[论文解读] A Decision Theoretic Approach to Targeted Advertising

David Maxwell Chickering, David Heckerman|arXiv (Cornell University)|Jan 16, 2013

Complex Network Analysis Techniques参考文献 6被引用 50

一句话总结

本文提出了一种基于决策理论的框架，通过在邮寄与非邮寄情境下对客户购买概率进行建模，以优化定向广告。利用两种决策树算法——一种为标准算法，另一种为新型算法（明确建模干预效应）——该研究基于真实世界数据表明，所提出的方法在成本效益效率和增量销售额影响方面均优于简单方法和现成的解决方案。

ABSTRACT

A simple advertising strategy that can be used to help increase sales of a product is to mail out special offers to selected potential customers. Because there is a cost associated with sending each offer, the optimal mailing strategy depends on both the benefit obtained from a purchase and how the offer affects the buying behavior of the customers. In this paper, we describe two methods for partitioning the potential customers into groups, and show how to perform a simple cost-benefit analysis to decide which, if any, of the groups should be targeted. In particular, we consider two decision-tree learning algorithms. The first is an "off the shelf" algorithm used to model the probability that groups of customers will buy the product. The second is a new algorithm that is similar to the first, except that for each group, it explicitly models the probability of purchase under the two mailing scenarios: (1) the mail is sent to members of that group and (2) the mail is not sent to members of that group. Using data from a real-world advertising experiment, we compare the algorithms to each other and to a naive mail-to-all strategy.

研究动机与目标

• 开发一种定向广告策略，通过平衡发送优惠券的成本与预期购买收入，以最大化预期利润。
• 解决标准决策树在建模邮寄对客户行为因果效应方面的局限性。
• 设计一种新型决策树算法，明确为每个客户群体建模‘已邮寄’和‘未邮寄’两种条件下的购买概率。
• 基于真实世界广告数据，将所提方法与简单‘全部邮寄’策略和标准决策树方法进行实证比较。
• 为直接邮寄活动中的客户群体选择提供一个系统化的成本效益分析框架。

提出的方法

• 作者使用基于估计购买概率的决策理论模型，计算向不同客户群体邮寄优惠券的预期效用。
• 他们应用标准决策树学习算法，估计在无邮寄干预情况下的购买概率。
• 他们提出一种新型决策树算法，为每个群体建模两种条件概率：P(购买 | 已邮寄) 和 P(购买 | 未邮寄)，从而可直接比较干预效应。
• 该模型通过从预期收入中减去发送优惠券的成本，利用这两种概率估计值，计算每个群体的预期净收益。
• 根据特征对客户群体进行划分，通过仅选择预期净效用为正的群体，推导出最优目标策略。
• 该方法通过一项真实世界广告实验数据进行验证，比较了所提方法、标准决策树与全部邮寄基线方法的性能表现。

实验结果

研究问题

• RQ1 决策理论框架如何提升定向广告活动中客户群体选择的效率？
• RQ2 与标准概率估计相比，建模邮寄的因果效应（即 P(购买 | 已邮寄) 与 P(购买 | 未邮寄) 的对比）能带来多大的增量收益？
• RQ3 基于预期净效用的定向策略是否能在利润和成本效率方面优于简单的‘全部邮寄’方法？
• RQ4 在真实世界环境中，所提算法的性能指标与现成的决策树方法相比如何？
• RQ5 显式建模干预效应对直接邮寄广告中预期利润估计的准确性有何影响？

主要发现

• 所提出的决策树算法，能够同时建模邮寄与非邮寄条件下的购买概率，其预期净利润高于标准决策树方法。
• 该方法通过识别并仅针对最易响应的客户群体进行投放，显著降低了成本，同时提升了增量销售额，因此优于简单的‘全部邮寄’策略。
• 具备干预感知能力的模型能够更准确地估计直接邮寄的因果效应，从而支持更明智的目标选择决策。
• 真实世界实验的实证结果表明，与基线方法相比，所提方法在每位客户预期利润方面实现了显著提升。
• 研究表明，建模反事实情景（即若未发送优惠券会发生什么）对于识别高价值客户群体至关重要。
• 该框架提供了一种系统化的方法，基于成本效益权衡计算最优客户子集，而非依赖启发式分组策略。