論文の概要: ADT4Coupons: An Innovative Framework for Sequential Coupon Distribution in E-commerce

• arxiv url: http://arxiv.org/abs/2508.09198v1
• Date: Fri, 08 Aug 2025 13:03:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.606233
• Title: ADT4Coupons: An Innovative Framework for Sequential Coupon Distribution in E-commerce
• Title（参考訳）: ADT4Coupons:eコマースにおけるシークエンシャルクーポン配布のための革新的フレームワーク
• Authors: Li Kong, Bingzhe Wang, Zhou Chen, Suhan Hu, Yuchao Ma, Qi Qi, Suoyuan Song, Bicheng Jin,
• Abstract要約: クーポン配信は、オンラインプラットフォームが収益を高め、ユーザーエンゲージメントを高めるために使う重要なマーケティング戦略である。 既存のクーポン配信戦略は、プラットフォームとユーザ間の複雑なシーケンシャルな相互作用を効果的に活用するには程遠い。
• 参考スコア（独自算出の注目度）: 4.671198197397224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coupon distribution is a critical marketing strategy used by online platforms to boost revenue and enhance user engagement. Regrettably, existing coupon distribution strategies fall far short of effectively leveraging the complex sequential interactions between platforms and users. This critical oversight, despite the abundance of e-commerce log data, has precipitated a performance plateau. In this paper, we focus on the scene that the platforms make sequential coupon distribution decision multiple times for various users, with each user interacting with the platform repeatedly. Based on this marketing scenario, we propose a novel marketing framework, named Aligned Decision Transformer for Coupons (ADT4Coupons), to directly devise coupon distribution policy for long-term revenue boosting. ADT4Coupons enables optimized online decision-making in a variety of real-world marketing scenarios. It achieves this by seamlessly integrating three key characteristics, general scenarios, sequential modeling with more comprehensive historical data, and efficient iterative updates within a unified framework. Furthermore, empirical results on real-world industrial dataset, alongside public and synthetic datasets demonstrate the superiority of our framework.
• Abstract（参考訳）: クーポン配信は、オンラインプラットフォームが収益を高め、ユーザーエンゲージメントを高めるために使う重要なマーケティング戦略である。 既存のクーポン配信戦略は、プラットフォームとユーザ間の複雑なシーケンシャルな相互作用を効果的に活用するには程遠い。 この重要な監視は、Eコマースのログデータが豊富にあるにもかかわらず、パフォーマンスの高騰を招いている。 本稿では,各利用者が繰り返しプラットフォームと対話しながら,各利用者に対して連続的なクーポン配信決定を複数回行う場面に焦点を当てる。 このマーケティングシナリオに基づいて,クーポンの長期収益促進のためのクーポン流通政策を直接考案するための新しいマーケティングフレームワーク,Aligned Decision Transformer for Coupons (ADT4Coupons)を提案する。 ADT4Couponsは、さまざまな現実世界のマーケティングシナリオにおいて、最適化されたオンライン意思決定を可能にする。 一般的なシナリオ、より包括的な履歴データによるシーケンシャルなモデリング、統合されたフレームワーク内で効率的な反復的更新という3つの重要な特徴をシームレスに統合することで、これを実現する。 さらに、実世界の産業データセットに関する実証的な結果と、パブリックデータセットと合成データセットは、我々のフレームワークの優位性を示している。

関連論文リスト

• Bidding-Aware Retrieval for Multi-Stage Consistency in Online Advertising [30.108437268612438]
  Bidding-Aware Retrieval (BAR) はモデルベースの検索フレームワークであり、検索スコア関数に広告入札値を組み込むことで、多段階の不整合に対処する。 BARの中核となる革新はビディン・アウェア・モデリング(Bidding-Aware Modeling)であり、経済的に一貫性のある表現を確保するために単調な学習とマルチタスクの蒸留を通じて入札信号を取り入れている。 大規模なオフライン実験とAlibabaのディスプレイ広告プラットフォームへのフルスケール展開により、BARの有効性が検証された。
  論文  参考訳（メタデータ） (2025-08-07T09:43:34Z)
• Session-Level Dynamic Ad Load Optimization using Offline Robust Reinforcement Learning [14.410333601657172]
  セッションレベルの動的広告ロード最適化は、ユーザのオンラインセッション中に配信される広告の密度とタイプをリアルタイムでパーソナライズすることを目的としている。 従来の因果学習に基づくアプローチは、重要な技術的課題に苦しむ。 本研究では,動的システムにおける共起バイアスを効果的に軽減するオフライン深層Q-network(DQN)ベースのフレームワークを開発する。
  論文  参考訳（メタデータ） (2025-01-09T21:53:03Z)
• Robust portfolio optimization model for electronic coupon allocation [6.729713185413412]
  クーポン割り当て問題に対して,顧客セグメンテーションに基づくロバストなポートフォリオ最適化モデルを適用する。 この結果から,実効的なクーポン割当のための有効なツールとして,ロバストなポートフォリオ最適化の可能性が開けた。
  論文  参考訳（メタデータ） (2024-05-21T15:30:25Z)
• 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)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• 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)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• 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)

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。