[論文レビュー] A multi-series framework for demand forecasts in E-commerce

Rémy Garnier, Arnaud Bellétoile|arXiv (Cornell University)|May 31, 2019

Forecasting Techniques and Applications参考文献 12被引用数 3

ひとこと要約

本稿では、eコマース需要予測のためのグローバルなXGBoostベースのフレームワークを提案する。このフレームワークは、クロスシリーズの情報と非線形関係を活用することで、短期間で変動が激しい販売時系列の予測精度を向上させる。階層的製品グループ化、季節性特徴量、および『偽のゼロ』やスパースデータに対処する高度な前処理を組み込むことで、最先端のベンチマークと比較してRMSEを10%、MAEを5%削減し、新製品の初期段階における予測精度向上が顕著に見られる。

ABSTRACT

Sales forecasts are crucial for the E-commerce business. State-of-the-art techniques typically apply only univariate methods to make prediction for each series independently. However, due to the short nature of sales times series in E-commerce, univariate methods don't apply well. In this article, we propose a global model which outperforms state-of-the-art models on real dataset. It is achieved by using Tree Boosting Methods that exploit non-linearity and cross-series information. We also proposed a preprocessing framework to overcome the inherent difficulties in the E-commerce data. In particular, we use different schemes to limit the impact of the volatility of the data.

研究の動機と目的

• eコマースにおける短期間で変動が激しい販売時系列の課題に対処する。これは、限られた歴史的データのため、単変数モデルが機能しないためである。
• グローバルモデリングアプローチにより、関連する製品シリーズ間で情報を共有することで、予測精度を向上させる。
• 歴史的データが最小限の新製品に対しても、グループレベルのパターンと共変数を活用することで、コールドスタート予測を可能にする。
• 『偽のゼロ』、非定常性、バースト性のある販売といったデータ固有の課題を、特化した前処理パイプラインにより克服する。
• 実世界のeコマースデータ上でフレームワークを評価し、業界ベンチマークおよび最先端手法を上回る優れた性能を示す。

提案手法

• フレームワークは、全製品にわたりグローバルに需要予測をモデル化するXGBoostを用い、個々のシリーズおよびクロスシリーズのパターン両方を学習する。
• 時間的（例：祝日）、縦断的（例：製品カテゴリ）、混合的（例：週次価格）の3種類の共変数を組み込み、特徴表現を豊かにする。
• 季節性特徴量は、類似製品の集計的行動から導出され、個々のシリーズが短い場合でも、堅牢な推定が可能になる。
• 前処理パイプラインは、『偽のゼロ』（在庫切れなどによるもの）を特定し、非ゼロ販売セグメントに対して単変数予測を用いて補完する。
• カテゴリカル特徴量は順序型またはハッシュエンコーディングにより符号化され、実験では順序型エンコーディングが優れた性能を示した。
• 階層的製品グループ化と時間的特徴量を備えた大規模eコマースデータセット上で、RMSEとMAEを評価指標として、エンドツーエンドにモデルを学習する。

実験結果

リサーチクエスチョン

• RQ1 関連する製品シリーズ間で情報を共有するグローバルブースティングモデルは、短期間で変動が激しいeコマース販売時系列において、単変数予測手法を上回る性能を発揮できるか？
• RQ2 階層的製品グループ化とクロスシリーズ情報の活用は、歴史的データが限られた製品の予測精度をどの程度向上させるか？
• RQ3 グループレベルの行動から導出された季節性特徴量は、個々の短い時系列における予測性能をどの程度向上させるか？
• RQ4 提案された前処理パイプラインは、eコマース需要予測における『偽のゼロ』とデータスパarsityの影響を効果的に軽減できるか？
• RQ5 新製品の初期ライフサイクル段階において、コールドスタート予測が最も重要となる状況で、モデルの性能はいかがなものか？

主な発見

• XGBoostベースのグローバルモデルは、全データセット全体において業界ベンチマークと比較してRMSEを10%、MAEを5%削減した。
• モデルは、初期製品ライフサイクル段階において顕著に優れた性能を示し、歴史的データが10週間分しかない製品において、RMSEを42.5%、MAPEを24.0%削減した。
• カテゴリカル特徴量の順序型エンコーディングは、ハッシュエンコーディングを常に上回り、特徴構造の保存がより良好であることを示唆した。
• 季節性特徴量の組み込みにより性能が向上し、特に業界的影響が最も高いグループAの高売上製品で顕著に効果を発揮した。
• 新製品のコールドスタート予測が効果的に可能となり、歴史的データが最小限であっても高い性能を達成した。
• フレームワークは、データの変動性とスパarsityに対して頑健であり、全製品カテゴリ（A、B、C）にわたり一貫した向上効果を示した。