論文の概要: High-Frequency Pricing at Scale for E-Commerce
- arxiv url: http://arxiv.org/abs/2606.13741v1
- Date: Thu, 11 Jun 2026 13:01:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.53758
- Title: High-Frequency Pricing at Scale for E-Commerce
- Title（参考訳）: 大規模電子商取引における高周波価格設定
- Authors: Stefan Birr, Tobias Huelden, Mones Raslan, Adele Gouttes, Andreas Schmitt, Mateusz Koren, Johannes Stephan, Robert Streek, Manuel Kunz, Tim Januschowski,
- Abstract要約: 本稿では,ファッション電子商取引における販売キャンペーンのための予測最適化アルゴリズム価格設定ツールの設計,開発,実装について述べる。
販売イベントには、不安定な需要パターン、急激な価格決定、短期的な収益と長期的な利益とのバランスの必要性など、価格に関するユニークな課題がある。
本稿では,勾配木を用いた日次需要予測と多目的最適化フレームワークを組み合わせたアプローチについて述べる。
- 参考スコア（独自算出の注目度）: 2.3507764516448497
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the design, development, and implementation of a specialized forecast-then-optimize algorithmic pricing tool for sales campaigns in fashion e-commerce. Sales events present unique challenges for pricing including volatile demand patterns, rapid pricing decisions, and the need to balance short-term revenue with long-term profitability. We describe our approach combining daily-resolution demand forecasting using gradient-boosted trees with a multi-objective optimization framework that maximizes both long-term profit and net merchandise value for more than 5 million articles. Our solution addresses key limitations of existing weekly-granularity systems by implementing a forecast-then-optimize architecture that reduces pricing decision time from hours to minutes. We validate our approach through 23 A/B tests across 12 markets during 2023-2024 sales campaigns at Zalando, one of Europe's leading online fashion retailers. Experimental results demonstrate that the new pricing system achieves approximately 6% higher profit while maintaining equivalent performance on sales and revenue compared to the previous manual-algorithmic hybrid approach. Based on these results, the algorithm was successfully deployed to production and now handles the majority of algorithmic pricing decisions for sales campaigns at the company.
- Abstract（参考訳）: 本稿では,ファッション電子商取引における販売キャンペーンのための予測最適化アルゴリズム価格設定ツールの設計,開発,実装について述べる。
販売イベントには、不安定な需要パターン、急激な価格決定、短期的な収益と長期的な利益とのバランスの必要性など、価格に関するユニークな課題がある。
本稿では,500万件以上の記事の長期利益と純商品価値の両面を最大化する多目的最適化フレームワークを,勾配木を用いた日次需要予測と組み合わせたアプローチについて述べる。
提案手法は,時間から数分の価格決定時間を短縮する予測最適化アーキテクチャを実装することで,既存の週ごとの粒度システムの鍵となる制約に対処する。
2023-2024年、ヨーロッパの主要なオンラインファッション小売業者の1つであるZalandoでの販売キャンペーンを行い、12市場にわたる23のA/Bテストを通じてこのアプローチを検証する。
実験の結果,新しい価格体系は,従来の手作業とアルゴリズムのハイブリッドアプローチと比較して,売上と収益に匹敵するパフォーマンスを維持しつつ,約6%高い利益を達成することがわかった。
これらの結果に基づいて、このアルゴリズムは運用に成功し、現在、同社の販売キャンペーンのアルゴリズムによる価格決定の大部分を処理している。
関連論文リスト
- Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。
我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文 参考訳（メタデータ） (2024-11-20T18:06:55Z) - 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) - Maximizing the Success Probability of Policy Allocations in Online
Systems [5.485872703839928]
本稿では,個々の入札要求ではなく,ユーザタイムラインのレベルでの問題を検討する。
ユーザに対してポリシーを最適に割り当てるために、典型的な複数の処理割り当て手法は、knapsackのような問題を解決する。
本稿では,政策アロケーションの探索を目的としたSuccessProMaxアルゴリズムについて紹介する。
論文 参考訳（メタデータ） (2023-12-26T10:55:33Z) - An End-to-End Framework for Marketing Effectiveness Optimization under
Budget Constraint [25.89397524825504]
予算制約下でのビジネス目標を直接最適化する新しいエンドツーエンドフレームワークを提案する。
我々の中核となる考え方は、マーケティング目標を表現し、勾配推定技術を用いて効率的に最適化する正規化器を構築することである。
提案手法は現在,ショートビデオプラットフォーム上で数億人のユーザに対して,マーケティング予算を配分するためにデプロイされている。
論文 参考訳（メタデータ） (2023-02-09T07:39:34Z) - Dynamic Pricing with Volume Discounts in Online Settings [102.00782184214326]
本稿では,電子商取引における客観的機能が利益であり,取引データのみが利用可能である場合の価格設定に焦点を当てる。
我々の研究は、異なるボリューム閾値で最適な価格を定め、異なるクラスのユーザーに提供する価格戦略を見つけることを目的としている。
我々は、オンライン形式でデータを活用できる2段階のオンライン学習アルゴリズムBを設計する。
論文 参考訳（メタデータ） (2022-11-17T16:01:06Z) - 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) - Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。
商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。
本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
論文 参考訳（メタデータ） (2022-02-26T02:07:25Z) - E-Commerce Promotions Personalization via Online Multiple-Choice
Knapsack with Uplift Modeling [1.027974860479791]
本稿では,オンライン制約付きマルチコースプロモーションパーソナライズ問題について検討する。
本研究は,オンライン多重選択Knapsack問題としてこの問題を定式化する。
予算制約の遵守を保証するリアルタイム適応手法を提案する。
論文 参考訳（メタデータ） (2021-08-11T15:09:16Z) - Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and
Multi-Period Optimization Approach [29.11201102550876]
半パラメトリック構造モデルを構築し、価格の弾力性を学習し、対物需要を予測する。
本稿では,有限販売地平線上での消耗品全体の利益を最大化するために,多周期動的価格アルゴリズムを提案する。
提案されたフレームワークは、よく知られたeコマースの新鮮な小売シナリオであるFreshippoにうまくデプロイされている。
論文 参考訳（メタデータ） (2021-05-18T07:01:37Z) - Offer Personalization using Temporal Convolution Network and
Optimization [0.0]
オンラインショッピングやハイマーケット競争の増加は、オンライン小売業者のプロモーション支出の増加につながっている。
本稿では,小売店舗における消費者・商品・時間の交点におけるオファー最適化の課題を解決するためのアプローチを提案する。
論文 参考訳（メタデータ） (2020-10-14T10:59:34Z) - 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。