論文の概要: Jointly Optimizing Debiased CTR and Uplift for Coupons Marketing: A Unified Causal Framework

• arxiv url: http://arxiv.org/abs/2602.12972v1
• Date: Fri, 13 Feb 2026 14:46:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.98584
• Title: Jointly Optimizing Debiased CTR and Uplift for Coupons Marketing: A Unified Causal Framework
• Title（参考訳）: クーポンマーケティングにおけるデバイアスドCTRとアップリフトの併用最適化 - 統一因果関係フレームワーク
• Authors: Siyun Yang, Shixiao Yang, Jian Wang, Di Fan, Kehe Cai, Haoyan Fu, Jiaming Zhang, Wenjin Wu, Peng Jiang,
• Abstract要約: 我々はtextbfUnified textbfMulti-textbfValued textbfTreatment Network (UniMVT)を提案する。 UniMVTは、治療に敏感な表現から相反する要因を分離し、フルスペースの反ファクト推論モジュールを可能にする。 合成データセットと工業データセットの実験は、予測精度と校正の両方においてUniMVTの優位性を示している。
• 参考スコア（独自算出の注目度）: 9.879609985105754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In online advertising, marketing interventions such as coupons introduce significant confounding bias into Click-Through Rate (CTR) prediction. Observed clicks reflect a mixture of users' intrinsic preferences and the uplift induced by these interventions. This causes conventional models to miscalibrate base CTRs, which distorts downstream ranking and billing decisions. Furthermore, marketing interventions often operate as multi-valued treatments with varying magnitudes, introducing additional complexity to CTR prediction. To address these issues, we propose the \textbf{Uni}fied \textbf{M}ulti-\textbf{V}alued \textbf{T}reatment Network (UniMVT). Specifically, UniMVT disentangles confounding factors from treatment-sensitive representations, enabling a full-space counterfactual inference module to jointly reconstruct the debiased base CTR and intensity-response curves. To handle the complexity of multi-valued treatments, UniMVT employs an auxiliary intensity estimation task to capture treatment propensities and devise a unit uplift objective that normalizes the intervention effect. This ensures comparable estimation across the continuous coupon-value spectrum. UniMVT simultaneously achieves debiased CTR prediction for accurate system calibration and precise uplift estimation for incentive allocation. Extensive experiments on synthetic and industrial datasets demonstrate UniMVT's superiority in both predictive accuracy and calibration. Furthermore, real-world A/B tests confirm that UniMVT significantly improves business metrics through more effective coupon distribution.
• Abstract（参考訳）: オンライン広告では、クーポンのようなマーケティング介入がクリックスルーレート(CTR)予測にかなりの矛盾バイアスをもたらす。 観察されたクリックは、ユーザの本質的な好みと、これらの介入によって引き起こされる上昇の混合を反映している。 これにより、従来のモデルは、下流のランキングと請求決定を歪ませるベースCTRを誤校正する。 さらに、マーケティングの介入はしばしば、CTR予測にさらなる複雑さをもたらす、様々な大きさの多値処理として機能する。 これらの問題に対処するため、我々はtextbf{Uni}fied \textbf{M}ulti-\textbf{V}alued \textbf{T}reatment Network (UniMVT)を提案する。 具体的には、UniMVTは治療感受性の表現から相反する因子を解き、フルスペースの反ファクト推論モジュールがデバイアスベースCTRと強度応答曲線を共同で再構築することを可能にする。 多値治療の複雑さに対処するために、UniMVTは補助的な強度推定タスクを使用して、治療の妥当性を捉え、介入効果を正規化するユニットアップリフト目標を考案する。 これにより、連続クーポン値スペクトルの対等な推定が保証される。 UniMVTは、正確なシステムキャリブレーションとインセンティブ割り当てのための正確なアップリフト推定のためのバイアス付きCTR予測を同時に達成する。 人工的および工業的データセットに関する大規模な実験は、予測精度とキャリブレーションの両方においてUniMVTの優位性を示している。 さらに、実際のA/Bテストでは、UniMVTはより効果的なクーポン配信によってビジネス指標を大幅に改善することを確認した。

関連論文リスト

• MMDCP: A Distribution-free Approach to Outlier Detection and Classification with Coverage Guarantees and SCW-FDR Control [6.429952624399788]
  ラベルシフト下でのマルチクラス分類と外乱検出のための統一的なフレームワークを提案する。 修正マハラノビス距離等角予測(MMDCP)は、クラス固有の距離測度と完全な等角予測を組み合わせてスコア関数を構築する。 オラクルと経験的コンフォーマルな$p$-値のギャップを初めて理論的に評価し、クラスワイド偽発見率(CW-FDR)の有効なカバレッジと効果的な制御を確実にする。
  論文  参考訳（メタデータ） (2025-11-15T03:48:44Z)
• Enhancing CTR Prediction with De-correlated Expert Networks [45.50697497028273]
  本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレー 我々はD-MoEがMulti-Embedding MoEベースラインと比較して1.19%のGross Merchandise Volume (GMV)リフトを達成することを示す。
  論文  参考訳（メタデータ） (2025-05-23T14:04:38Z)
• A Novel Generative Model with Causality Constraint for Mitigating Biases in Recommender Systems [20.672668625179526]
  遅延共起バイアスは、ユーザのフィードバックとアイテムの露出の間の真の因果関係を曖昧にする可能性がある。 本稿では,Recommender Systemsにおける表現学習のための遅延因果制約(Latent Causality Constraints)と呼ばれる新しい生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-22T14:09:39Z)
• Supervised Optimism Correction: Be Confident When LLMs Are Sure [91.7459076316849]
  教師付き微調整とオフライン強化学習の間には,新たな理論的関係が確立されている。 広く使われているビームサーチ法は、許容できない過度な最適化に悩まされていることを示す。 本稿では,トークンレベル$Q$-value推定のための簡易かつ効果的な補助的損失を導入したSupervised Optimism Correctionを提案する。
  論文  参考訳（メタデータ） (2025-04-10T07:50:03Z)
• DCRMTA: Unbiased Causal Representation for Multi-touch Attribution [0.2417342411475111]
  MTA(Multi-touch Attribution)は、現在、各広告の変換行動に対する貢献を公平に評価する上で重要な役割を担っている。 これまでの研究は、利用者の好みに起因したバイアスを排除し、変換モデルのバイアスのない仮定を達成しようと試みてきた。 本稿では、ユーザ特徴がコンバージョンに与える影響を再定義し、MTAのための新しいエンドツーエンドのap-proachであるDeep Causal Representationを提案する。
  論文  参考訳（メタデータ） (2024-01-16T23:16:18Z)
• Marginal Debiased Network for Fair Visual Recognition [59.05212866862219]
  本稿では,デバイアス表現を学習するための新しい限界脱バイアスネットワーク(MDN)を提案する。 我々のMDNは、表現不足のサンプルに対して顕著な性能を達成できる。
  論文  参考訳（メタデータ） (2024-01-04T08:57:09Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Pairwise Ranking Losses of Click-Through Rates Prediction for Welfare Maximization in Ad Auctions [12.67468905841272]
  本稿では,クリックスルーレート(CTR)における損失関数の設計と,広告オークションにおける社会的福祉の最適化について検討する。 そこで本研究では,CTRモデルのトレーニングを行うために,新しい重み付きランクロスを提案する。 合成および実世界のデータにおける損失の利点を実証する。
  論文  参考訳（メタデータ） (2023-06-01T15:42:50Z)

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。