每次转化的增量利润：一种用于电商促销 uplift 建模的响应变换
机器学习
2023-08-11 v2
摘要
促销在电商平台中起着关键作用，并且采用各种成本结构来驱动用户参与。本文关注具有响应依赖成本的促销，即仅当发生购买时才产生费用。此类促销包括折扣和优惠券。尽管现有的 uplift 模型方法旨在应对这一挑战，这些方法往往需要训练多个模型（如元学习器），或由于未转化个体具有零成本和零利润而导致的零膨胀值在估计利润时遇到复杂性。为应对这些挑战，我们引入每次转化的增量利润（IPC），一种衡量促销活动在单位经济中效率的新型 uplift 指标。通过提出的响应变换，我们证明 IPC 仅需转化数据、其倾向得分以及单个模型即可估计。因此，IPC 解决了上述提及的问题，同时减轻了通常与转化数据集中类不平衡相关的噪声以及搜索与购买数据之间多对一映射所引起的偏差。最后，我们通过折扣优惠券活动的合成模拟结果验证了方法的有效性。
引用
@article{arxiv.2306.13759,
title = {Incremental Profit per Conversion: a Response Transformation for Uplift Modeling in E-Commerce Promotions},
author = {Hugo Manuel Proença and Felipe Moraes},
journal= {arXiv preprint arXiv:2306.13759},
year = {2023}
}