Personalized Product Assortment with Real-time 3D Perception and Bayesian Payoff Estimation

要約

製品の品揃えの選択は、実店舗の小売業者が直面する重要な課題です。
在庫を買い物客の好みに効果的に合わせることで、売上を増やし、在庫切れを減らすことができます。
ただし、実際の設定では、製品の品揃えの可能性が組み合わせで爆発的に増加するため、問題は困難になります。
通常、消費者の好みは空間と時間にわたって不均一であるため、在庫と好みの調整が困難になります。
さらに、既存の戦略はシンジケート データに依存していますが、データは集約され、解像度が低く、遅延が長くなる傾向があります。
これらの課題を解決するために、EdgeRec3D と呼ばれるリアルタイム レコメンデーション システムを導入します。
当社のシステムは、3D コンピュータ ビジョンの最近の進歩を利用して、認識と自動で詳細な売上予測を実現します。
これらの知覚コンポーネントはネットワークのエッジで実行され、リアルタイムの報酬信号を促進します。
さらに、3D LIDAR データからのノイズの多い推定を考慮したベイジアン ペイオフ モデルを開発します。
システムが異種の消費者の好みに適応できるようにするために空間クラスタリングを利用し、組み合わせ検索の問題に対処するためにグラフベースの候補生成アルゴリズムを利用しています。
当社では、実際の店舗で飲料製品を対象とした 6 ～ 8 週間の 2 回の A/B テストでシステムをテストし、それぞれ 35% と 27% の売上増加を実証しました。
最後に、観察研究によって導入されたシステムを 28 週間監視し、売上が 9.4% 増加したことを示しました。

要約(オリジナル)

Product assortment selection is a critical challenge facing physical retailers. Effectively aligning inventory with the preferences of shoppers can increase sales and decrease out-of-stocks. However, in real-world settings the problem is challenging due to the combinatorial explosion of product assortment possibilities. Consumer preferences are typically heterogeneous across space and time, making inventory-preference alignment challenging. Additionally, existing strategies rely on syndicated data, which tends to be aggregated, low resolution, and suffer from high latency. To solve these challenges, we introduce a real-time recommendation system, which we call EdgeRec3D. Our system utilizes recent advances in 3D computer vision for perception and automatic, fine grained sales estimation. These perceptual components run on the edge of the network and facilitate real-time reward signals. Additionally, we develop a Bayesian payoff model to account for noisy estimates from 3D LIDAR data. We rely on spatial clustering to allow the system to adapt to heterogeneous consumer preferences, and a graph-based candidate generation algorithm to address the combinatorial search problem. We test our system in real-world stores across two, 6-8 week A/B tests with beverage products and demonstrate a 35% and 27% increase in sales respectively. Finally, we monitor the deployed system for a period of 28 weeks with an observational study and show a 9.4% increase in sales.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google