Nov, 2017

SHOPPER：具有替代品和互补品的消费者选择的概率模型

PDF
TL;DR我们开发了 SHOPPER，这是一个顺序概率模型，用于对购物数据进行建模和分析。SHOPPER 使用可解释的组件来建立产品选择的驱动力模型，并开发了高效的后验推断算法来估计这些驱动力。在测试中，我们发现，即使在价格干预下，SHOPPER 提供了准确的预测，并且有助于识别互补和替代的产品对。
shopperprobabilistic modelshopping datainference algorithmprice interventions
发现论文，激发创造
  • 网上组合市场的价格竞争

    考虑了一个单一的买家想要从不同供应商购买相关产品和服务的组合偏好问题，其中每个供应商只提供一个产品，模型广泛适用于复杂的众包或自动定价等情况，研究了供应商游戏和纳什均衡相关问题。

    Jan, 2014

  • 推断可替代和互补产品的网络

    提出了一种基于主题模型的方法，通过产品评论等多维数据，预测和发现替代和补充产品之间的关系，应用于亚马逊的大规模商品目录数据集。

    Jun, 2015

  • 多元宇宙中的购物：一种反事实方法来进行会话内归因

    针对电子商务中的网站搜索引擎的会话归因挑战，我们将问题表述为因果反事实推断，并与行业设置的基于规则的系统和多点触摸归因文献中的预测模型进行对比。我们提出了学习针对目标商店的生成浏览模型的方法，利用 prod2vec 嵌入产生的潜在空间，展示了如何在相同的空间中有效地表示自然语言查询，并以评估因果贡献为目的进行 “搜索干预”。最后，我们在模拟了客户访谈和定性分析中出现的重要模式的合成数据集上验证了该方法，并在一个合作商店的行业数据集上呈现了初步结果。

    Jul, 2020

  • 产品分配的空间需求的概率模拟器

    本文介绍了一种基于随机模型的实体零售中的空间需求分析方法，此模型能够有效地预测产品需求并通过深度强化学习自主学习最优的产品摆放策略。

    Jan, 2020

  • 消费者到访模式的可预测性

    研究商家消费数据，发现尽管个人消费习惯各有不同，但在时间上有一定的规律性，而人群行为更容易预测，尤其是基于马尔科夫模型的预测。

    May, 2013

  • 基于图像的风格和替代品推荐

    本文旨在通过建立一个基于图像的大规模数据集并开发一个可扩展的方法来揭示人类视觉关系方面的概念模型，该模型不是基于用户注释的细粒度建模，而是基于图像关系网络的网络推理问题。 其提供了一个用于训练和评估的大规模数据集，并可用于推荐衣物和配饰的搭配。

    Jun, 2015

  • 在零售超市数据中进行最佳产品选择的数据挖掘框架：广义 PROFSET 模型

    介绍了一种名为 PROFSET 的产品选择模型，可根据交叉销售潜力和零售商定义的限制选择最有趣的产品，对现有模型进行了重要的概括，以使其适用于超市数据，并使零售商能够将类别限制添加到模型中，利用比利时超市连锁店获得的真实世界数据开展的实验产生了非常有前途的结果，并证明了广义 PROFSET 模型的有效性。

    Dec, 2001

  • RetailSynth: 面向零售 AI 系统评估的综合数据生成

    本文提出了一个多阶段模型来模拟顾客购物行为，将其嵌入一个模拟环境 RetailSynth 中，用于验证多类别零售的因果需求模型并将真实价格敏感性纳入个性化定价、促销和产品推荐的新兴基准套件。

    Dec, 2023

  • 基于 Transformer 的替代品推荐模型结合弱监督的客户行为数据

    本研究提出一种新的转换方法，将替代推荐技术引入到语言匹配问题，以考虑产品功能和特性，并从工程的角度考虑多语言支持。我们提出的端到端的基于转换器的模型在离线和在线实验中都取得了成功，已在 6 种语言的 11 个市场的大型电子商务网站中部署，并证明在在线 A/B 实验中可以增加 19％的收入。

    Nov, 2022

  • 电商生鲜零售中的 Markdown：一种反事实预测和多期优化方法

    该论文提出了一种新的基于数据驱动和可解释的降价定价策略，使用半参数结构模型进行反事实预测和多期价格优化，并采用随机模型建立顺序定价策略。

    May, 2021