論文の概要: Personalized Promotion Decision Making Based on Direct and Enduring Effect Predictions

• arxiv url: http://arxiv.org/abs/2207.14798v1
• Date: Sat, 23 Jul 2022 07:13:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-07 14:34:07.912007
• Title: Personalized Promotion Decision Making Based on Direct and Enduring Effect Predictions
• Title（参考訳）: 直接・持続的効果予測に基づく個人化促進意思決定
• Authors: Jie Yang, Yilin Li, Deddy Jobson
• Abstract要約: 本稿では,顧客ごとの直接的かつ永続的な対応をモデル化し,複数治療促進意思決定の枠組みを提案する。 まず、顧客直接持続効果(CDEE)モデルを提案し、顧客直接持続応答を予測する。 CDEEの助けを借りて、コストを予算に抑えつつ、持続的な効果を最適化するためにインセンティブアロケーションをパーソナライズする。
• 参考スコア（独自算出の注目度）: 5.50110172922112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Promotions have been trending in the e-commerce marketplace to build up customer relationships and guide customers towards the desired actions. Since incentives are effective to engage customers and customers have different preferences for different types of incentives, the demand for personalized promotion decision making is increasing over time. However, research on promotion decision making has focused specifically on purchase conversion during the promotion period (the direct effect), while generally disregarding the enduring effect in the post promotion period. To achieve a better lift return on investment (lift ROI) on the enduring effect of the promotion and improve customer retention and loyalty, we propose a framework of multiple treatment promotion decision making by modeling each customer's direct and enduring response. First, we propose a customer direct and enduring effect (CDEE) model which predicts the customer direct and enduring response. With the help of the predictions of the CDEE, we personalize incentive allocation to optimize the enduring effect while keeping the cost under the budget. To estimate the effect of decision making, we apply an unbiased evaluation approach of business metrics with randomized control trial (RCT) data. We compare our method with benchmarks using two promotions in Mercari and achieve significantly better results.
• Abstract（参考訳）: 顧客関係を築き、顧客を望ましい行動へと導くため、Eコマース市場におけるプロモーションがトレンドになっている。 インセンティブは顧客との関わりに有効であり、顧客は異なる種類のインセンティブを好むため、パーソナライズされたプロモーション意思決定の需要は時間とともに増加している。 しかし、プロモーション意思決定の研究は、プロモーション期間中の購入転換(直接効果)に特化しており、ポストプロモーション期間中の持続的効果を概ね無視している。 プロモーションの持続的効果に対する投資収益率(リフトROI)の向上と、顧客の維持と忠誠を向上するために、各顧客の直接的かつ持続的な応答をモデル化して、複数処置促進意思決定の枠組みを提案する。 まず、顧客直接持続効果(CDEE)モデルを提案し、顧客直接持続応答を予測する。 CDEEの予測の助けを借りて、コストを予算に抑えつつ持続効果を最適化するインセンティブアロケーションを個人化します。 意思決定の効果を推定するために,ランダム化制御試験(RCT)データを用いたビジネスメトリクスの評価手法を適用した。 本手法をmercariの2つのプロモーションを用いてベンチマークと比較し,より優れた結果を得た。

関連論文リスト

• Segment Discovery: Enhancing E-commerce Targeting [8.000199536112937]
  本稿では、アップリフトモデリングと制約付き最適化に基づくポリシーフレームワークを提案する。 本研究では,2つの大規模実験と実運用による最先端のターゲット手法の改善について述べる。
  論文  参考訳（メタデータ） (2024-09-20T18:42:04Z)
• Optimizing Item-based Marketing Promotion Efficiency in C2C Marketplace with Dynamic Sequential Coupon Allocation Framework [4.664065531235124]
  一連のプロモーションにおけるアイテムクーポン割当戦略を最適化する動的シーケンスクーポン割当フレームワーク(DSCAF)を導入する。 DSCAFは、クーポンの設定とターゲットアイテムのタイミングに関するシーケンシャルなレコメンデーションを提供する。 クーポン割当の現在及びその後のラウンドにおける販売確率を推定するための2つの予測器と、クーポン割当ソリューションを決定する意思決定プロセスとを統合する。
  論文  参考訳（メタデータ） (2024-09-13T07:52:45Z)
• Emulating Full Client Participation: A Long-Term Client Selection Strategy for Federated Learning [48.94952630292219]
  本稿では,クライアントの完全参加によって達成されるパフォーマンスをエミュレートする新しいクライアント選択戦略を提案する。 1ラウンドで、クライアントサブセットとフルクライアントセット間の勾配空間推定誤差を最小化し、クライアントを選択する。 複数ラウンド選択において、類似したデータ分布を持つクライアントが選択される頻度に類似することを保証する、新しい個性制約を導入する。
  論文  参考訳（メタデータ） (2024-05-22T12:27:24Z)
• 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)
• How causal machine learning can leverage marketing strategies: Assessing and improving the performance of a coupon campaign [0.0]
  本研究では、マーケティング介入、すなわちクーポンキャンペーンの因果効果が小売企業の販売に与える影響を評価するために因果機械学習アルゴリズムを適用した。 本研究は,ビジネス分析における因果機械学習の適用事例を提供する。
  論文  参考訳（メタデータ） (2022-04-22T16:58:29Z)
• 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)
• Achieving Counterfactual Fairness for Causal Bandit [18.077963117600785]
  期待される報酬を最大化するために、各ステップでアイテムを推薦する方法を研究します。 次に, 対実的個人的公正性を達成するためのフェア因果バンドイット(F-UCB)を提案する。
  論文  参考訳（メタデータ） (2021-09-21T23:44:48Z)
• A framework for massive scale personalized promotion [18.12992386307048]
  消費者向けプラットフォームを構築するテクノロジー企業は、大規模なユーザー人口にアクセスできるかもしれない。 定量化インセンティブによるプロモーションは、このようなプラットフォーム上でアクティブユーザを増やすための一般的なアプローチとなっている。 本稿では,大規模プロモーションキャンペーンのROIを最適化する実用的な2段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-27T03:03:18Z)
• 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)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)
• Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
  我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-25T02:30:45Z)

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。