論文の概要: Promotheus: An End-to-End Machine Learning Framework for Optimizing
Markdown in Online Fashion E-commerce
- arxiv url: http://arxiv.org/abs/2207.01137v1
- Date: Sun, 3 Jul 2022 22:38:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 16:22:27.718767
- Title: Promotheus: An End-to-End Machine Learning Framework for Optimizing
Markdown in Online Fashion E-commerce
- Title(参考訳): promotheus - オンラインファッションeコマースにおけるマークダウン最適化のためのエンドツーエンド機械学習フレームワーク
- Authors: Eleanor Loh, Jalaj Khandelwal, Brian Regan, Duncan A. Little
- Abstract要約: 本稿では,小売業者の旅の異なる段階でのマークダウンを最適化するための2つの新しいエンド・ツー・エンドのマークダウン管理システムを紹介する。
最初のシステムである"Ithax"は、需要推定なしで合理的な供給側価格戦略を実行する。
第2のシステム "Promotheus" は、価格弾力性を備えたマークダウン最適化のための完全なフレームワークを提供する。
- 参考スコア(独自算出の注目度): 19.420919845501228
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Managing discount promotional events ("markdown") is a significant part of
running an e-commerce business, and inefficiencies here can significantly
hamper a retailer's profitability. Traditional approaches for tackling this
problem rely heavily on price elasticity modelling. However, the partial
information nature of price elasticity modelling, together with the
non-negotiable responsibility for protecting profitability, mean that machine
learning practitioners must often go through great lengths to define strategies
for measuring offline model quality. In the face of this, many retailers fall
back on rule-based methods, thus forgoing significant gains in profitability
that can be captured by machine learning. In this paper, we introduce two novel
end-to-end markdown management systems for optimising markdown at different
stages of a retailer's journey. The first system, "Ithax", enacts a rational
supply-side pricing strategy without demand estimation, and can be usefully
deployed as a "cold start" solution to collect markdown data while maintaining
revenue control. The second system, "Promotheus", presents a full framework for
markdown optimization with price elasticity. We describe in detail the specific
modelling and validation procedures that, within our experience, have been
crucial to building a system that performs robustly in the real world. Both
markdown systems achieve superior profitability compared to decisions made by
our experienced operations teams in a controlled online test, with improvements
of 86% (Promotheus) and 79% (Ithax) relative to manual strategies. These
systems have been deployed to manage markdown at ASOS.com, and both systems can
be fruitfully deployed for price optimization across a wide variety of retail
e-commerce settings.
- Abstract(参考訳): 割引プロモーションイベント(「マークダウン」)の管理は、eコマースビジネスを実行する上で重要な部分であり、ここでの非効率性は小売店の収益性を著しく阻害する。
この問題に取り組む伝統的なアプローチは、価格弾性モデリングに大きく依存している。
しかし、価格弾力性モデリングの部分的な情報の性質は、収益性を保護するための非負の責任とともに、機械学習実践者がオフラインモデル品質を測定するための戦略を定義するために、しばしば長い時間をかけて行わなければならないことを意味している。
このような状況に直面して、多くの小売業者はルールベースの手法に逆戻りし、機械学習によって捉えられる利益性を大幅に向上させます。
本稿では,小売業者の旅程の異なる段階でのマークダウンを最適化する2つの新しいエンド・ツー・エンドのマークダウン管理システムを提案する。
第1のシステムである"Ithax"は、需要推定なしで合理的な供給側価格戦略を実行し、収益管理を維持しつつ、マークダウンデータを収集する"コールドスタート"ソリューションとして有用に展開できる。
第2のシステム "Promotheus" は、価格弾力性を備えたマークダウン最適化のための完全なフレームワークを提供する。
我々は,実世界で堅牢に機能するシステムを構築する上で,我々の経験から重要な,特定のモデリングおよび検証手順について詳細に述べる。
両方のマークダウンシステムは、経験豊富な運用チームがコントロールされたオンラインテストで行った決定よりも、利益率に優れており、手動戦略に対して86%(Promotheus)と79%(Ithax)の改善が得られています。
これらのシステムはASOS.comでマークダウンを管理するためにデプロイされており、どちらのシステムも様々な小売eコマース設定で価格最適化のために実りよくデプロイできる。
関連論文リスト
- LMaaS: Exploring Pricing Strategy of Large Model as a Service for
Communication [11.337245234301857]
有料サービスモードは、LM(Large Model as a Service)と呼ばれるこの文脈に適していると我々は主張する。
本稿では,顧客の将来的なレンタル決定を推論することで,大規模モデルの価格を反復的に最適化する反復モデル価格(IMP)アルゴリズムを提案する。
第2ステップでは、ロバストな選択とレンタルのアルゴリズムを設計することで、顧客の選択決定を最適化する。
論文 参考訳(メタデータ) (2024-01-05T07:19:19Z) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel
Inventories [10.353243563465124]
我々は,データ駆動型楽観的二元性在庫最適化(BIO)戦略を新たに導入する。
我々の実験は、在庫管理に対する従来のアプローチを再考することで、大きな利益が得られることを示している。
論文 参考訳(メタデータ) (2023-10-17T23:10:57Z) - A Marketplace Price Anomaly Detection System at Scale [3.8632181427836945]
MoatPlusは、成長するマーケットプレースプラットフォームのためのスケーラブルな価格異常検出フレームワークである。
価格に基づく機能の不規則を検出するために、モデルのアンサンブルを構築します。
提案手法は, 高精度アンカーカバレッジを最大46.6%向上させる。
論文 参考訳(メタデータ) (2023-10-06T16:41:51Z) - MERMAIDE: Learning to Align Learners using Model-Based Meta-Learning [62.065503126104126]
本研究では,先見のつかない学習エージェントの報酬を効率よく効果的に介入し,望ましい結果を導き出す方法について検討する。
これはオークションや課税のような現実世界の多くの設定に関係しており、プリンシパルは学習行動や実際の人々の報酬を知らないかもしれない。
モデルに基づくメタ学習フレームワークであるMERMAIDEを導入し,配布外エージェントに迅速に適応できるプリンシパルを訓練する。
論文 参考訳(メタデータ) (2023-04-10T15:44:50Z) - Learning Revenue Maximizing Menus of Lotteries and Two-Part Tariffs [21.39493074700162]
本研究では,経済に顕著な2種類のメカニズム,すなわち宝くじのメニューと2部関税の学習可能性について検討する。
私たちの主な貢献は、宝くじのメニューと、強い後悔に満ちた保証付き関税のための最初のオンライン学習アルゴリズムの提案です。
論文 参考訳(メタデータ) (2023-02-22T23:35:50Z) - Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。
このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。
上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
論文 参考訳(メタデータ) (2023-02-02T16:30:33Z) - VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。
具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。
当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
論文 参考訳(メタデータ) (2022-05-31T17:45:30Z) - Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。
商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。
本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
論文 参考訳(メタデータ) (2022-02-26T02:07:25Z) - Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and
Multi-Period Optimization Approach [29.11201102550876]
半パラメトリック構造モデルを構築し、価格の弾力性を学習し、対物需要を予測する。
本稿では,有限販売地平線上での消耗品全体の利益を最大化するために,多周期動的価格アルゴリズムを提案する。
提案されたフレームワークは、よく知られたeコマースの新鮮な小売シナリオであるFreshippoにうまくデプロイされている。
論文 参考訳(メタデータ) (2021-05-18T07:01:37Z) - Certifying Strategyproof Auction Networks [53.37051312298459]
我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。
本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
論文 参考訳(メタデータ) (2020-06-15T20:22:48Z)
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。