paper
Personalized Pricing Recommender System
基本思想
- 将用户分为三类：标准类型 Standard, 折扣类型 Discount, 不关注类型 Indifferent
| 价格 | 标准 | 折扣 | 不关注 |
|---|---|---|---|
| 标准价格 | 买 | 买 | 不买 |
| 折扣价格 | 买 | 不买 | 不买 |
- 每一类人的购买行为对应一个回报，对标准和折扣是支付金额 $(\alpha)$和$(\beta)$，而对于 Indifferent 类型，购买的话会将产品转卖，导致需要的用户买不到，存在一定损失，这里将购买的收益置0，不购买相比购买存在正的收益 $(\gamma << \alpha)$
| 响应 | 标准 | 折扣 | 不关注 |
|---|---|---|---|
| 买 | $(\alpha)$ | $(\beta)$ | 0 |
| 不买 | 0 | 0 | $(\gamma)$ |
- 观测歧意：
- 对于采用标准价格用户，其中观测为支付的用户为标准用户，但是无法区分折扣用户和不关注用户；
- 如果采用折扣价格，则不支付的用户是不关注用户，但是无法区分标准用户和折扣用户。
- 解决方法：多步分类器。
- prescreening 预赛选过程，过滤掉明显是 Indifferent 类型的用户，减轻类别不均衡。即通过预测用户是否会下单，如果下单率特别低，那么就是 Indifferent 用户
- standard stage：区分标准用户和其他两类用户。
- 正样本（即标准用户）：展示标准价格并且以标准价格下单的用户
- 负样本：展示标准价格但是并没有下单的用户；展示折扣价格但是并没有下单的用户
- discounted classifier：在非标准用户中区分折扣用户和不关注用户
- 正样本：展示折扣价格下单的非标准用户
- 负样本：展示折扣价格未下单的非标准用户
