论文精选

电商营销中的约束用户-商品分配问题

Constrained user-item allocation for e-commerce marketing campaigns

精选理由

电商营销团队终于有了一个能自动发现用户-商品匹配分组的框架,比传统解耦方法更贴合实际业务。做推荐系统或营销策略的工程师可以直接参考其中的双聚类方法,提升活动效果。

AI 摘要

本文提出了一种新的电商营销问题形式化——自动定向(auto-targeting),即联合选择用户和商品以构建多个互不重叠的营销活动。现有方法通常预设活动结构或解耦商品选择与用户分配,无法直接从交互模式中发现活动分组。作者提出了三种互补策略:约束谱双聚类、贪心局部搜索与多臂老虎机框架。在合成数据、Amazon评论基准和商业数据上的实验表明,双聚类方法在活动质量、提升度和公平性上表现最佳,但大规模数据下基于老虎机的方法更具扩展性。

AI 翻译 · 中文

本文提出了一种新的电商营销问题形式化——自动定向(auto-targeting),即联合选择用户和商品以构建多个互不重叠的营销活动。现有方法通常预设活动结构或解耦商品选择与用户分配,无法直接从交互模式中发现活动分组。作者提出了三种互补策略:约束谱双聚类、贪心局部搜索与多臂老虎机框架。在合成数据、Amazon评论基准和商业数据上的实验表明,双聚类方法在活动质量、提升度和公平性上表现最佳,但大规模数据下基于老虎机的方法更具扩展性。

arXiv cs.LGWhen running marketing campaigns, retailers must decide which products to promote and which users to target. These decisions are inherently coupled: effective campaigns match users and items with strong mutual affinity i