基于提升建模与在线多选择背包的电商促销个性化
信息检索
2021-09-02 v2 人工智能
机器学习
摘要
促销与折扣是现代电子商务平台的重要组成部分，常用来激励客户完成购买。促销也会影响收入，并可能产生常受专属促销预算限制的货币损失。我们研究在线约束多选择促销个性化问题，其优化目标是为每个客户选择呈现何种促销以最大化购买完成量，同时遵守全局预算限制。我们将该问题形式化为在线多选择背包问题，并通过处理具有负权重和负值的情形扩展了现有文献。我们提供了一种实时自适应方法，保证遵守预算约束，并在多个数据集上达到最优促销影响的99.7%以上。我们的方法在全世界领先的在线旅游平台之一的大规模实验研究中进行了评估。
引用
@article{arxiv.2108.13298,
title = {E-Commerce Promotions Personalization via Online Multiple-Choice Knapsack with Uplift Modeling},
author = {Javier Albert and Dmitri Goldenberg},
journal= {arXiv preprint arXiv:2108.13298},
year = {2021}
}