[論文レビュー] Model Distillation for Revenue Optimization: Interpretable Personalized Pricing

Max Biggs, Wei Sun+1 more|arXiv (Cornell University)|Jul 3, 2020

Explainable Artificial Intelligence (XAI)参考文献 47被引用数 30

ひとこと要約

この論文は、知識蒸留を用いた収益最適化・解釈可能な価格決定木の研究であり、単純な回帰木アプローチの潜在的な落とし穴を指摘し、収益を最大化する処方的木を提案します。

ABSTRACT

Data-driven pricing strategies are becoming increasingly common, where customers are offered a personalized price based on features that are predictive of their valuation of a product. It is desirable for this pricing policy to be simple and interpretable, so it can be verified, checked for fairness, and easily implemented. However, efforts to incorporate machine learning into a pricing framework often lead to complex pricing policies which are not interpretable, resulting in slow adoption in practice. We present a customized, prescriptive tree-based algorithm that distills knowledge from a complex black-box machine learning algorithm, segments customers with similar valuations and prescribes prices in such a way that maximizes revenue while maintaining interpretability. We quantify the regret of a resulting policy and demonstrate its efficacy in applications with both synthetic and real-world datasets.

研究の動機と目的

• 収益最適化における解釈可能で処方的な価格設定モデルの必要性を動機付ける。
• 収益最大化を目的とした場合のナイーブなティーチャー-スチューデント蒸留の落とし穴を示す。
• 収益を直接最適化する処方的木のフレームワークを提案する。
• 玩具データと合成設定で処方的木をナイーブな回帰木アプローチと比較する。

提案手法

• 需要と価格効果をモデル化するためにティーチャー-スチューデント蒸留の視点を用いる。
• 玩具データの例で、ナイーブな回帰木が収益において処方的木より劣る可能性を示す。
• 各リーフで収益を最大化するために特徴空間を超直方体に分割する深さkの軸に平行な二分木を開発する。
• 木の深さと分割が性能に与える影響を示す理論的な regret bound を提供する。
• 処方的木を他の蒸留アプローチと比較するための合成実験を行う。
• 実データ（Dunnhumby）を用いた価格個別化における前処理手順と離散化について論じる。

実験結果

リサーチクエスチョン

• RQ1 価格設定の場面で、処方的決定木はナイーブな回帰木より直接的に収益を最大化できるか？
• RQ2 木の深さとデータの分割が収益性能に与える影響は何か？
• RQ3 玩具データと合成シナリオで、蒸留ベースのアプローチは伝統的な処方的手法に対してどう比較されるか？
• RQ4 実世界データを用いた処方的価格設定の適用における実務的考慮事項は何か（例：価格の離散化、需要の非弾性など）。

主な発見

• ナイーブな回帰木アプローチは、玩具的な非弾性需要設定で処方的木の約半分の収益しか生み出せない。
• 収益を直接最適化する処方的木は、合成データセット全体で回帰モデルベースの蒸留法より高い収益を達成する。
• 木の深さを増すとある点まで収益が向上し、処方的木はナイーブなアプローチを上回る。
• 教師の需要予測を模倣するだけの蒸留ベースの代替案は、同等の収益を達成するにははるかに深い木が必要で、依然として処方的木を下回る。
• 補足資料は、処方問題に対して学生-教師フレームワークをナイーブに適用する潜在的な落と穴を示している。