电子杂货中的个性化：Top-N与Top-k排序
信息检索
2021-06-01 v1
摘要
电子商务的商业成功取决于客户感知价值。感知价值高的客户会购买、退货并推荐商品。当信息负载损害用户购物体验时，感知价值便面临风险。在电子杂货中，购物者面对数量庞大的商品，其中大多数与其无关。推荐系统（RS）通过提供按相关性排序的商品列表，帮助企业应对信息过载（IO）。已有研究提出具有短个性化排序（top-k）的RS。鉴于电子杂货中订单规模大且用户异质性强，top-k RS不足以缓解该领域中的IO。为填补此空白并提升商业绩效，本文引入一种具有个性化长排序（top-N）的RS。通过随机现场实验，本文确立了从top-k转向top-N排序的益处。具体而言，所提RS使IO降低29.4%，并将用户每件商品的搜索时间减少3.3秒。现场实验还显示，top-N排序带来7%的收入提升。客户与公司的显著收益凸显了top-N排序作为电子杂货推荐系统新设计要求的商业价值。
引用
@article{arxiv.2105.14599,
title = {Personalization in E-Grocery: Top-N versus Top-k Rankings},
author = {Franziska Scherpinski and Stefan Lessmann},
journal= {arXiv preprint arXiv:2105.14599},
year = {2021}
}