论文笔记：Modeling Consumer Preferences and Price Sensitivities from Large-Scale Grocery Shopping Transac

一、基本信息

论文题目：《Modeling Consumer Preferences and Price Sensitivities from Large-Scale Grocery Shopping Transaction Logs》

发表时间：WWW 2017

论文作者及单位：

 

二、摘要

为了使消费者与所需产品相匹配，并提供个性化的促销活动，无论是在线购物还是在线购物，同时模拟消费者偏好和价格敏感度都是至关重要的。虽然价格（和价格敏感度）受到的关注相对较少，但个性化偏好已经在再招标系统领域得到了深入研究。同时，在经济领域，价格敏感性得到了充分的探索，尽管通常不在开发可扩展的工作系统以生成建议的背景下。在本研究中，我们试图弥合大规模推荐系统与已建立的经济学消费者理论之间的差距，并提出一个嵌套的基于特征的矩阵因子分解框架来模拟偏好和价格敏感性。定量和定性结果表明，所提出的个性化、可解释和可扩展框架能够提供令人满意的建议（在两个杂货交易数据集上），并可用于获得对消费者行为的经济洞察。

 

三、主要内容与工作

1、从基于项目的协同过滤到矩阵分解技术，在推荐系统领域开发了各种消费者偏好匹配方法。然而，很少有研究认为价格是一个因素，更不用说偏好和价格敏感性之间的关系了。

当前需求系统存在两个局限性：

1）所涉及的数据量通常在产品数量、类别和购物行程方面受到限制

2）经典需求模型无法有效更新。

2、本研究的主要目标是建立一个可解释的框架，通过结合推荐系统中成熟的技术和成熟的行为经济学理论，在规模上模拟消费者偏好和价格敏感性。

3、消费者的购买决策可以分为三个阶段：1）类别购买发生率；2）产品选择；3）购买数量。

4、考虑到一个典型的杂货店中有超过一万种不同的产品，这个三阶段模型比没有细粒度产品分类的flat模型更有效，因为它可以在不同的产品类别中并行构建，并在不同的购买阶段明确解释。

5、尽管在个性化需求系统方面已经有了一些研究，然而，这些都不是完全个性化的需求系统，消费者细分是事先需要的。此外，这些模型都没有被考虑在大规模预测系统的背景下。具体来说，我们首先考虑消费者在一次购物流程中是否会从特定类别购买商品，这可以被视为二元预测问题。如果是这样的话，我们按照多项式分布对他们从这一类别购买的产品进行建模。第三，我们确定了产品的购买数量，这导致了一个数值预测问题。二元预测、分类预测和数值预测的组合与传统推荐系统的组合非常不同，需要开发新的方法。特别是，我们开发了一个嵌套框架，并扩展了最先进的基于特征的矩阵分解模型，将价格作为一个因素；该框架嵌入到上述具有不同链接功能的预测任务中。我们在两个真实的杂货购物数据集上评估我们的模型，实验表明，所提出的框架能够提供高质量的偏好预测和个性化的价格敏感性估计。

6、本文主要贡献

•我们按比例为杂货店购物场景的消费者偏好和价格敏感性建模，为大型推荐系统和既定经济理论之间的鸿沟假设桥梁。
•我们提出了一个基于特征的嵌套矩阵分解框架（nested feature-based matrix factorization framework），该框架足够灵活，包括一系列特征，以确定不同的预测场景（针对不同的购买行为阶段），将应用于可扩展的学习算法（如随机梯度下降），并可有效更新。
•通过运用矩阵分解技术，不再需要预先提取单独的消费细分，直接从模型中获得个性化的价格弹性。
•通过应用提出的框架，我们可以从经济学角度分析实验结果。这些见解包括：1）价格不会显著影响类别购买决策，表明如果不知道一般的兴趣类别，那么基于“价格”的促销活动将是有效的；2）价格是产品选择阶段的一个重要因素，而不同类别、产品、消费者之间的价格弹性差异很大。这表明，如果知道消费者的兴趣类别，则针对适当的产品和消费者，以提高促销的效果。

7、特别值得注意的是，许多基于特征的矩阵分解技术已经被提出来了[3、4、27、28、30]并开发了有效的工具（如SVD特征、libfm）[9、31]。最近提出的广义线性混合模型（glmix）[39]中包含了这类思想，该模型已应用于LinkedIn工作推荐系统中的可扩展并行块式协同下降算法。我们的模型建立在GLMIX的基础上，并使其适应不同的预测任务，例如多类分类。

8、

四、总结

系统研究了消费者偏好和价格敏感性的建模问题，提出了一种基于特征的嵌套矩阵分解框架，支持个性化、可扩展的推荐和需求系统。我们验证了所提出的模型能够提供高质量的偏好预测，并且可以适当估计每次购物的特定价格弹性。通过将拟议框架应用于两个现实数据集，我们提供了有利于数据挖掘和经济社区的经济见解。特别是，我们注意到价格影响产品选择，但对类别购买或产品数量的影响有限，这意味着优惠券主要在“类别内”发挥作用。本研究特别探讨了杂货购物行为，但嵌套的多阶段框架以及偏好与价格敏感性之间的关系可以转化为其他领域（如服装购物、在线广告）。

大规模系统中的价格敏感性是一个重要的问题，沿着这一轨迹可以探讨许多可能的问题。例如，可以开发临时感知模型，以便仔细研究长期购买模式。本文引入了交叉弹性理论，但并没有对其进行全面的探讨；这可以在以后的工作中得到详细的研究，在未来的工作中，不仅可以对产品替代性进行建模，还可以对产品互补性进行建模。此外，由于我们用于恢复价格历史的直接插补方法存在问题，如果人们很少以原始价格购买产品，另一个可能的方向可能是开发更复杂的价格历史恢复方法，将偏好预测和缺失的价格推断结合起来。在混合推荐和需求系统的背景下，我们目前只研究了消费者行为，但优化策略可以适应生成个性化优惠券。