一种用于用户界面实验的机会式 bandit 方法
机器学习
2020-06-23 v1 机器学习
摘要
面对在线竞争对手日益加剧的竞争,零售业正越来越多地投资于其在线购物平台,以赢得客户忠诚度的重大战役。用户体验在这一竞争中起着至关重要的作用,零售商持续对其用户界面进行实验与优化,以获得更好的用户体验。实验的成本主要来自向客户提供次优服务的机会成本。本文中,我们利用真实在线零售数据展示了机会式 bandit(opportunistic bandit)在尽可能降低实验成本方面的有效性。事实上,我们将用户界面实验建模为一个机会式 bandit 问题,其中探索成本随从客户特征中提取的某一因子而变化。我们通过减少高代价探索并提供有助于指导测试过程的额外上下文信息,实现了显著的悔值(regret)降低。此外,我们分析了将机会式 bandit 用于在线零售实验的优势与挑战。
引用
@article{arxiv.2006.11873,
title = {An Opportunistic Bandit Approach for User Interface Experimentation},
author = {Nader Bouacida and Amit Pande and Xin Liu},
journal= {arXiv preprint arXiv:2006.11873},
year = {2020}
}