预算约束下营销效果优化的端到端框架
机器学习
2023-02-10 v1
摘要
在线平台常通过激励消费者来提升用户参与度与平台收益。由于不同消费者对激励的响应可能不同,个体级预算分配是营销活动中的一项关键任务。该领域近期进展常采用两阶段范式解决预算分配问题:第一阶段使用因果推断算法估计个体级处理效应,第二阶段调用整数规划技术寻找最优预算分配方案。由于这两阶段的目标可能并非完全对齐,此类两阶段范式会损害整体营销效果。本文中,我们提出了一种新颖的端到端框架,直接在预算约束下优化业务目标。我们的核心思想是构造一个正则化项来表示营销目标,并利用梯度估计技术高效优化它。由此,所得模型能够直接且精确地学习最大化营销目标。我们在离线与在线实验中广泛评估了所提方法,实验结果表明我们的方法优于当前最先进的方法。我们所提方法目前已部署于某短视频平台,为数以亿计的用户分配营销预算,并实现了显著的业务目标提升。我们的代码将公开可用。
引用
@article{arxiv.2302.04477,
title = {An End-to-End Framework for Marketing Effectiveness Optimization under Budget Constraint},
author = {Ziang Yan and Shusen Wang and Guorui Zhou and Jingjian Lin and Peng Jiang},
journal= {arXiv preprint arXiv:2302.04477},
year = {2023}
}