論文の概要: Interpretable Price Bounds Estimation with Shape Constraints in Price Optimization
- arxiv url: http://arxiv.org/abs/2405.14909v2
- Date: Sun, 29 Sep 2024 10:39:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-01 21:58:45.431223
- Title: Interpretable Price Bounds Estimation with Shape Constraints in Price Optimization
- Title（参考訳）: 価格最適化における形状制約を考慮した解釈可能な価格境界推定
- Authors: Shunnosuke Ikeda, Naoki Nishimura, Shunji Umetani,
- Abstract要約: 本研究は、価格最適化の文脈において、価格境界の解釈可能な推定に対処する。
まず、歴史的価格データに基づく3つの異なるアプローチを用いて価格境界を推定する。
次に、形状制約を含む最適化問題を解くことにより、推定価格境界を調整する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This study addresses the interpretable estimation of price bounds in the context of price optimization. In recent years, price-optimization methods have become indispensable for maximizing revenue and profits. However, effective application of these methods to real-world pricing operations remains a significant challenge. It is crucial for operators responsible for setting prices to utilize reasonable price bounds that are not only interpretable but also acceptable. Despite this necessity, most studies assume that price bounds are given constant values, and few have explored reasonable determinations of these bounds. Therefore, we propose a comprehensive framework for determining price bounds that includes both the estimation and adjustment of these bounds. Specifically, we first estimate price bounds using three distinct approaches based on historical pricing data. Then, we adjust the estimated price bounds by solving an optimization problem that incorporates shape constraints. This method allows the implementation of price optimization under practical and reasonable price bounds suitable for real-world applications. We report the effectiveness of our proposed method through numerical experiments using historical pricing data from actual services.
- Abstract（参考訳）: 本研究は、価格最適化の文脈において、価格境界の解釈可能な推定に対処する。
近年,収益と利益の最大化には価格最適化手法が不可欠である。
しかし、これらの手法を現実の価格操作に効果的に適用することは、依然として大きな課題である。
価格設定に責任を負う運用者は、解釈可能なだけでなく許容可能な合理的な価格境界を利用することが不可欠である。
この必要性にもかかわらず、ほとんどの研究は、価格境界は一定の値が与えられると仮定し、これらの境界の合理的な決定を論じているものはほとんどない。
そこで本稿では,価格境界の推定と調整を含む価格境界を決定するための包括的枠組みを提案する。
具体的には、まず、歴史的価格データに基づく3つの異なるアプローチを用いて価格境界を推定する。
そして, 形状制約を組み込んだ最適化問題を解くことにより, 推定価格境界を調整した。
この手法により,現実のアプリケーションに適した実用的かつ合理的な価格境界の下での価格最適化を実現することができる。
本稿では,実サービスからの過去の価格データを用いた数値実験により提案手法の有効性を報告する。
関連論文リスト
- 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) - Minimax Optimality in Contextual Dynamic Pricing with General Valuation Models [4.156757591117864]
本稿では,問題に対する仮定を最小化しながら,改善された後悔境界を実現する新しいアルゴリズムを提案する。
本手法は, 一般関数空間を考慮し, 動的価格設定によく用いられる線形評価モデルを超えて拡張する。
論文 参考訳（メタデータ） (2024-06-24T23:43:56Z) - Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。
学習シナリオにおける同値性に基づく単一のフレームワークを提案する。
我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
論文 参考訳（メタデータ） (2024-05-09T12:52:22Z) - Causal Forecasting for Pricing [7.077353694086149]
本稿では,価格の文脈で需要予測を行う新しい手法を提案する。
我々の手法は、因果推論のためのダブル機械学習手法と、最先端のトランスフォーマーに基づく予測モデルを組み合わせたものである。
論文 参考訳（メタデータ） (2023-12-23T15:38:22Z) - Rate-Optimal Policy Optimization for Linear Markov Decision Processes [65.5958446762678]
最安値の$widetilde O (sqrt K)$ regret, $K$はエピソード数を表す。
我々の研究は、バンディットフィードバックのある設定において最適な収束率(w.r.t.$K$)を確立する最初のものである。
現在、最適なレート保証を持つアルゴリズムは知られていない。
論文 参考訳（メタデータ） (2023-08-28T15:16:09Z) - Balanced Off-Policy Evaluation for Personalized Pricing [3.296526804364952]
我々は、特徴情報、歴史的価格決定、バイナリ実現需要からなるデータを持つパーソナライズされた価格問題を考える。
目標は、機能と価格をマッピングするパーソナライズされた価格ポリシーの、非政治的な評価を行うことだ。
Kallusのバランスの取れた政策評価フレームワークを基盤として、価格アプリケーションに適した新しいアプローチを提案する。
論文 参考訳（メタデータ） (2023-02-24T16:44:46Z) - Personalized Pricing with Invalid Instrumental Variables:
Identification, Estimation, and Policy Learning [5.372349090093469]
本研究は,インストゥルメンタル変数アプローチを用いて,内在性の下でのオフラインパーソナライズド価格について検討する。
Invalid iNsTrumental変数を用いたパーソナライズされたプライシングのための新しいポリシー学習手法を提案する。
論文 参考訳（メタデータ） (2023-02-24T14:50:47Z) - COptiDICE: Offline Constrained Reinforcement Learning via Stationary
Distribution Correction Estimation [73.17078343706909]
オフラインの制約付き強化学習(RL)問題。エージェントは、所定のコスト制約を満たしながら期待されるリターンを最大化するポリシーを計算し、事前に収集されたデータセットからのみ学習する。
定常分布空間におけるポリシーを最適化するオフライン制約付きRLアルゴリズムを提案する。
我々のアルゴリズムであるCOptiDICEは、コスト上限を制約しながら、利益に対する最適政策の定常分布補正を直接見積もる。
論文 参考訳（メタデータ） (2022-04-19T15:55:47Z) - Convex Loss Functions for Contextual Pricing with Observational
Posted-Price Data [2.538209532048867]
我々は、販売者が以前に提供された価格のサンプルにアクセス可能な、政治的でない価格問題について検討する。
これは、顧客の評価(支払いの意志)のサンプルが観察される、よく研究された設定とは対照的である。
我々の設定では、観測されたデータは歴史的価格政策の影響を受けており、顧客が代替価格にどう反応したかは分かっていません。
論文 参考訳（メタデータ） (2022-02-16T22:35:39Z) - Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。
本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
論文 参考訳（メタデータ） (2021-11-01T19:49:35Z) - 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)
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。