論文の概要: Counterfactual Multi-task Learning for Delayed Conversion Modeling in E-commerce Sales Pre-Promotion
- arxiv url: http://arxiv.org/abs/2604.21675v1
- Date: Thu, 23 Apr 2026 13:42:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.562351
- Title: Counterfactual Multi-task Learning for Delayed Conversion Modeling in E-commerce Sales Pre-Promotion
- Title（参考訳）: 電子商取引前販売における遅延変換モデルのためのマルチタスク対効果学習
- Authors: Xin Song, Kaiyuan Li, Jinxin Hu,
- Abstract要約: プロモーション前の段階では、ユーザーはすぐに購入することなく商品の検索やブラウジングに従事している。
この振る舞いは変換の遅れにつながるため、プロモーションデーの前に変換レート(CVR)が大幅に低下する。
当社のモデルには, 歴史的プレプロモーションデータを用いた直接変換と遅延変換を共同でモデル化するマルチタスクアーキテクチャ, (ii) 短いプレプロモーション期間中にデータの疎結合問題を緩和するパーソナライズされたユーザ行動ゲーティングモジュール, (iii) 加算から遅延変換への遷移確率をモデル化するための因果的アプローチの3つが組み込まれている。
- 参考スコア（独自算出の注目度）: 11.889269457939905
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Sales promotions, as short-term incentives to stimulate product purchases, play a pivotal role in modern e-commerce marketing strategies. During promotional events, user behavior patterns exhibit distinct characteristics compared to regular periods. In the pre-promotion phase, users typically engage in product search and browsing without immediate purchases, adding items to carts in anticipation of promotional discounts. This behavior leads to delayed conversions, resulting in significantly lower conversion rates (CVR) before the promotion day. Although existing research has made progress in CVR prediction for promotion days using historical data, it largely overlooks the critical pre-promotion period. And delayed feedback modeling has been extensively studied, current approaches fail to account for the unique distribution shifts in conversion behavior before promotional events, where delayed conversions predominantly occur on the promotion day rather than over continuous time windows. To address these limitations, we propose the Counterfactual Multi-task Delayed Conversion Model (CM-DCM), which leverages historical pre-promotion data to enhance CVR prediction for both delayed and direct conversions. Our model incorporates three key innovations: (i) A multi-task architecture that jointly models direct and delayed conversions using historical pre-promotion data; (ii) A personalized user behavior gating module to mitigate data sparsity issues during brief pre-promotion periods; (iii) A counterfactual causal approach to model the transition probability from add-to-cart (ATC) to delayed conversion. Extensive experiments demonstrate that CM-DCM outperforms baselines in pre-promotion scenarios. Online A/B tests during major promotional events showed significant improvements in advertising revenue, delayed conversion GMV, and overall GMV, validating the effectiveness of our approach.
- Abstract（参考訳）: 製品購入を刺激する短期的なインセンティブとしての販売促進は、現代のeコマースマーケティング戦略において重要な役割を担っている。
プロモーションイベントにおいて、ユーザ行動パターンは通常の期間と異なる特徴を示す。
プロモーション前の段階では、ユーザーはすぐに購入することなく商品の検索やブラウジングに従事し、プロモーション割引を期待してカートにアイテムを追加する。
この振る舞いは変換の遅れにつながるため、プロモーションデーの前に変換レート(CVR)が大幅に低下する。
これまでの研究では、歴史的データを用いたCVRの宣伝日数予測が進んでいるが、重要なプロモーション前時期を概ね見落としている。
遅延フィードバックモデリングは広範に研究されているが、近年のアプローチでは、継続時間窓ではなく、プロモーション日に遅延変換が発生するようなプロモーションイベント前の変換動作のユニークな分布変化を考慮できない。
これらの制約に対処するために,過去のプレプロモーションデータを活用して,遅延および直接変換のCVR予測を向上する,事実上のマルチタスク遅延変換モデル(CM-DCM)を提案する。
私たちのモデルは3つの重要なイノベーションを取り入れています。
一 歴史的プレプロモーションデータを用いて直接及び遅延変換を共同でモデル化するマルチタスクアーキテクチャ
2 短時間のプレプロモーション期間中のデータの疎結合を緩和するパーソナライズされたユーザ行動ゲーティングモジュール
3)ATC(Add-to-cart)から遅延変換への遷移確率をモデル化するための因果的アプローチ。
CM-DCMは前進前のシナリオにおいてベースラインよりも優れていた。
主要なプロモーションイベントにおけるオンラインA/Bテストでは,広告収入,遅延変換GMV,総合GMVが有意に改善し,提案手法の有効性が検証された。
関連論文リスト
- TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting [51.37167759339485]
本稿では,アプリロリで知られたコンテキスト変数を利用して予測性能を向上させるマルチホライゾン予測器であるTemporal-Aligned Transformer (TAT)を提案する。
我々のモデルはエンコーダとデコーダで構成されており、どちらもピーク需要予測のためのコンテキスト依存アライメントを学習するための新しい時間アライメントアテンション(TAA)を組み込んでいる。
以上の結果から,TATはピーク需要予測において30%の精度を実現し,他の最先端手法と比較して総合的な性能を維持した。
論文 参考訳（メタデータ） (2025-07-14T14:51:24Z) - Delayed Feedback Modeling with Influence Functions [10.327472992234808]
大きな課題はフィードバックの遅延であり、ユーザインタラクションの長い時間後に変換が発生する可能性があるため、不完全な最近のデータとバイアス付きモデルトレーニングにつながります。
既存のソリューションはこの問題を部分的に緩和するが、しばしば補助的なモデルに依存し、計算的に非効率でユーザーの関心の変化に適応しない。
提案するIF-DFMは、アンダーライン遅延アンダーラインインフルエンスをベースとしたアンダーラインインフルエンスアンダーラインモデルであり、新たに到着した変換と遅延変換がモデルパラメータに与える影響を推定し、効率よく実現できる。
論文 参考訳（メタデータ） (2025-02-01T16:23:13Z) - Breaking Determinism: Fuzzy Modeling of Sequential Recommendation Using Discrete State Space Diffusion Model [66.91323540178739]
シークエンシャルレコメンデーション(SR)は、ユーザーが過去の行動に基づいて興味を持つかもしれない項目を予測することを目的としている。
我々はSRを新しい情報理論の観点から再検討し、逐次モデリング手法がユーザの行動のランダム性と予測不可能性を適切に把握できないことを発見した。
ファジィ情報処理理論に触発された本論文では,制限を克服し,ユーザの関心事の進化をよりよく捉えるために,ファジィなインタラクションシーケンスの組を導入する。
論文 参考訳（メタデータ） (2024-10-31T14:52:01Z) - 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) - Confidence Attention and Generalization Enhanced Distillation for
Continuous Video Domain Adaptation [62.458968086881555]
連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。
CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-18T16:40:10Z) - Addressing Data Distribution Shifts in Online Machine Learning Powered
Smart City Applications Using Augmented Test-Time Adaptation [5.449298202591168]
データ分散シフトは、機械学習によるスマートシティアプリケーションにおいて一般的な問題である。
本稿では,テスト時間適応を体系的なアクティブな微調整層で実現することを提案する。
提案手法は従来のテスト時間適応を2倍に向上させる。
論文 参考訳（メタデータ） (2022-11-02T17:36:52Z) - Personalized Promotion Decision Making Based on Direct and Enduring
Effect Predictions [5.50110172922112]
本稿では,顧客ごとの直接的かつ永続的な対応をモデル化し,複数治療促進意思決定の枠組みを提案する。
まず、顧客直接持続効果(CDEE)モデルを提案し、顧客直接持続応答を予測する。
CDEEの助けを借りて、コストを予算に抑えつつ、持続的な効果を最適化するためにインセンティブアロケーションをパーソナライズする。
論文 参考訳（メタデータ） (2022-07-23T07:13:57Z) - 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) - Modeling the Sequential Dependence among Audience Multi-step Conversions
with Multi-task Learning in Targeted Display Advertising [17.759045342006694]
本稿では,オーディエンス間の逐次依存をモデル化する適応型情報転送マルチタスク(aitm)フレームワークを提案する。
提案するフレームワークはMeituanアプリにデプロイされ,高エンドツーエンドのコンバージョンレートでユーザに対してバナーをリアルタイムに表示する。
論文 参考訳（メタデータ） (2021-05-18T13:07:12Z) - Learning Transferrable Parameters for Long-tailed Sequential User
Behavior Modeling [70.64257515361972]
テールユーザに注力することで、より多くのメリットをもたらし、長いテールの問題に対処できる、と私たちは主張しています。
具体的には、頭部から尾部への知識伝達を容易にするために、勾配アライメントを提案し、敵のトレーニングスキームを採用する。
論文 参考訳（メタデータ） (2020-10-22T03:12:02Z)
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。