具有漏斗结构的决策问题：一种多任务学习方法及其在邮件营销活动中的应用
机器学习
2021-02-02 v2 机器学习
摘要
本文研究具有漏斗结构的决策问题。漏斗结构是营销领域的知名概念，出现在决策以分层方式与环境交互且深层观测远少于浅层的系统中。例如，在邮件营销活动应用中，各层对应打开、点击和购买事件。从点击到购买的转化极少发生，因为除非点击邮件中的链接，否则无法购买。我们将这一具挑战性的决策问题表述为具有漏斗结构的上下文老虎机（contextual bandit），并开发了一种多任务学习算法，以缓解来自深层观测不足的问题。我们分析了算法的预测误差与遗憾值（regret）。我们通过简单仿真验证了关于预测误差的理论。基于模拟环境及某大型邮件营销公司真实数据环境的实验表明，我们的算法相较先前方法取得了显著改进。
引用
@article{arxiv.2010.08048,
title = {Decision Making Problems with Funnel Structure: A Multi-Task Learning Approach with Application to Email Marketing Campaigns},
author = {Ziping Xu and Amirhossein Meisami and Ambuj Tewari},
journal= {arXiv preprint arXiv:2010.08048},
year = {2021}
}