利用无记忆实验挖掘客户生命周期价值
人工智能
2022-01-19 v1
摘要
作为客户在服务或产品关系中产生的长期贡献的度量，生命周期价值（LTV）可更全面地找到服务交付的最优策略。然而，准确抽象LTV场景、合理建模并求得最优解颇具挑战。现有理论或因单一建模结构无法精确表达LTV，或缺乏高效解法。我们提出一种通用LTV建模方法，解决了客户长期贡献难以量化的问题，而现有方法（如建模点击率）仅追求短期贡献。同时，我们还基于变异二分法与无记忆重复实验假设，提出了一种快速动态规划解法。该模型与方法可应用于不同服务场景，如推荐系统。在真实数据集上的实验证实了所提模型与优化方法的有效性。此外，整套LTV结构已部署于大型电商手机应用，成功选出最优推送消息发送时间，实现了10%的LTV提升。
引用
@article{arxiv.2201.06254,
title = {Exploit Customer Life-time Value with Memoryless Experiments},
author = {Zizhao Zhang and Yifei Zhao and Guangda Huzhang},
journal= {arXiv preprint arXiv:2201.06254},
year = {2022}
}