面向因果营销的上下文多臂老虎机
机器学习
2018-10-05 v1 机器学习
摘要
本工作探索了一种用于自动化营销的因果上下文多臂老虎机方法，其中我们估计并优化因果（增量）效应。关注因果效应通过仅定向那些原本不会自发采取行动的易说服客户，带来更好的投资回报率（ROI）。我们的方法汲取了因果推断、 uplift 建模（ uplift 建模）和多臂老虎机的优势。它优化的是因果处理效应而非纯粹结果，并将反事实生成纳入数据收集之中。遵循 uplift 建模结果，我们优化增量业务指标。多臂老虎机方法使我们能够扩展到多种处理，并对日志数据执行离屏策略评估。尤其是 Thompson 采样策略实现了在相似客户上下文中探索处理并具现反事实结果。在一个零售时尚营销数据集上的初步离线实验显示了我们方案的优点。
引用
@article{arxiv.1810.01859,
title = {Contextual Multi-Armed Bandits for Causal Marketing},
author = {Neela Sawant and Chitti Babu Namballa and Narayanan Sadagopan and Houssam Nassif},
journal= {arXiv preprint arXiv:1810.01859},
year = {2018}
}