文件名称：长尾市场中需求估计的机器学习-研究论文
文件大小：1.39MB
文件格式：PDF
更新时间：2024-06-09 12:06:00
Demand Estimation Machine Learning Random
随机系数多项式logit模型（Berry等，1995）被广泛用于根据销售数据估算顾客的偏好。 但是，这些估计模型只能考虑销售额为正的产品。 这种选择导致长尾市场（即许多产品的销量为零或低）的市场存在高度偏差的估计。 这样的市场在在线零售和其他在线市场等领域越来越普遍。 在本文中，我们提出了一种两阶段估计器，该估计器使用机器学习来纠正此偏差。 我们的方法首先使用深度学习来预测所有产品的市场份额，其中神经网络的结构反映了随机系数logit模型的数据生成过程。 在第二阶段中，我们使用第一阶段的预测来对观察到的份额进行加权，以校正导致的偏差并维持结构模型的因果关系。 我们表明，估计的参数在市场数量上是一致的。 我们的方法在模拟的长尾数据上表现良好，可以准确估算出客户的行为。 这些改进的估算值随后可用于提供有关重要管理决策（例如定价，分类或引入新产品）的说明性政策建议。