TL;DR 提出一种新的回归Loss来建模用户的长期价值，解决LTV分布并非高斯分布，而是一部分为0和一部分服从log normal的问题。 正文 先读Abstract。 Accurate predictions of customers’ future lifetime value (LTV) given their attributes and past purchase behavior ...

今天在公司内部技术论坛上看到一个帖子，关于用Tree方法做ATE估计的，本着一个严（zhao）谨（cha）的态度，认认真真看了一遍，发现里面一个式子长的比较奇怪，随手推了推感觉还挺有意思的。在这里记一下。 POM框架就不多写了，这篇文章的目的是估计平均因果效应\(\tau\)，然后提到最简单的办法就是用实验组的期望减去对照组的期望，即 \[ \begin{aligned} \hat{\tau} & ...

TL;DR 这篇文章核心是在回答，如何评估营销活动期间的拉新、留存和流失召回的增量LTV。 Introduction Understanding the incremental value of subscribers is essential to subscription services. Marketing or product investments generally aim to ...

问题背景 现在在各大互联网平台上都存在着许多AB实验，服务每个用户所使用的机器学习模型、推荐系统参数、甚至UI界面等等，都由这些AB实验中配置的干预变量所决定的，通常我们会从众多干预中选择出表现最好的，进行全量，这种方式成为全局分配。 全局分配这种方式往往会是次优的，因为不同的干预对于每个用户或者说每个用户群体的效用，可能是不同的，全量某种干预方式很可能会给某个用户群体带来较差的用户体验，个性化干 ...

这篇文章是KDD2021的一篇文章，讲的是做航空路线的资源分配的。 我发现自己好像就喜欢看这个类型的文章，偏实际的业务问题+充斥着骚操作的解决方案，对于那种well-defined问题的文章好像看的不是那么多。 最近也被若干老板diss了说写东西逻辑以及表达不好，回看了一下以前写的文章，发现在写东西的时候还是比较随意的，以后尽量按照固定的框架来写，问题背景->解决方法->试验结果-&g ...

这篇文章是criteo ai lab发表在KDD2021上的一篇文章，文中的一些idea非常棒，同时跟我最近手头上做的事情比较像，拿出来详细写一下。 Introduction 关于竞价广告的背景就不在这里啰嗦了。。 竞价策略会依赖于展示广告的价值，这个价值一般需要用机器学习算法进行预测，这篇文章主要讨论一个广告是否需要重复、多次展示给一个用户。对于一个状态为\(x_t\)的用户，一次展示\(D_t ...

Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and Multi-Period Optimization Approach 这篇文章中了KDD2021，是做阿里盒马生鲜的折扣定价问题。 我个人很早之前也关注过电商商品定价的问题，之前看过比如说rue lala、一号店、zara的一些动态定价的方法，心里有些比较模糊 ...

这次是Causal Tree -> Causal Forest -> Generalized Random Forest的slides。 从个人经验来看，GRF依然是很多场景下ITE预估的SOTA，且有一些非常棒的insight。 1 2 3 4 5 6 7

最近在写一些个人总结，其中部分章节有关算法的总结，拿出来分享。 这次是Double Machine Learning相关的总结slides，参考文献如下： Díaz, Iván. "Machine learning in the estimation of causal effects: targeted minimum loss-based estimation and double/debi ...

这篇文章是airbnb中的2020的kdd，讲的是在之前的dl的探索之后的改进，也是一篇实战性非常强的文章，基础背景，Applying Deep Learning To Airbnb Search。 Optimizing The Architecture 在最开始对DL模型进行迭代的时候，我们也是从增加数据、增加网络深度来优化模型，但是却没什么收益，为了解释增加网络深度为什么对于最后结果没有提升， ...