面向移动支付营销中商户激励优化的图表示学习
社会与信息网络
2020-03-04 v1 机器学习
机器学习
摘要
以支付宝为代表的移动支付已广泛应用于我们的日常生活。为进一步促进移动支付活动，在有限预算下通过向商户提供优惠券、佣金等激励来开展营销活动十分重要。因此，激励优化是最大化营销活动商业目标的关键。通过对线上实验的分析，我们发现交易网络能够细致地刻画商户对不同激励响应的相似性，这对激励优化问题极有帮助。本文提出了一种基于交易网络的图表示学习方法，用于移动支付营销中的商户激励优化。利用从线上实验收集的有限样本，我们的端到端方法首先基于属性化交易网络学习商户表示，然后有效建模各商户在不同处理下可能实现的商业目标与激励之间的关联。由此我们能够刻画每个商户的激励敏感度，并将最多预算花费在营销活动中表现出强敏感度的商户上。支付宝的大量离线与线上实验结果证明了我们所提方法的有效性。
引用
@article{arxiv.2003.01515,
title = {Graph Representation Learning for Merchant Incentive Optimization in Mobile Payment Marketing},
author = {Ziqi Liu and Dong Wang and Qianyu Yu and Zhiqiang Zhang and Yue Shen and Jian Ma and Wenliang Zhong and Jinjie Gu and Jun Zhou and Shuang Yang and Yuan Qi},
journal= {arXiv preprint arXiv:2003.01515},
year = {2020}
}