,複数の段階にわたる消費者の購買行動を把握するために,多項ロジットモデルを開発した。
  論文  参考訳（メタデータ） (2020-02-13T03:12:49Z)

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。