电子商务营销活动中的联合用户-商品分配

arXiv:2606.09623v2 公告类型：替换 摘要：网络平台会同时开展许多营销活动，并且必须为每项活动决定要推广哪些商品以及要定位哪些用户。最合适的用户取决于商品，而最合适的商品取决于用户。各项活动还会相互竞争，因为每个用户和每件商品只能属于其中一项活动，并且每个受众规模都受到活动预算的限制。然而，现有方法通常固定一方、搜索另一方：先选择商品组合，再寻找其受众；或者一次只针对一个用户对商品进行排序。无论采用哪种方式，解决的都是完整问题的受限版本，这意味着联合优化的分配方案至少同样出色，甚至可能好得多。这种限制会带来多大代价，以及联合问题能否在营销活动所需的规模上得到解决，目前仍不得而知。在本文中，我们将这一联合任务形式化为自动定向：将用户和商品分配给多个彼此不重叠且容量受限的营销活动，使它们之间的匹配度最大化。我们将约束谱双聚类、带成对交换的贪心局部搜索，以及多臂老虎机建模方法应用于该任务，并将它们与传统的解耦基线进行比较。在合成数据、两个 Amazon Reviews 基准数据集和两个专有商业数据集上，与最佳解耦流程相比，自动定向使营销活动提升幅度从两个规模较小且更密集的数据集上的约 20\%，提高到两个规模最大的���据集上的三倍以上。双聚类在各数据集上都取得了最高的营销活动质量，而基于老虎机的方法在规模最大的数据集上运行速度最快。