UNICON：一种用于电商中基于行为的消费者分群的统一框架
信息检索
2023-09-26 v1 机器学习
摘要
数据驱动的个性化是时尚电商中的一项关键实践，它以更相关的内容改善了企业满足消费者需求的方式。虽然超个性化为每个消费者提供高度定向的体验，但它需要大量私有数据来创建个体化路径。为缓解此问题，基于群体的个性化在消费者分群更广泛的共同偏好之上提供了适度水平的个性化，同时仍能够对结果进行个性化。我们提出 UNICON，一个统一的深度学习消费者分群框架，它利用丰富的消费者行为数据学习长期潜在表示，并运用这些表示提取两类关键的分群以服务各类个性化用例：相似受众（lookalike），以行为相似的消费者扩展预定义的目标种子分群；以及数据驱动分群，揭示具有相似偏好的非显性消费者分群。我们通过大量实验展示了我们的框架在时尚领域识别相似设计师受众与数据驱动风格分群的有效性。此外，我们呈现了将分群信息纳入结合超个性化与基于群体个性化的混合推荐系统之实验，以利用两种方案的优势并改善消费者体验。
引用
@article{arxiv.2309.13068,
title = {UNICON: A unified framework for behavior-based consumer segmentation in e-commerce},
author = {Manuel Dibak and Vladimir Vlasov and Nour Karessli and Darya Dedik and Egor Malykh and Jacek Wasilewski and Ton Torres and Ana Peleteiro Ramallo},
journal= {arXiv preprint arXiv:2309.13068},
year = {2023}
}