English(EN) Learning Consumer Preferences from Bundle Sales Data

新方法从捆绑销售数据中学习消费者偏好

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-03 04:00

本文介绍了一种从捆绑销售数据中估计消费者偏好的新方法，捆绑销售是零售业中一种常见的策略。所提出的方法定义了一个效用模型，并使用EM算法来估计估值分布的参数，从而最大化观察到的交易数据的似然性。该框架被扩展以处理未观察到的非购买、细分市场和捆绑销售中的协同效应，并提供了关于可识别性和收敛性的理论结果。该算法为寻求利用捆绑销售数据来理解客户估值的零售商提供了实践指导。 AI

影响为从销售数据中学习消费者偏好提供了方法学上的进步，有可能改进零售策略。

排序理由关于统计机器学习方法的学术论文。[lever_c_降级自研究：ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

Setareh Farajollahzadeh

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Ningyuan Chen, Setareh Farajollahzadeh, Qingwei Jin, Fanni Shen, Guan Wang · 2026-07-03 04:00

Learning Consumer Preferences from Bundle Sales Data

arXiv:2209.04942v2 Announce Type: replace Abstract: Problem definition: This paper studies the problem of estimating consumer preferences from bundle sales data. Product bundling is a widely used pricing strategy in retail markets. To set profitable bundle selection and prices, t…

报道来源 [1]

Learning Consumer Preferences from Bundle Sales Data

相关话题