📊 statistics

Learning Consumer Preferences from Bundle Sales Data

Dieses Paper schlägt einen neuartigen Ansatz unter Verwendung eines EM-Algorithmus und Monte-Carlo-Simulationen vor, um Konsumentenbewertungsverteilungen aus Bundle-Verkaufsdaten zu schätzen, wodurch die Einschränkungen klassischer diskreter Entscheidungsmodelle überwunden werden, wenn Kunden mehrere Produkte erwerben.

Ursprüngliche Autoren: Ningyuan Chen, Setareh Farajollahzadeh, Qingwei Jin, Fanni Shen, Guan Wang

Veröffentlicht 2026-07-03

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Ningyuan Chen, Setareh Farajollahzadeh, Qingwei Jin, Fanni Shen, Guan Wang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Ladenbesitzer, der genau herausfinden möchte, wie viel Ihre Kunden Ihre Produkte wertschätzen. Sie wollen wissen: „Ist dieser Kunde bereit, 10 $ für ein T-Shirt zu zahlen, oder nur 5 $?“

In einer perfekten Welt könnten Sie sie einfach fragen. Aber in der realen Welt können Sie das nicht fragen. Sie sehen nur, was sie kaufen. Wenn sie das T-Shirt für 5 $ kaufen, wissen Sie, dass sie es mindestens 5 $ wert sind, aber Sie wissen nicht, ob sie auch 20 $ gezahlt hätten. Wenn sie ein „Kombi-Angebot“ kaufen (ein T-Shirt + eine Hose mit einem Rabatt), wissen Sie, dass sie die Kombination mögen, aber Sie haben keine Vorstellung davon, wie sehr sie das T-Shirt im Vergleich zur Hose einzeln mochten.

Dieses Papier ist wie eine Detektivgeschichte, in der die Autoren ein mathematisches „Gedankenleser“-Werkzeug erfinden, um dieses Rätsel allein mithilfe von Belegdaten zu lösen.

Das Kernproblem: Das „Bundle“-Rätsel

Läden lieben es, Bundles zu verkaufen (wie einen Burger, Pommes und ein Getränk zusammen). Das ist großartig für den Umsatz, aber ein Albtraum für die Datenanalyse.

Der alte Weg: Traditionelle mathematische Modelle behandeln jedes Bundle als ein völlig neues, unzusammenhängendes Objekt. Es ist, als würde man sagen, dass ein „Burger+Pommes“-Kombi eine völlig andere Spezies ist als ein „Burger“ und „Pommes“. Dies ignoriert die Tatsache, dass die Kombination aus den Teilen besteht, die man bereits kennt.
Die fehlenden Daten: Wenn ein Kunde den Laden verlässt, ohne etwas zu kaufen, zeichnet der Laden dies normalerweise nicht auf. Die Daten sind „zensiert“ (verborgen). Der Laden sieht nur die Menschen, die etwas gekauft haben, was das Bild verzerrt.

Die Lösung: Die „Rate-und-Verfeinere“-Maschine

Die Autoren schlagen einen neuen Algorithmus (ein schrittweises Computer-Rezept) vor, den EM-Algorithmus (Expectation-Maximization). Denken Sie an einen Bildhauer, der versucht, eine Statue aus einem Marmorblock zu hauen, aber er kann den gesamten Block nicht auf einmal sehen.

Die Vermutung (Expectation): Der Computer beginnt mit einer wilden Vermutung darüber, wie die „verborgenen Werte“ der Kunden aussehen. Er stellt sich eine Menge unsichtbarer Kunden vor, von denen jeder einen spezifischen Preis hat, den er bereit ist, für jedes einzelne Objekt zu zahlen.
Die Prüfung (Maximization): Der Computer betrachtet die echten Verkaufsbelege. Er fragt: „Wenn meine Vermutung über die unsichtbaren Kunden wahr wäre, hätten sie dann die Entscheidungen getroffen, die sie tatsächlich getroffen haben?“
Das Verfeinern: Wenn die Vermutung nicht mit den Belegen übereinstimmt, passt der Computer die Werte der unsichtbaren Kunden leicht an. Er wiederholt diesen Prozess tausende Male und verfeinert die „unsichtbare Menge“ langsam so lange, bis deren Verhalten perfekt mit den realen Verkaufsdaten übereinstimmt.

Die Spezialtricks

Das Papier fügt einige clevere „Spezialeffekte“ hinzu, um diese Maschine in der realen Welt besser arbeiten zu lassen:

Die „Polyeder“-Karte: Anstatt nur einen einzelnen Preis zu raten, zeichnet der Computer eine komplexe, mehrseitige Form (ein Polyeder) in einem virtuellen Raum. Diese Form repräsentiert alle möglichen Preis-Kombinationen, die ein Kunde gehabt haben könnte, die zu dem spezifischen Kauf geführt hätten, den er getätigt hat. Es ist, als würde man den Standort eines Verdächtigen von „irgendwo in der Stadt“ auf „innerhalb dieses spezifischen Gebäudes“ eingrenzen.
Der „Synergie“-Effekt: Manchmal sind zwei Dinge zusammen besser als einzeln (wie ein Drucker und Tinte). Die Autoren haben ein Feature hinzugefügt, um diese „Synergie“ zu erkennen. Wenn die Daten zeigen, dass Menschen Drucker und Tinte viel häufiger zusammen kaufen als erwartet, lernt der Algorithmus, dass es einen „magischen Bonuswert“ gibt, wenn sie gepaart werden.
Die „Geister“-Kunden: Um das Problem der fehlenden „Nicht-Kauf“-Daten zu lösen, erfindet der Algorithmus „Geister“-Kunden, die nichts gekauft haben. Er schätzt, wie viele Geister es geben muss, um zu erklären, warum die echten Kunden das gekauft haben, was sie kauften.

Funktioniert es?

Die Autoren testeten ihr Werkzeug auf zwei Arten:

Falsche Daten: Sie erstellten einen fiktiven Laden mit bekannten Kundenwerten und ließen den Algorithmus versuchen, diese zu finden. Er war erfolgreich, selbst wenn die Daten unordentlich oder unvollständig waren.
Reale Daten: Sie verwendeten echte Transaktionsdaten von JD.com (einem massiven chinesischen Online-Einzelhändler). Sie verglichen ihr neues Werkzeug mit den Standardmethoden, die von Marketingexperten verwendet werden. Ihr Werkzeug war viel besser darin, vorherzusagen, was Kunden als Nächstes kaufen würden, und darin, den wahren Wert einzelner Artikel zu ermitteln, die in Bundles verborgen sind.

Das Fazente

Dieses Papier bietet einen praktischen „Kodierschlüssel“ für Einzelhändler. Es ermöglicht ihnen, einen Haufen unordentlicher Verkaufsbelege – voller Bundles, Rabatte und fehlender „Nicht-Kauf“-Datensätze – zu nehmen und mathematisch rückwärts zu rechnen, was ihre Kunden denken und wie sehr sie jedes einzelne Objekt wertschätzen. Dies hilft Geschäften, bessere Preise festzulegen und in Zukunft bessere Angebote zu erstellen.

Technisches Resümee: Erlernen von Kundenpräferenzen aus Bündelverkaufsdaten

Problemdefinition
Diese Arbeit befasst sich mit der Herausforderung, die Konsumentenbewertungen für einzelne Produkte anhand historischer Transaktionsdaten zu schätzen, bei denen Produkte sowohl einzeln als auch in rabattierten Bündeln verkauft werden. Da Produktbündelung eine allgegenwärtige Preisstrategie ist, ist das Erlernen der zugrunde liegenden Verteilung der Kundenbewertungen aus solchen Daten schwierig, was auf drei primäre Hindernisse zurückzuführen ist:

Partielle Beobachtbarkeit: Transaktionsdaten erfassen Kaufentscheidungen, aber nicht die spezifische Zahlungsbereitschaft (Willingness-to-Pay, WTP). Ein Kauf zum Preis $p$ zeigt lediglich an, dass die Bewertung mindestens $p$ beträgt, was zu intervallzensierten Daten führt.
Nachfragesensierung: Standardmäßige Transaktionsdatensätze lassen typischerweise „Nicht-Kauf“-Beobachtungen weg, was zu einem Selektionsbias führt, da Kunden mit niedrigen Bewertungen nicht beobachtet werden.
Strukturelle Komplexität: Wenn Bündel angeboten werden, ist der Nutzen eines Bündels mit den Bewertungen seiner Komponenten verknüpft. Standardmodelle der diskreten Wahl (z. B. Multinomial Logit) behandeln Bündel oft als unabhängige Produkte, wodurch es versäumt wird, die strukturellen Parameter der individuellen Produktbewertungen zu rekonstruieren.

Die bestehende Literatur geht oft von bekannten Nachfrageverteilungen aus oder stützt sich auf Umfragedaten. Diese Arbeit schlägt ein datengesteuertes Framework vor, um diese Verteilungen direkt aus Bündelverkaufs-Transaktionen zu erlernen – eine Lücke, die durch die Praxis in der Industrie hervorgehoben wird, in der die Nachfrageschätzung den Großteil der Preisgestaltungsbemühungen ausmacht.

Methodik
Die Autoren schlagen ein Maximum-Likelihood-Schätzverfahren vor, das auf dem Expectation-Maximization (EM)-Algorithmus basiert und durch Monte-Carlo-Simulationen ergänzt wird.

Modellformulierung: Das Basismodell nimmt an, dass die Kundenbewertungen für $I$ Produkte einer multivariaten Gauß-Verteilung folgen, $V \sim \mathcal{N}(\mu, \Sigma)$ . Der Nutzen eines Bündels ist definiert als die Summe der Bewertungen seiner Komponenten (additive Nutzenfunktion).
Zensierte Polyeder: Die zentrale Erkenntnis ist, dass eine beobachtete Kaufentscheidung $c_n = j$ nicht den Bewertungsvektor $v_n$ offenbart, sondern eine polyedrische Region $R^j_n$ im Bewertungsraum identifiziert, in der $v_n$ liegen muss. Diese ist definiert durch anreizkompatible (incentive-compatible, IC) Bedingungen (d. h. das gewählte Bündel bietet einen höheren Nutzen als alle anderen verfügbaren Optionen und die Ausweichoption).
EM-Algorithmus mit Monte Carlo:
- E-Schritt: Da die Likelihood-Funktion Integrale der multivariaten Normalverteilung über diese hochdimensionalen polyedrischen Regionen beinhaltet (welche keine geschlossenen Lösungen besitzen), verwenden die Autoren Monte-Carlo-Simulationen, um den erwarteten vollständigen-Daten-Log-Likelihood zu approximieren. Sie nutzen eine Akzeptanz-Ablehnungs-Methode, um Bewertungsvektoren aus der durch die IC-Polyeder definierten abgeschnittenen Normalverteilung zu sampeln.
- M-Schritt: Gegeben sind die Monte-Carlo-Samples, werden die Parameter $\mu$ und $\Sigma$ unter Verwendung der Standard-Maximum-Likelihood-Schätzer für die multivariate Normalverteilung aktualisiert.
Erweiterungen:
- Produkt-Synergie: Das Framework wird erweitert, um nicht-additive Nutzenfunktionen zu handhaben, bei denen Bündel Komplementarität oder Substituierbarkeit (Synergieeffekte) aufweisen. Dies wird über eine paarweise Interaktionsmatrix $A$ modelliert. Um die Nicht-Differenzierbarkeit der IC-Constraints bezüglich $A$ zu handhaben, führen die Autoren eine differenzierbare Surrogatfunktion mittels einer Sigmoid-Funktion ein, um die harten Constraints zu glätten, was eine gradientenbasierte Optimierung von $A$ innerhalb des M-Schritts ermöglicht.
- Zensierte Nachfrage: Das Modell wird erweitert, um nicht beobachtete Nicht-Kauf-Entscheidungen zu berücksichtigen. Die Gesamtzahl der Kunden (einschließlich Nicht-Käufer) wird als latente Variable behandelt, die über eine Negative Binomialverteilung modelliert und in den E-Schritt integriert wird.
- Gaußsche Mischmodelle (GMM): Das Framework ermöglicht die Berücksichtigung geklusterter Marktsegmente, indem es die Bewertungsverteilung als eine Mischung aus Gauß-Verteilungen zulässt.

Wesentliche Beiträge

Reformulierung als fehlende Daten: Die Arbeit reformuliert Bündel-Transaktionsdaten als ein Schätzproblem für fehlende Daten über hochdimensionale polyedrische Regionen (IC-Polyeder) und generalisiert damit das Konzept der intervallzensierten Daten auf mehrere Dimensionen.
Skalierbarer Algorithmus: Der vorgeschlagene EM-Algorithmus, kombend mit Monte-Carlo-Simulationen und Importance-Sampling-Techniken, ermöglicht die Schätzung von Bewertungsverteilungen für bis zu 6 Produkte und 10.000 Transaktionen. Die Autoren stellen fest, dass kein bekannter Algorithmus in der Lage ist, die Schätzung in diesem Maßstab für beliebige Bündelpreis-Menüs durchzuführen.
Theoretische Garantien:
- Identifizierbarkeit: Die Arbeit stellt hinreichende Bedingungen auf, unter denen das Modell identifizierbar ist. Insbesondere wird bewiesen, dass wenn Artikel separat zu regulären Preisen und zu mindestens einem unterschiedlichen Aktionspreis verkauft werden, die Parameter $(\mu, \Sigma)$ eindeutig rekonstruiert werden können.
- Konvergenz: Durch Anpassung des Frameworks von Balakrishnan et al. (2017) liefern die Autoren Bedingungen, unter denen der Populations-EM-Operator lokal kontraktiv ist, was die Konvergenz zu den wahren Parametern garantiert, sofern die Initialisierung innerhalb eines spezifischen Einzugsbereichs erfolgt.
Empirische Validierung: Der Ansatz wird mittels synthetischer Datensätze und eines groß angelegten Realwelt-Datensatzes von JD.com validiert.

Ergebnisse

Synthetische Daten: Numerische Experimente zeigen, dass der Algorithmus stabil konvergiert und dass die Schätzgenauigkeit (gemessen am $\ell_1$ -Fehler) mit der Stichprobengröße steigt. Die Methode übertrifft einen Bayesianischen Benchmark (basierend auf Jedidi et al., 2003) in der Parameterrekonstruktion, insbesondere in höheren Dimensionen, obwohl sie ähnliche Log-Likelihood-Werte erzielt.
Vergleich mit MNL: Im Vergleich zu einem misspezifizierten Multinomial Logit (MNL) Modell, das Bündel als unabhängige Produkte behandelt, schneidet das vorgeschlagene Gauß-Modell signifikant besser ab hinsichtlich Out-of-Sample Log-Likelihood und Root Mean Squared Error (RMSE), was die Bedeutung der Modellierung der strukturellen Abhängigkeit zwischen Bündeln und Komponenten unterstreicht.
Synergie und Zensierung: Die erweiterten Modelle rekonstruieren erfolgreich Synergieparameter und handhaben zensierte Nachfrage, wobei sie zeigen, dass die Zensierung zwar den Parameterfehler erhöht, das Modell jedoch eine hohe prädiktive Log-Likelihood beibehält.
Realwelt-Daten (JD.com): Angewendet auf einen Datensatz von fast 500.000 Transaktionen übertreffen die vorgeschlagenen Modelle (Base, Synergy und GMM) konsistent sowohl das MNL- als auch das Bayesianische Benchmark in Bezug auf Log-Likelihood, RMSE und Top- $k$ Genauigkeitsmetriken. Allein das Base-Modell bot signifikante Verbesserungen gegenüber den Benchmarks, wobei Synergy und GMM marginale, aber konsistente Gewinne lieferten.

Bedeutung und Ansprüche
Die Arbeit beansprucht, ein praktisches, datengesteuertes Framework für Einzelhändler bereitzustellen, um Kundenpräferenzen aus Bündelverkaufsdaten zu erlernen – eine Aufgabe, die aufgrund der Einschränkungen standardmäßiger diskreter Wahlmodelle in Anwesenheit von Bündeln derzeit schwierig ist. Die Autoren betonen, dass ihr Ansatz die Lücke zwischen theoretischen Preisgestaltungsmechanismen (die oft bekannte Bewertungen voraussetzen) und der praktischen Implementierung (die das Erlernen von Bewertungen aus Daten erfordert) schließt.

Die Bedeutung liegt in:

Praktischer Orientierung: Bereitstellung eines computational effizienten Algorithmus für Einzelhändler zur Schätzung von Nachfrageverteilungen in komplexen Bündelumgebungen.
Theoretischer Stringenz: Bereitstellung der ersten Identifizierbarkeits- und lokalen Konvergenzresultate für Bündelverkaufs-Schätzprobleme.
Flexibilität: Demonstration, dass das Framework erweitert werden kann, um nicht-additive Synergien und nicht beobachtete Nicht-Käufe zu erfassen, ohne die rechnerische Handhabbarkeit zu opfern.

Die Autoren bleiben bescheiden hinsichtlich zukünftiger Richtungen und merken an, dass trotz der Effektivität ihrer Methode weiterhin Herausforderungen bestehen, wie etwa die Schätzung wettbewerbsorientierter Preise mit zensierten Wettbewerbsdaten, die Verfeinerung von Monte-Carlo-Fehlergrenzen und die automatische Bestimmung der Anzahl der Komponenten in Gaußschen Mischmodellen.