电子商务中因果促销推荐的挑战与方法

《ACM Transactions on Recommender Systems》：Challenges and Methods of Causal Promotions Recommendation in E-commerce

本文针对电子商务中因果性促销推荐面临的挑战，提出了一种引导框架，结合因果提升建模和约束优化方法，利用交易数据后回顾估计，并在Booking.com实现验证，为平衡战略影响与运营约束提供方案。

　　

摘要

本文探讨了电子商务中因果促销推荐的挑战，重点关注可扩展的、适用于实际场景的解决方案，以管理大规模的促销活动。首先，我们概述了在动态环境中（如在线旅游平台）促销活动的独特复杂性，包括触发成本、转化率低以及多产品交互等问题。为了解决这些问题，我们提出了一个指导框架，以实现系统化的、持续的实验和测量。随后，我们介绍了因果效应建模和受限优化的方法与最佳实践，并重点介绍了一种仅利用交易数据的回顾性估计方法。这些成果通过在Booking.com的实际应用得到了验证，展示了如何将因果机器学习方法应用于优化促销活动。我们的工作将严谨的方法论与实际业务需求相结合，为在商业环境中平衡战略影响与运营约束提供了蓝图。