論文の概要: AI-Mediation in Retail Markets: Revenue Effects and Assortment Optimization
- arxiv url: http://arxiv.org/abs/2610.12917v1
- Date: Fri, 09 Oct 2026 03:06:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.367244
- Title: AI-Mediation in Retail Markets: Revenue Effects and Assortment Optimization
- Title（参考訳）: 小売市場におけるAI-Mediation:収益効果とアソシエーション最適化
- Abstract要約: 我々は、小売業者がカタログを選択し、AI仲介業者が顧客向けショートリストを作成し、顧客がそのショートリストの中からマルチノミアルロジットモデルに従って選択する、AI仲介の下で小売アソシエーション計画を研究する。
我々は、AIが一定のセグメント別ランキングに従う決定論的調停と、Plackett-Luceモデルに基づく調停の両方を考慮する。
AIメディエーションの会計は、最適な品揃えと収益を大きく変えることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI shopping assistants increasingly influence which products consumers consider. We study retail assortment planning under AI mediation, where a retailer chooses a catalog, an AI intermediary forms a customer-facing shortlist, and the customer chooses from that shortlist according to a multinomial logit model. We consider both deterministic mediation, in which the AI follows a fixed segment-specific ranking, and stochastic mediation based on the Plackett-Luce model. Empirically, we construct a dataset of product rankings from leading AI models, estimate Plackett-Luce ranking models, and evaluate their predictive performance on held-out assortments. Combining these estimates with synthetic customer preferences, we find that accounting for AI mediation can materially change optimal assortments and revenue. Across the tested capacity configurations, ignoring mediation yields mean revenue losses between 2.52% and 11.37% relative to the PL optimum. A much simpler deterministic plug-in, based only on the ordering of fitted AI utilities, performs substantially better, with mean losses of at most 0.53%. Motivated by this performance, we study assortment optimization under deterministic mediation. We characterize its computational complexity and show that, for any fixed number of customer segments, the problem admits a fully polynomial-time approximation scheme.
- Abstract（参考訳）: AIショッピングアシスタントは、消費者がどの製品を考えるかに影響を及ぼす。
我々は、小売業者がカタログを選択し、AI仲介業者が顧客向けショートリストを作成し、顧客がそのショートリストの中からマルチノミアルロジットモデルに従って選択する、AI仲介の下で小売アソシエーション計画を研究する。
我々は、AIが一定のセグメント別ランキングに従う決定論的調停と、Planet-Luceモデルに基づく確率的調停の両方を考慮する。
実証的には、主要なAIモデルから製品ランキングのデータセットを構築し、Plackett-Luceランキングモデルを推定し、保留品の予測性能を評価する。
これらの見積と総合的な顧客嗜好を組み合わせることで、AIメディエーションの会計は、最適な選択肢と収益を大きく変えることができる。
試験された容量構成全体では、調停を無視した場合、PLの最適値に対して2.52%から11.37%の損失が生じる。
より単純な決定論的プラグインは、装着されたAIユーティリティの順序のみに基づくもので、平均損失が0.53%以上、大幅に向上している。
この性能に感化され、決定論的媒介下でのアソシエーション最適化について検討する。
我々はその計算複雑性を特徴付け、固定数の顧客セグメントに対して、完全多項式時間近似スキームが認められることを示した。
関連論文リスト
- Sequential Multimodal Evidence Optimization for Product Media Ranking in E-Commerce [1.6460462104175428]
顧客指向メディアシークエンシングのための2段階のユーティリティ誘導フレームワークを提案する。
SMEOは、消費されたメディアプレフィックスからトラジェクティブユーティリティモデルを学び、顧客が購入決定に達するのにどのように順序付けられた証拠が役立つかを推定する。
次に、最優先の意思決定関連情報を早期に優先する、サバイバル重み付き報酬対ゴーによる自己回帰的ランキングポリシーを訓練する。
論文 参考訳（メタデータ） (2026-08-16T10:11:02Z) - Estimation, Prediction, and Assortment Optimization for Markov Chain Choice Models with Panel Data [0.3823356975862005]
パネルデータを用いた連鎖選択モデル(MC)のフレームワークを提案する。
当社のフレームワークは、同一顧客に対するトランザクション間の依存関係を考慮に入れています。
本稿では,条件付き選択予測とアソート最適化問題について述べる。
論文 参考訳（メタデータ） (2026-07-10T06:46:20Z) - Rethinking Sales Lead Scoring with LLM-based Hierarchical Preference Ranking [10.224056739324702]
セールスリードのコンバージョンは、長い意思決定サイクルと多段階のファンネルのために、eコマースのレコメンデーションとは根本的に異なる。
従来のリードスコアリング手法では、スパース監視、非構造化CRMログのセマンティックギャップ、相対的なリード優先度の取得が不可能といった深刻な課題に直面しています。
我々は、構造化CRM機能と非構造化顧客インタラクションの連成モデリングを支援するLLMベースのセールスリードスコアリングのための差別的フレームワークについて紹介する。
論文 参考訳（メタデータ） (2026-06-03T03:05:57Z) - Causal-Aware Foundation-Model for Bilevel Optimization in Discrete Choice Settings [5.508443859567532]
本稿では,二段階決定問題を解決するために,制約付き三重項価格最適化(C3PO)ネットワークを提案する。
C3POは、価格の模倣学習、収益のマルチタスク学習、価格弾力性の文脈学習を統合する。
医療、テンダー価格、航空会社の補助価格など、現実のアプリケーションに最適な価格設定のためのチューニングされたファンデーションモデルをデプロイする。
論文 参考訳（メタデータ） (2026-05-07T20:55:47Z) - Robust Assortment Optimization from Observational Data [32.720761309403436]
本稿では,顧客選択行動の分散的変化を考慮に入れた,データ駆動型アソシエーション最適化のためのフレームワークを提案する。
当社のアプローチは、データを生成し、最悪の予測収益を最大化しようとする名目選択モデルから、潜在的な選好シフトをモデル化する。
論文 参考訳（メタデータ） (2026-02-11T09:57:16Z) - In-context Ranking Preference Optimization [65.5489745857577]
In-context Ranking Preference Optimization (IRPO) フレームワークを提案する。
IRPOは標準のDPO手法よりも高い性能を示し、LLMと直接文脈内ランキング設定の整合性を強調した。
論文 参考訳（メタデータ） (2025-04-21T23:06:12Z) - 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) - 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) - Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。
目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。
DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
論文 参考訳（メタデータ） (2024-08-14T11:29:47Z) - Learning Fair Ranking Policies via Differentiable Optimization of
Ordered Weighted Averages [55.04219793298687]
本稿では,学習からランクへの学習ループに,効率よく解ける公正ランキングモデルを組み込む方法について述べる。
特に,本論文は,OWA目標の制約された最適化を通じてバックプロパゲーションを行う方法を示す最初のものである。
論文 参考訳（メタデータ） (2024-02-07T20:53:53Z)
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。