研究人员开发了CanniUplift,这是一个新框架,旨在解决电子商务增量建模中的挑战,特别是在多卖家环境中。该框架解决了两个主要问题:卖家级别的“同类相食”,即激励措施将支出在不同店铺之间转移,而没有增加平台总收入;以及激励措施级别的“同类相食”,这给增量估算引入了噪声。CanniUplift整合了平台级别全局对齐(Platform-level Global Alignment)来管理跨店铺的替代效应,以及基于兑换的分解去噪(Redemption-based Decomposition Denoising)来减少归因噪声。CanniUplift的在线部署使增量GMV提高了4.08%,并改善了投资回报率。 AI
影响 该框架可以提高电子商务中个性化营销和激励措施分配的有效性,从而实现更高的平台增长和投资回报率。
排序理由 该集群描述了一篇介绍针对特定机器学习问题的创新框架的新研究论文。
- CanniUplift
- Delta GMV
- Platform-level Global Alignment
- Redemption-based Decomposition Denoising
- Stable Unit Treatment Value Assumption
- Treat-Attention
- wAUUC
- wQINI
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →