論文の概要: Capturing Conversion Rate Fluctuation during Sales Promotions: A Novel
Historical Data Reuse Approach
- arxiv url: http://arxiv.org/abs/2305.12837v3
- Date: Tue, 27 Jun 2023 03:06:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 16:47:08.531542
- Title: Capturing Conversion Rate Fluctuation during Sales Promotions: A Novel
Historical Data Reuse Approach
- Title（参考訳）: 販売促進における転換率変動の捉え方:新しい歴史データ再利用手法
- Authors: Zhangming Chan, Yu Zhang, Shuguang Han, Yong Bai, Xiang-Rong Sheng,
Siyuan Lou, Jiacen Hu, Baolin Liu, Yuning Jiang, Jian Xu, Bo Zheng
- Abstract要約: コンバージョン率(CVR)予測は、オンラインレコメンデータシステムにおける中核的なコンポーネントの1つである。
我々は、よく訓練されたCVR予測モデルが販売促進期間中に準最適に実行されることをよく観察する。
- 参考スコア（独自算出の注目度）: 21.46309294491569
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conversion rate (CVR) prediction is one of the core components in online
recommender systems, and various approaches have been proposed to obtain
accurate and well-calibrated CVR estimation. However, we observe that a
well-trained CVR prediction model often performs sub-optimally during sales
promotions. This can be largely ascribed to the problem of the data
distribution shift, in which the conventional methods no longer work. To this
end, we seek to develop alternative modeling techniques for CVR prediction.
Observing similar purchase patterns across different promotions, we propose
reusing the historical promotion data to capture the promotional conversion
patterns. Herein, we propose a novel \textbf{H}istorical \textbf{D}ata
\textbf{R}euse (\textbf{HDR}) approach that first retrieves historically
similar promotion data and then fine-tunes the CVR prediction model with the
acquired data for better adaptation to the promotion mode. HDR consists of
three components: an automated data retrieval module that seeks similar data
from historical promotions, a distribution shift correction module that
re-weights the retrieved data for better aligning with the target promotion,
and a TransBlock module that quickly fine-tunes the original model for better
adaptation to the promotion mode. Experiments conducted with real-world data
demonstrate the effectiveness of HDR, as it improves both ranking and
calibration metrics to a large extent. HDR has also been deployed on the
display advertising system in Alibaba, bringing a lift of $9\%$ RPM and $16\%$
CVR during Double 11 Sales in 2022.
- Abstract（参考訳）: コンバージョン率(CVR)予測は,オンラインレコメンデータシステムにおける中核的な要素のひとつであり,高精度で校正されたCVR推定を実現するための様々なアプローチが提案されている。
しかし,よく訓練されたCVR予測モデルでは,販売促進時に準最適に実行することが多い。
これは、従来の方法がもはや機能しないデータ分散シフトの問題を概ね説明することができる。
そこで我々は,CVR予測のための代替モデリング手法の開発を目指す。
異なるプロモーションで同様の購入パターンを観察し,過去のプロモーションデータを再利用してプロモーション変換パターンをキャプチャする。
本稿では、まず、歴史的に類似したプロモーションデータを取得し、次に取得したデータを用いてCVR予測モデルを微調整し、プロモーションモードへの適応性を向上する、新しい \textbf{H}istorical \textbf{D}ata \textbf{R}euse (\textbf{HDR}) アプローチを提案する。
HDRは3つのコンポーネントから構成される: 履歴のプロモーションから類似したデータを求める自動データ検索モジュール、検索したデータをターゲットのプロモーションに適合させるために再重み付けする分散シフト補正モジュール、そして、プロモーションモードに適応するためにオリジナルのモデルを素早く微調整するTransBlockモジュール。
実世界のデータを用いて行った実験は、ランキングとキャリブレーションの指標を大幅に改善するため、HDRの有効性を示す。
HDRはAlibabaのディスプレイ広告システムにも展開されており、2022年のDouble 11の売上で9.5%のRPMと16.%のCVRが加わった。
関連論文リスト
- Guided Diffusion-based Counterfactual Augmentation for Robust Session-based Recommendation [11.890250056463914]
セッションベースのレコメンデーション(SR)モデルは、現在のセッション中のユーザの振る舞いに基づいて、トップKアイテムをユーザに推奨することを目的としている。
文献ではいくつかのSRモデルが提案されているが、トレーニングデータの固有のバイアスに対する感受性に関する懸念が提起されている。
本稿では,SRのための拡散に基づく反ファクト拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T09:36:59Z) - DualAug: Exploiting Additional Heavy Augmentation with OOD Data
Rejection [77.6648187359111]
そこで本稿では,textbfDualAug という新しいデータ拡張手法を提案する。
教師付き画像分類ベンチマークの実験では、DualAugは様々な自動データ拡張法を改善している。
論文 参考訳（メタデータ） (2023-10-12T08:55:10Z) - CoVR-2: Automatic Data Construction for Composed Video Retrieval [59.854331104466254]
Composed Image Retrieval (CoIR) はテキストと画像のクエリを一緒に考えるタスクとして最近人気を集めている。
本稿では,ビデオキャプションペアのトリプレットを生成する,スケーラブルな自動データセット作成手法を提案する。
また、コンポジションビデオ検索(CoVR)を含むタスクの範囲を広げる。
論文 参考訳（メタデータ） (2023-08-28T17:55:33Z) - Click-Conversion Multi-Task Model with Position Bias Mitigation for
Sponsored Search in eCommerce [51.211924408864355]
位置認識型クリック変換(PACC)と位置埋め込み(PACC-PE)によるPACCの2つの位置バイアスのない予測モデルを提案する。
Eコマースが支援する製品検索データセットの実験により、提案したモデルではランキングの有効性が向上し、CTRとCVRの予測における位置バイアスを大幅に軽減できることが示された。
論文 参考訳（メタデータ） (2023-07-29T19:41:16Z) - Contrastive Learning for Conversion Rate Prediction [6.607531486024888]
本稿では,CL4CVR(Contrastive Learning for CVR Prediction)フレームワークを提案する。
教師付きCVR予測タスクと、より良いデータ表現を学ぶための対照的な学習タスクを関連付ける。
2つの実世界の変換データセットの実験結果は、CL4CVRの優れた性能を示している。
論文 参考訳（メタデータ） (2023-07-12T07:42:52Z) - Confidence Attention and Generalization Enhanced Distillation for
Continuous Video Domain Adaptation [62.458968086881555]
連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。
CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-18T16:40:10Z) - Confidence-Guided Data Augmentation for Deep Semi-Supervised Training [0.9968241071319184]
特徴空間の最も困難な領域からの学習を強調する半教師付き学習設定のための新しいデータ拡張手法を提案する。
CIFAR-100とSTL-10の2つのベンチマークRGBデータセットを用いて実験を行い、提案手法が精度とロバスト性の観点から分類性能を向上させることを示す。
論文 参考訳（メタデータ） (2022-09-16T21:23:19Z) - 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) - Conversion Rate Prediction via Meta Learning in Small-Scale
Recommendation Scenarios [17.02759665047561]
本稿では,データ分散ゆらぎ(DDF)問題に対処するメタ学習の観点から,MetaCVRという新しいCVR手法を提案する。
我々の知る限りでは、小規模なレコメンデーションシナリオにおけるDFF問題を対象としたCVR予測の最初の研究である。
論文 参考訳（メタデータ） (2021-12-27T16:05:42Z) - COVID-19 Pneumonia Severity Prediction using Hybrid
Convolution-Attention Neural Architectures [6.162410142452926]
本稿では,調査データセットの極めて少ないデータシナリオを対象とした,データ中心の事前学習を提案する。
次に,TransformerとDense Associative Memoryの自己アテンションを利用した2つのハイブリッド畳み込み型ニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-07-06T15:26:07Z) - Adaptive Weighting Scheme for Automatic Time-Series Data Augmentation [79.47771259100674]
データ拡張のための2つのサンプル適応自動重み付けスキームを提案する。
提案手法を大規模でノイズの多い財務データセットとUCRアーカイブからの時系列データセット上で検証する。
金融データセットでは、取引戦略と組み合わせた手法が50 $%$以上の年間収益の改善につながることを示し、時系列データでは、データセットの半分以上で最新モデルを上回るパフォーマンスを発揮し、他のものと同様の精度を達成しています。
論文 参考訳（メタデータ） (2021-02-16T17:50:51Z)
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。