文献

J-GLOBAL ID：202002263267757203   整理番号：20A1184639

AIRBNB動的価格決定のためのカスタマイズされた回帰モデル【JST・京大機械翻訳】

Customized Regression Model for Airbnb Dynamic Pricing

著者 (8件)： Ye Peng (Airbnb Inc., San Francisco, CA, USA) ,  Qian Julian (Ant Financial, San Mateo, CA, USA) ,  Chen Jieying (Airbnb Inc., San Francisco, CA, USA) ,  Wu Chen-hung (Airbnb Inc., San Francisco, CA, USA) ,  Zhou Yitong (Airbnb Inc, San Francisco, CA, USA) ,  De Mars Spencer (Impira Inc., San Francisco, CA, USA) ,  Yang Frank (Airbnb Inc., San Francisco, CA, USA) ,  Zhang Li (Airbnb Inc., San Francisco, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’18  ページ： 932-940  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,家庭と経験を共有するためのオンライン市場であるエアブで展開された価格決定戦略モデルについて述べた。価格最適化の目標は,それらのリストに対する最適価格を設定することにより,それらの住宅をエアブに共有するホストを支援することである。価格決定戦略が大量の同一製品に適用される従来の価格決定問題と対照的に,著者らのプラットフォーム上の各リストがユニークな値と経験を提供するので,エアブ上に「同一の」製品は存在しない。Airbnbリストのユニークな性質は,従来の収入最大化価格決定戦略を適用するのに必要な正確な需要曲線を推定することを非常に困難にしている。この価格決定システムは3つの構成要素から成る。まず第一に,二値分類モデルは,各々のリスチン-夜のbooking確率を予測する。第二に,回帰モデルは,各リストの最適価格を予測し,そこでは,カスタマイズされた損失関数を用いて学習を誘導する。最後に,最終価格提案を生成するために,第二のモデルから出力のトップに付加的な個人化論理を適用した。本論文では,著者らの価格決定システムの第二段階における回帰モデルの記述に焦点を当てた。オフライン評価のための新しいセットの計量も記述した。提案された価格決定戦略は,Airbnbに関するイネTipsとSmart Pricingツールを出力するために,生産に配備された。オンラインA/B試験結果は,提案した戦略モデルの有効性を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *価格決定 ,  損失関数 ,  *回帰モデル ,  有効性 ,  カスタム化
準シソーラス用語： オンライン ,  オフライン ,  二値分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： カスタマイズされた回帰モデル ,  動的価格決定 ,  価格最適化

分類 (1件)： マーケティング  (KA06020W)

タイトルに関連する用語 (3件)： 価格決定 ,  カスタマイズ ,  回帰モデル