消费者究竟如何选择：利用混合专家模型揭示隐藏偏好
机器学习
2025-03-11 v1 计量经济学
摘要
理解消费者选择是营销和管理研究的基础，因为企业越来越寻求个性化产品和优化客户互动。传统的选择建模框架，如多项 Logit（MNL）模型和混合 Logit 模型，施加了严格的参数化假设，限制了其捕捉消费者决策复杂性的能力。本研究引入了混合专家框架作为一种机器学习驱动的替代方案，该框架可根据潜在行为模式动态细分消费者。通过利用概率门控函数和专门的专家网络，MoE 提供了一种灵活的非参数方法来建模异构偏好。使用大规模零售数据进行的实证验证表明，MoE 比传统计量经济学模型显著提高了预测准确性，捕捉了消费者对价格变化、品牌偏好和产品属性的非线性响应。研究结果强调了 MoE 在改进需求预测、优化定向营销策略和完善细分实践方面的潜力。通过提供一个更细粒度和自适应的框架，本研究弥合了数据驱动的机器学习方法和营销理论之间的差距，倡导将 AI 技术整合到管理决策和战略消费者洞察中。
引用
@article{arxiv.2503.05800,
title = {How Do Consumers Really Choose: Exposing Hidden Preferences with the Mixture of Experts Model},
author = {Diego Vallarino},
journal= {arXiv preprint arXiv:2503.05800},
year = {2025}
}