【捆绑定价】A Data-Driven Approach to Personalized Bundle Pricing and Recommendation

本文主要是介绍【捆绑定价】A Data-Driven Approach to Personalized Bundle Pricing and Recommendation,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 摘要

1.1 背景

网络购物的增长趋势引发了越来越复杂的产品推荐系统(product recommendation systems)的发展。本文建立了一个模型,在选择与消费者偏好相关的产品时,考虑利润最大化和库存管理之间的权衡,向网上购物者推荐一个个性化的折扣产品包。

1.2 理论与实践的相关性 (Academic practical relevance)

我们提供分析性的性能保证,以说明潜在问题的复杂性,该问题将产品组合优化与定价相结合。我们在两个独立的案例研究中实现了我们的算法,这些案例研究来自美国一家大型电子零售商和一家全球一流航空公司的实际数据

1.3 方法

通过消费者购买倾向个性化功能(individualized functions of consumer propensity-to-buy)、长期盈利能力库存管理(inventory management for long-run profitability)、实用业务实施的可操作性( tractability for practical business implementation)等功能,实现个性化的同时平衡。我们开发了两类近似算法,乘法和加法,以产生用于在线设置的实时输出。

1.4 结果

我们的计算结果显示,预期收入明显高于现行行业定价策略,根据具体情况,价格策略的预测收益率为2%–7%。我们发现,平均而言,我们的最佳算法在所有库存设置中获得了全知识透视策略预期收益的92%,在最佳情况下,这一比例提高到98%

1.5 管理含义(Managerial implications)

我们比较了算法,发现乘法方法相对更容易实现,并且当两者与完全知识策略进行比较时,平均经验上获得的预期收益在加法方法的1%-6%之间。此外,我们发现最大的预期收益来自于对价格敏感度较低的高端消费者,预计销量的提高取决于产品类别,是提供相关建议的结果。

2. 模型

考虑一个在线销售商(monopolist online seller),它向每个到达的消费者提供一个动态捆绑报价 (dynamic bundle offer),这些消费者可以选择接受这个捆绑报价,也可以以全价单独购买单个商品,或者什么也不购买。
在这里插入图片描述
假设所有的产品为 S ^ = { 1 , ⋯ , n } \hat{S}=\{1,\cdots,n\} S^={1,,n},这些产品的价格可能会相互影响,它们可以是互补的、可替代的,甚至是独立的。考虑 S ^ \hat{S} S^内产品的圈养在线消费者( captive online consumer ),或 S ^ \hat{S} S^为辅助货物组(ancillary goods)的特定机票行程(specific ticket itinerary)。本文的模型提供了一系列来自 S ^ \hat{S} S^的相关产品的捆绑( S ^ \hat{S} S^)。我们感兴趣的是, S ^ \hat{S} S^包含库存受限的产品,利用这些产品,通过考虑未来需求,最大限度地实现预期的长期盈利能力。

因此,本文假定销售期是固定的并且有限的 T T T,并且在销售期中不能补货。每个到达的消费者都由与偏好、人口统计、购买历史、忠诚度和网上购物环境相关的分类和连续特征的组合来唯一地描述。因此,本文不考虑传统的细分中所做的离散消费者类型集,而是假设存在无限的连续消费者类型集。此外,由于本文处理的是双层定价问题( bilevel pricing problem),每个顾客记为 ( k , t ) , k = 1 , ⋯ , K t (k,t), \quad k=1,\cdots,K^t (k,t),k=1,,Kt 其中 t t t 是某个销售周期, K t K^t Kt 是周期 t t t 内到达的总顾客数。
p ˉ i t \bar{p}_i^t pˉit:产品 i i i 在周期 t t t 内的销售价格
S k , t S_{k,t} Sk,t:提供给顾客 ( k , t ) (k,t) (k,t) 的捆绑组合
p ˉ S k , t \bar{p}_{S_{k,t}} pˉSk,t:捆绑组合的总价
p S k , t p_{S_{k,t}} pSk,t:捆绑组合的促销价
定义
p ˉ t = [ p ˉ 1 t , p ˉ 2 t , ⋯ , p ˉ n t ] \bar{\boldsymbol{p}}^t=[\bar{p}_1^t,\bar{p}_2^t,\cdots,\bar{p}_n^t] pˉt=[pˉ1t,pˉ2t,,pˉnt]: 周期 t t t 内的价格向量
p S k , t = [ p ˉ 1 t , p ˉ 2 t , ⋯ , p ˉ n t , p S k , t ] \boldsymbol{p}_{S_{k,t}}=[\bar{p}_1^t,\bar{p}_2^t,\cdots,\bar{p}_n^t,p_{S_{k,t}}] pSk,t=[pˉ1t,pˉ2t,,pˉnt,pSk,t]
ξ S k , t ( p S k , t ) \xi_S^{k,t}(\boldsymbol{p}_{S_{k,t}}) ξSk,t(pSk,t): 顾客购买捆绑产品的购买倾向(the individual consumer propensity-to-buy)
e S k , t \boldsymbol{e}_{S_{k,t}} eSk,t: 捆绑单位向量(bundle unit vector)
I k , t = [ I 1 k , t , I 2 k , t , . . . . , I n k , t ] \boldsymbol{I}^{k,t}=[I_1^{k,t},I_2^{k,t},....,I_n^{k,t}] Ik,t=[I1k,t,I2k,t,....,Ink,t]:顾客 ( k , t ) (k,t) (k,t)到达时的库存水平

决策变量

当每个顾客 ( k , t ) (k,t) (k,t)到达时,推荐何种捆绑策略 S k , t S_{k,t} Sk,t 以及它的价格 p S k , t ≤ p ˉ S k , t p_{S_{k,t}}\leq \bar{p}_{S_{k,t}} pSk,tpˉSk,t
在这里插入图片描述

这篇关于【捆绑定价】A Data-Driven Approach to Personalized Bundle Pricing and Recommendation的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/437841

相关文章

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

CentOS下mysql数据库data目录迁移

https://my.oschina.net/u/873762/blog/180388        公司新上线一个资讯网站,独立主机,raid5,lamp架构。由于资讯网是面向小行业,初步估计一两年内访问量压力不大,故,在做服务器系统搭建的时候,只是简单分出一个独立的data区作为数据库和网站程序的专区,其他按照linux的默认分区。apache,mysql,php均使用yum安装(也尝试

使用Spring Boot集成Spring Data JPA和单例模式构建库存管理系统

引言 在企业级应用开发中,数据库操作是非常重要的一环。Spring Data JPA提供了一种简化的方式来进行数据库交互,它使得开发者无需编写复杂的JPA代码就可以完成常见的CRUD操作。此外,设计模式如单例模式可以帮助我们更好地管理和控制对象的创建过程,从而提高系统的性能和可维护性。本文将展示如何结合Spring Boot、Spring Data JPA以及单例模式来构建一个基本的库存管理系统

15 组件的切换和对组件的data的使用

划重点 a 标签的使用事件修饰符组件的定义组件的切换:登录 / 注册 泡椒鱼头 :微辣 <!DOCTYPE html><html lang="en"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><meta http-equiv="X-UA-

12C 新特性,MOVE DATAFILE 在线移动 包括system, 附带改名 NID ,cdb_data_files视图坏了

ALTER DATABASE MOVE DATAFILE  可以改名 可以move file,全部一个命令。 resue 可以重用,keep好像不生效!!! system照移动不误-------- SQL> select file_name, status, online_status from dba_data_files where tablespace_name='SYSTEM'

SIGMOD-24概览Part7: Industry Session (Graph Data Management)

👇BG3: A Cost Effective and I/O Efficient Graph Database in ByteDance 🏛机构:字节 ➡️领域: Information systems → Data management systemsStorage management 📚摘要:介绍了字节新提出的ByteGraph 3.0(BG3)模型,用来处理大规模图结构数据 背景

java.sql.SQLException: No data found

Java代码如下: package com.accord.utils;import java.sql.Connection;import java.sql.DriverManager;import java.sql.PreparedStatement;import java.sql.ResultSet;import java.sql.ResultSetMetaData;import

FORM的ENCTYPE=multipart/form-data 时request.getParameter()值为null问题的解决

此情况发生于前台表单传送至后台java servlet处理: 问题:当Form需要FileUpload上传文件同时上传表单其他控件数据时,由于设置了ENCTYPE=”multipart/form-data” 属性,后台request.getParameter()获取的值为null 上传文件的参考代码:http://www.runoob.com/jsp/jsp-file-uploading.ht

Oracle Data Guard:Oracle数据库的高可用性和灾难恢复解决方案

在企业级数据库管理中,确保数据的高可用性和在灾难情况下的快速恢复是至关重要的。Oracle Data Guard是Oracle公司提供的一种强大的数据库高可用性解决方案,它通过在主数据库和至少一个备用数据库之间提供实时或近实时的数据保护来实现这一目标。本文将详细介绍如何在Oracle数据库中部署和使用Oracle Data Guard,包括其基本概念、配置步骤、管理技巧和实际应用示例。 1. O

Creating OpenAI Gym Environment from Map Data

题意:从地图数据创建 OpenAI Gym 环境 问题背景: I am just starting out with reinforcement learning and trying to create a custom environment with OpenAI gym. However, I am stumped with trying to create an enviro