論文の概要: StoBasket: Joint Upsell and Cross-Sell Optimization for Contribution Margin

• arxiv url: http://arxiv.org/abs/2610.22768v1
• Date: Fri, 16 Oct 2026 00:19:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.719422
• Title: StoBasket: Joint Upsell and Cross-Sell Optimization for Contribution Margin
• Title（参考訳）: StoBasket: コントリビューションマージンのためのジョイントアップセルとクロスセル最適化
• Abstract要約: 本稿では,既存のバスケットの代替と追加のオファーを1つのポリシーで選択し,コントリビューションマージンを期待して評価する共同バスケット編集手法を提案する。 我々の知る限りでは、クロスセル応答が結合される最初の定式化である。
• 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: Retail recommenders rank relevance, but retailers earn contribution margin: an upsell earns the margin difference over the item it replaces, whereas a cross-sell earns its full margin. We introduce joint stochastic basket editing, a formulation in which one policy selects replacement and addition offers for an existing basket, values them by expected incremental contribution margin, and couples them through displayed-offer, accepted-offer, and joint-acceptance response channels. To our knowledge, it is the first formulation in which upsell and cross-sell responses are coupled; prior separable treatments are its zero-coupling special case. In real-data-calibrated simulations on five public basket datasets, StoBasket captures essentially all attainable offer margin: within 0.5% in every default-price setting and within 0.7% when the true response lies outside its model family. Correct economic accounting is the broadest gain: margin-weighted popularity leaves up to 11% of attainable margin unrealized, and a published next-basket recommender leaves 11-52%. Joint selection adds 10.2% of attainable margin on Instacart, where premium tiers and add-ons are strongly linked. When offers pay only together, the best heuristics lose 64% while exact search stays within 0.5%. For a structured subclass, we characterize when staged policies fail and give an exact optimizer that solves every tested real basket in 0.13 ms median and at most 111 ms. Profit saturates long before prediction accuracy: a correctly structured predictor trained on 5,000 randomized sessions comes within 0.06% of perfect prediction, while a signal-free one loses 38%. The same estimates yield a decision-aware market-basket analysis whose cost does not grow with association order.
• Abstract（参考訳）: 小売店はリコメンデーションのランク付けを行うが、小売業者はコントリビューションのマージンを得る。 本稿では,既存のバスケットの代替および追加提案を1つのポリシーで選択し,期待される増進的コントリビューションマージンで評価し,表示オフ,受け入れオフ,共同受け入れ応答チャネルを通じて結合する共同確率バスケット編集手法を提案する。 我々の知る限り、これはアップセルとクロスセルの応答が結合される最初の定式化であり、事前の分離可能な処理はその0結合特別なケースである。 5つのパブリックバスケットデータセットのリアルタイムキャリブレーションシミュレーションでは、StoBasketは基本的にすべての達成可能なオファーマージンをキャプチャする。 マージン重み付けされた人気は達成可能な利益の11%を未実現のまま残し、次回の推薦者は11-52%を残している。 統合選択は、プレミアムティアとアドオンが強くリンクされているInstacartの達成可能なマージンの10.2%を追加する。 支払いのみを提供する場合、最高のヒューリスティックは64%を失い、正確な検索は0.5%に留まる。 構造化サブクラスでは、ステージ化されたポリシーが失敗し、テスト対象のすべてのバスケットを平均0.13ms、最大111msで解決する正確なオプティマイザを特徴付けます。 同じ見積もりは、コストが連合の順序で増加しない決定を意識した市場ベース分析をもたらす。

関連論文リスト

• One Proposal for Every Margin: Zero-Shot Amortized Sequential Importance Sampling for Binary Matrices [38.892647189101034]
  2つの基本的な問題は、この空間を数え、そこから一様にサンプリングすることである。 既存の提案は分析的に設計されており、その精度はマージンによって大きく異なる。 すべての重みがカウントに等しく、分散が消える理想的なSIS提案は、まさに生成フローネットワークの方針であることを示す。
  論文  参考訳（メタデータ） (2026-09-28T16:07:44Z)
• Tabular Deep Learning for Algorithmic Trading: Cross-Regime Bayesian Optimisation for Equity Signal Generation [0.0]
  5つのモデルクラスは、11年間で約300の米国株式から毎日の観測に基づいて訓練されている。 XGBoostとTabNetをランクアグリゲーションで組み合わせると、毎年51.26%のリターンを持つハイブリッドアンサンブルが生成される。 ほぼゼロに近いベータでは、このパフォーマンスは市場への露出ではなく、株価の選択によるものであることを示している。
  論文  参考訳（メタデータ） (2026-08-27T13:01:32Z)
• SFGA: A Statistics-First Gating Architecture with Adjudicative Escalation for Trustworthy SFT Data Procurement [2.8129261352670003]
  我々は、調達をコストに配慮したルーティング問題として扱う統計第一のゲーティングアーキテクチャであるsysを提案する。 ゲートは間隔が狭く、サンプルサイズが適切で、軸が一致する場合にのみ決定を受理する。 コンサイドの勝利率は0.80、ポジションフリップ率は52%である。
  論文  参考訳（メタデータ） (2026-07-21T10:52:04Z)
• Explainable Artificial Intelligence for Customer Churn Prediction in Telecommunications: A Framework for CRM Integration [0.0]
  リスクスコアとベクトルを階層化されたセグメンテーションに変換する4層CRM統合アーキテクチャを導入する。 最高リスクのクインタイルを目標にすると、全体のチャーンを3.3～5.3ポイント削減し、キャンペーンサイクル当たり199K〜319Kと見積もられている。
  論文  参考訳（メタデータ） (2026-07-01T15:30:16Z)
• Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback [1.2362187555287152]
  ファイナンスにおける予測評価は、ポイント予測エラーに基づく集計精度測定と予測精度テストに依存している。 本稿では,中間決定プロセス自体を評価することによって,精度試験を補完する行動予測評価手法を提案する。
  論文  参考訳（メタデータ） (2026-05-07T06:31:34Z)
• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Autoregressive Bandits [58.46584210388307]
  本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。 報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。 次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
  顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
  論文  参考訳（メタデータ） (2020-12-21T01:01:56Z)

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。