面向热门且高利润产品收益最大化的研究
人工智能
2022-03-01 v1
摘要
从经济学角度,企业开展营销的一个常见目标是通过运用各种有效营销策略使回报收益/利润最大化。消费者行为在经济学和定向营销中至关重要,其中行为经济学可提供有价值的洞见以识别偏差并从客户处获利。然而,由于大多数产品往往在一年中相对于季节性销售周期的特定时段达到峰值,寻找关于产品盈利能力的可信可靠信息相当困难。货架可得率(On-Shelf Availability, OSA)是绩效评估的关键因素。此外,领先于热门产品趋势意味着我们可以在不售罄库存的情况下加大营销力度。为弥补这一缺口,本文首先提出一个通用的面向利润的框架,基于经济行为解决收益最大化问题,并计算用于定向营销的在架热门且最盈利产品(OPPPs)。为应对收益最大化问题,我们建模了 k-可满足产品概念,并提出一种用于搜索 OPPP 及其变体的算法框架。在多个真实世界数据集上进行了大量实验,以评估所提算法的有效性与效率。
引用
@article{arxiv.2202.13041,
title = {Towards Revenue Maximization with Popular and Profitable Products},
author = {Wensheng Gan and Guoting Chen and Hongzhi Yin and Philippe Fournier-Viger and Chien-Ming Chen and Philip S. Yu},
journal= {arXiv preprint arXiv:2202.13041},
year = {2022}
}
备注
ACM/IMS Transactions on Data Science. 4 figures, 5 tables