基于时间卷积网络与优化的优惠个性化
机器学习
2020-10-19 v1
摘要
近来，由于在线购物与市场竞争的显著上升，个性化营销对零售/电商企业已变得重要。在线购物增加与高市场竞争导致在线零售商促销支出上升，因此，推出最优优惠对维持交易数量与利润间的平衡已变得必要。本文中，我们提出在零售场景下消费者、商品与时间交汇处解决优惠优化问题的方法。为优化优惠，我们首先使用时间卷积网络构建广义非线性模型，以预测给定时间段内消费者层面的商品购买概率。其次，我们建立历史优惠值与模型所得购买概率间的函数关系，并用于估计消费者—商品粒度上购买概率的优惠弹性。最后，利用估计的弹性，我们通过基于约束的优化技术优化优惠值。本文描述详细方法论并给出跨品类的建模与优化结果。
引用
@article{arxiv.2010.08130,
title = {Offer Personalization using Temporal Convolution Network and Optimization},
author = {Ankur Verma},
journal= {arXiv preprint arXiv:2010.08130},
year = {2020}
}
备注
8 pages of main content. arXiv admin note: text overlap with arXiv:2010.06952