Segment Discovery: Enhancing E-commerce Targeting

要約

最新の電子商取引サービスは、ゲーム、ショッピング、ビデオ ストリーミングなどの製品に参加させるためのインセンティブや介入によって顧客をターゲットにすることがよくあります。この顧客エンゲージメントにより、より多くの顧客の獲得と既存の顧客の維持が促進され、会社のビジネスの増加につながります。
顧客エクスペリエンスを向上させながら。
多くの場合、顧客はランダムにターゲットにされるか、望ましい行動の傾向に基づいてターゲットにされます。
ただし、このようなポリシーは、介入から最も利益を得る一連の顧客を対象としていないことや、制約が考慮されていない可能性があるため、最適ではない可能性があります。
このペーパーでは、特定の制約を考慮しながらビジネスへの価値を最大化するために、ユースケース固有の介入の対象となる顧客を特定する、アップリフト モデリングと制約付き最適化に基づくポリシー フレームワークを提案します。
2 つの大規模な実験研究と本番実装を使用して、最先端のターゲティング アプローチの改善を実証します。

要約(オリジナル)

Modern e-commerce services frequently target customers with incentives or interventions to engage them in their products such as games, shopping, video streaming, etc. This customer engagement increases acquisition of more customers and retention of existing ones, leading to more business for the company while improving customer experience. Often, customers are either randomly targeted or targeted based on the propensity of desirable behavior. However, such policies can be suboptimal as they do not target the set of customers who would benefit the most from the intervention and they may also not take account of any constraints. In this paper, we propose a policy framework based on uplift modeling and constrained optimization that identifies customers to target for a use-case specific intervention so as to maximize the value to the business, while taking account of any given constraints. We demonstrate improvement over state-of-the-art targeting approaches using two large-scale experimental studies and a production implementation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google