論文の概要: Design and Evaluation of Whole-Page Experience Optimization for E-commerce Search

• arxiv url: http://arxiv.org/abs/2602.02514v1
• Date: Fri, 23 Jan 2026 07:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 02:03:42.424395
• Title: Design and Evaluation of Whole-Page Experience Optimization for E-commerce Search
• Title（参考訳）: Eコマース検索のための全ページ体験最適化の設計と評価
• Authors: Pratik Lahiri, Bingqing Ge, Zhou Qin, Aditya Jumde, Shuning Huo, Lucas Scottini, Yi Liu, Mahmoud Mamlouk, Wenyang Liu,
• Abstract要約: Eコマース検索結果ページ(SRP)は、線形リストから複雑で非線形なレイアウトへと進化している。 本稿では,短期的信号と長期的満足度指標のギャップを埋める新しい全ページ体験最適化フレームワークを提案する。 業界規模でのA/Bテストによるアプローチの検証を行い,ブランド関連性の1.86%向上を示した。
• 参考スコア（独自算出の注目度）: 4.089644567431606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-commerce Search Results Pages (SRPs) are evolving from linear lists to complex, non-linear layouts, rendering traditional position-biased ranking models insufficient. Moreover, existing optimization frameworks typically maximize short-term signals (e.g., clicks, same-day revenue) because long-term satisfaction metrics (e.g., expected two-week revenue) involve delayed feedback and challenging long-horizon credit attribution. To bridge these gaps, we propose a novel Whole-Page Experience Optimization Framework. Unlike traditional list-wise rankers, our approach explicitly models the interplay between item relevance, 2D positional layout, and visual elements. We use a causal framework to develop metrics for measuring long-term user satisfaction based on quasi-experimental data. We validate our approach through industry-scale A/B testing, where the model demonstrated a 1.86% improvement in brand relevance (our primary customer experience metric) while simultaneously achieving a statistically significant revenue uplift of +0.05%
• Abstract（参考訳）: Eコマース検索結果ページ(SRP)は、線形リストから複雑で非線形なレイアウトへと進化しており、従来の位置バイアス付きランキングモデルは不十分である。 さらに、既存の最適化フレームワークは、長期満足度指標(例えば、2週間の収益)が遅延したフィードバックと長期信用属性に挑戦するため、短期的な信号(例えば、クリック、同日収益)を最大化するのが一般的である。 これらのギャップを埋めるため、我々は新しいWhole-Page Experience Optimization Frameworkを提案する。 従来のリストワイドランキングとは異なり、我々の手法はアイテム関連性、2次元位置配置、視覚要素間の相互作用を明示的にモデル化する。 我々は、擬似実験データに基づく長期的なユーザ満足度を測定するためのメトリクスを開発するために、因果的フレームワークを使用する。 業界規模でのA/Bテストを通じて、当社のアプローチを検証し、ブランド関連性(当社の顧客エクスペリエンス指標)が1.86%向上し、同時に統計的に有意な収益が+0.05%上昇したことを実証した。

関連論文リスト

• Leveraging Generative Models for Real-Time Query-Driven Text Summarization in Large-Scale Web Search [54.987957691350665]
  クエリ駆動テキスト要約(QDTS)は、与えられたクエリに基づいてテキスト文書から簡潔で情報的な要約を生成することを目的としている。 従来の抽出的要約モデルは、主にランク付け候補の要約セグメントに基づいており、産業応用において支配的なアプローチとなっている。 産業Web検索におけるリアルタイムQDTSに対処するための生成モデルの適用を開拓するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-28T08:51:51Z)
• NAM: A Normalization Attention Model for Personalized Product Search In Fliggy [14.447458070745231]
  製品検索のパーソナライズのための正規化注意モデル(NAM)を提案する。 提案したNAMモデルは,最先端のベースラインモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-10T02:46:05Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• LREF: A Novel LLM-based Relevance Framework for E-commerce [14.217396055372053]
  本稿では,eコマース検索の妥当性を高めることを目的とした,LREF(LLM-based Relevance Framework)と呼ばれる新しいフレームワークを提案する。 大規模な実世界のデータセットのオフライン実験やオンラインA/Bテストを通じて,フレームワークの性能を評価する。 このモデルは有名なeコマースアプリケーションにデプロイされ、かなりの商業的利益をもたらした。
  論文  参考訳（メタデータ） (2025-03-12T10:10:30Z)
• Generative Pre-trained Ranking Model with Over-parameterization at Web-Scale (Extended Abstract) [73.57710917145212]
  ランク付け学習は、入力クエリに基づいて関連するWebページを優先順位付けするために、Web検索で広く使われている。 本稿では,これらの課題に対処するために,経験的 UlineSemi-uline Supervised ulinePre-trained (GS2P) モデルを提案する。 我々は,公開データセットと大規模検索エンジンから収集した実世界のデータセットの両方に対して,大規模なオフライン実験を行う。
  論文  参考訳（メタデータ） (2024-09-25T03:39:14Z)
• Optimizing E-commerce Search: Toward a Generalizable and Rank-Consistent Pre-Ranking Model [13.573766789458118]
  大規模なeコマースプラットフォームでは、ダウンストリームランキングモジュールのために、前もって製品の大部分をフィルタリングするために、プレグレードフェーズが不可欠である。 1) 製品がトップk内にあるかどうかを予測する複数のバイナリ分類タスクを導入し、共通のポイントワイドランキングモデルでの学習目標の追加を容易にする。2) 製品埋め込みのサブセットを事前トレーニングすることで、すべての製品に対するコントラスト学習による一般化性。
  論文  参考訳（メタデータ） (2024-05-09T07:55:52Z)
• Improving Text Matching in E-Commerce Search with A Rationalizable, Intervenable and Fast Entity-Based Relevance Model [78.80174696043021]
  エンティティベース関連モデル(EBRM)と呼ばれる新しいモデルを提案する。 この分解により、高精度にクロスエンコーダQE関連モジュールを使用できる。 また、ユーザログから自動生成されたQEデータによるQEモジュールの事前トレーニングにより、全体的なパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2023-07-01T15:44:53Z)

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。