論文の概要: Incremental Profit per Conversion: a Response Transformation for Uplift Modeling in E-Commerce Promotions

• arxiv url: http://arxiv.org/abs/2306.13759v1
• Date: Fri, 23 Jun 2023 19:46:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 19:17:51.680394
• Title: Incremental Profit per Conversion: a Response Transformation for Uplift Modeling in E-Commerce Promotions
• Title（参考訳）: コンバージョン当たりの増益:Eコマース推進における昇降モデリングの対応転換
• Authors: Hugo Manuel Proen\c{c}a, Felipe Moraes
• Abstract要約: 本稿では,購入時にのみ費用が発生する応答依存コストによるプロモーションに焦点を当てた。 既存のアップリフトモデルアプローチでは、メタラーナーのような複数のモデルをトレーニングする必要がしばしばあります。 本稿では, ユニット・エコノミクスにおける促進キャンペーンの効率を向上する新たな指標であるIncrmental Profit per Conversion(IPC)を紹介する。
• 参考スコア（独自算出の注目度）: 1.7640556247739623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Promotions play a crucial role in e-commerce platforms, and various cost structures are employed to drive user engagement. This paper focuses on promotions with response-dependent costs, where expenses are incurred only when a purchase is made. Such promotions include discounts and coupons. While existing uplift model approaches aim to address this challenge, these approaches often necessitate training multiple models, like meta-learners, or encounter complications when estimating profit due to zero-inflated values stemming from non-converted individuals with zero cost and profit. To address these challenges, we introduce Incremental Profit per Conversion (IPC), a novel uplift measure of promotional campaigns' efficiency in unit economics. Through a proposed response transformation, we demonstrate that IPC requires only converted data, its propensity, and a single model to be estimated. As a result, IPC resolves the issues mentioned above while mitigating the noise typically associated with the class imbalance in conversion datasets and biases arising from the many-to-one mapping between search and purchase data. Lastly, we validate the efficacy of our approach by presenting results obtained from a synthetic simulation of a discount coupon campaign.
• Abstract（参考訳）: プロモーションはEコマースプラットフォームにおいて重要な役割を担い、ユーザエンゲージメントを促進するために様々なコスト構造が採用されている。 本稿では,購入時にのみ費用が発生する応答依存コストによるプロモーションに焦点を当てた。 このようなプロモーションには割引やクーポンが含まれる。 既存のアップリフトモデルアプローチは、この課題に対処することを目的としているが、これらのアプローチでは、メタリーナーのような複数のモデルをトレーニングしたり、コストも利益もゼロの非変換個人から生じるゼロ膨張値による利益を見積もる場合の合併症に直面することが少なくない。 これらの課題に対処するために、単元経済におけるプロモーションキャンペーンの効率を向上する新たな指標であるIncremental Profit per Conversion(IPC)を導入する。 提案する応答変換により, ipc は変換データのみを必要とし, その拡張性, 1 モデルのみを推定できることを実証した。 その結果、ICCは上記の問題を解消しつつ、検索と購入データ間の多対一マッピングから生じる変換データセットやバイアスのクラス不均衡に関連するノイズを緩和する。 最後に,ディスカウントクーポンキャンペーンの合成シミュレーションから得られた結果を提示し,提案手法の有効性を検証した。

関連論文リスト

• Dynamic Pricing for Electric Vehicle Charging [6.1003048508889535]
  複数の競合する目的に効率的に対処することで、動的価格問題に対する新しい定式化を開発する。 動的価格モデルは、複数の競合する目的を同時に解決しながら、需要と価格の関係を定量化する。 カリフォルニアの2つの充電サイトのリアルワールドデータが我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2024-08-26T10:32:21Z)
• 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)
• IMFL-AIGC: Incentive Mechanism Design for Federated Learning Empowered by Artificial Intelligence Generated Content [15.620004060097155]
  フェデレートラーニング(FL)は、クライアントがローカルデータをアップロードすることなく、共有グローバルモデルを協調的にトレーニングできる、有望なパラダイムとして登場した。 顧客参加を促すため,データ品質を考慮したインセンティブ機構を提案する。 提案したメカニズムは,トレーニングの精度が高く,実世界のデータセットによるサーバコストの最大53.34%を削減できる。
  論文  参考訳（メタデータ） (2024-06-12T07:47:22Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• UniMatch: A Unified User-Item Matching Framework for the Multi-purpose Merchant Marketing [27.459774494479227]
  1つのモデルでアイテムレコメンデーションとユーザターゲティングを同時に行うために,統合されたユーザイテムマッチングフレームワークを提案する。 我々のフレームワークは、最先端の手法と比較して大幅に性能が向上し、計算資源や日々のメンテナンスにかかるコストが大幅に削減された。
  論文  参考訳（メタデータ） (2023-07-19T13:49:35Z)
• 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)
• 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)
• Data Sharing Markets [95.13209326119153]
  我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。 両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
  論文  参考訳（メタデータ） (2021-07-19T06:00:34Z)
• Model-Augmented Q-learning [112.86795579978802]
  モデルベースRLの構成要素を付加したMFRLフレームワークを提案する。 具体的には、$Q$-valuesだけでなく、共有ネットワークにおける遷移と報酬の両方を見積もる。 提案手法は,MQL (Model-augmented $Q$-learning) とよばれる提案手法により,真に報いられた学習によって得られる解と同一のポリシ不変解が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-07T17:56:50Z)
• Free Lunch! Retrospective Uplift Modeling for Dynamic Promotions Recommendation within ROI Constraints [9.733174472837275]
  オンライン旅行プラットフォーム(OTP)では、部屋のアップグレード、無料食事、輸送サービスなどが人気である。 プロモーションは通常、制御されていない場合、持続不可能になるコストを発生させる。 プロモーションが実行可能となるためには、関連するコストは、一定の財政的制約の中で漸進的な収入によってバランスをとらなければならない。 本稿では, Knapsack Problem の定式化に頼って, 新たなアップリフトモデリング手法を提案する。
  論文  参考訳（メタデータ） (2020-08-14T11:13:58Z)

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。