A Marketplace Price Anomaly Detection System at Scale

要約

オンライン マーケットプレイスでは、プラットフォーム上で個々のマーケットプレイスの販売者によって毎日開始される大量の価格更新が実行されます。
この価格の民主化には、データ品質に関する課題が増大しています。
従来のオンライン小売業者にあるような集中型のガードレールが欠如しているため、不正確な価格が Web サイトに公開される可能性が高くなり、顧客体験の低下や収益損失の可能性が生じます。
成長する市場プラットフォーム向けのスケーラブルな価格異常検出フレームワークである MoatPlus (ツリー、近接ベースのラベリング、教師なし統計機能を使用したマスクされた最適アンカー) を紹介します。
目標は、教師なしの統計的特徴からの近接性と過去の価格傾向を活用して、価格の上限を生成することです。
価格ベースの機能の不規則性を検出し、不規則な機能を除外するモデルのアンサンブルを構築し、最適化された重み付けスキームを使用して、リアルタイムの価格設定パイプラインで信頼できる価格制限を構築します。
私たちのアプローチにより、脆弱性の高いアイテムのサブセットにおいて正確なアンカー カバレッジが最大 46.6% 向上することがわかりました。

要約(オリジナル)

Online marketplaces execute large volume of price updates that are initiated by individual marketplace sellers each day on the platform. This price democratization comes with increasing challenges with data quality. Lack of centralized guardrails that are available for a traditional online retailer causes a higher likelihood for inaccurate prices to get published on the website, leading to poor customer experience and potential for revenue loss. We present MoatPlus (Masked Optimal Anchors using Trees, Proximity-based Labeling and Unsupervised Statistical-features), a scalable price anomaly detection framework for a growing marketplace platform. The goal is to leverage proximity and historical price trends from unsupervised statistical features to generate an upper price bound. We build an ensemble of models to detect irregularities in price-based features, exclude irregular features and use optimized weighting scheme to build a reliable price bound in real-time pricing pipeline. We observed that our approach improves precise anchor coverage by up to 46.6% in high-vulnerability item subsets

arxiv情報

提供元, 利用サービス

arxiv.jp, Google