Probabilistic Nearest Neighbours

强化学习模型对客户零售旅程进行建模以优化布局

研究人员开发了一个新的强化学习（RL）框架来模拟零售环境中的客户移动，旨在为商店布局优化提供实际见解。该方法将客户轨迹预测视为最大熵强化学习问题，在奖励与随机性之间取得平衡，以考虑有限理性。使用真实便利店数据的实验表明，RL生成的轨迹比传统的TSP和PNN等方法更准确，从而能更准确地估算冲动购买和货架客流量。RL方法还能制定更有效的与实际客户行为一致的产品重新定位策略，使高级布局优化更加易于实现。