Pricing with Contextual Elasticity and Heteroscedastic Valuation

要約

私たちは、顧客がその機能と価格に基づいて製品を購入するかどうかを決定する、オンラインのコンテキストに応じた動的価格設定の問題を研究しています。
特徴ベースの価格弾力性を組み込むことで、顧客の予想需要をモデル化する新しいアプローチを導入します。これは、不均一分散ノイズを伴う評価として等価に表すことができます。
この問題を解決するために、我々は「Pricing with Perturbation (PwP)」と呼ばれる計算効率の高いアルゴリズムを提案します。このアルゴリズムは、任意の敵対的な入力コンテキスト シーケンスを許可しながら、$O(\sqrt{dT\log T})$ の後悔を享受します。
また、$\Omega(\sqrt{dT})$ で一致する下限を証明し、$d$ と $T$ ($\log T$ 因子まで) に関する最適性を示します。
私たちの結果は、状況に応じた弾力性と不均一分散的な評価の関係に光を当て、効果的かつ実践的な価格戦略への洞察を提供します。

要約(オリジナル)

We study an online contextual dynamic pricing problem, where customers decide whether to purchase a product based on its features and price. We introduce a novel approach to modeling a customer’s expected demand by incorporating feature-based price elasticity, which can be equivalently represented as a valuation with heteroscedastic noise. To solve the problem, we propose a computationally efficient algorithm called ‘Pricing with Perturbation (PwP)’, which enjoys an $O(\sqrt{dT\log T})$ regret while allowing arbitrary adversarial input context sequences. We also prove a matching lower bound at $\Omega(\sqrt{dT})$ to show the optimality regarding $d$ and $T$ (up to $\log T$ factors). Our results shed light on the relationship between contextual elasticity and heteroscedastic valuation, providing insights for effective and practical pricing strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google