Learning Consumer Preferences from Bundle Sales Data

Resumen Técnico: Aprendizaje de las Preferencias del Consumidor a partir de Datos de Venta de Paquetes (Bundles)

Definición del Problema
Este artículo aborda el desafío de estimar las valoraciones de los consumidores por productos individuales utilizando datos históricos de transacciones donde los productos se venden tanto de forma individual como en paquetes con descuento. Si bien la venta de paquetes es una estrategia de precios ubicua, aprender la distribución subyacente de las valoraciones de los consumidores a partir de tales datos es difícil debido a tres obstáculos principales:

1. Observabilidad Parcial: Los datos de transacciones registran decisiones de compra, pero no la disposición específica a pagar (WTP, por sus siglas en inglés). Una compra a un precio $p$ solo revela que la valoración es al menos $p$, lo que crea datos de censura por intervalo.
2. Censura de la Demanda: Los conjuntos de datos de transacciones estándar suelen omitir las observaciones de "no compra", lo que genera un sesgo de selección donde los clientes con valoraciones bajas no son observados.
3. Complejidad Estructural: Cuando se ofrecen paquetes, la utilidad de un paquete está vinculada a las valoraciones de sus componentes. Los modelos de elección discreta estándar (por ejemplo, Logit Multinomial) a menudo tratan los paquetes como productos independientes, fallando en la recuperación de los parámetros estructurales de las valoraciones de los productos individuales.

La literatura existente suele asumir distribuciones de demanda conocidas o depender de datos de encuestas. Este artículo propone un marco basado en datos para aprender estas distribuciones directamente de las transacciones de ventas de paquetes, una brecha resaltada por las prácticas de la industria donde la estimación de la demanda constituye la mayor parte de los esfuerzos de fijación de precios.

Metodología
Los autores proponen un marco de estimación de máxima verosimilitud basado en el algoritmo de Esperanza-Maximización (EM), aumentado con simulación de Monte Carlo.

• Formulación del Modelo: El modelo base asume que las valoraciones de los consumidores para $I$ productos siguen una distribución gaussiana multivariante, $V \sim \mathcal{N}(\mu, \Sigma)$. La utilidad de un paquete se define como la suma de las valoraciones de sus componentes (utilidad aditiva).
• Poliedros Censurados: La idea central es que una decisión de compra observada $c_n = j$ no revela el vector de valoración $v_n$, sino que identifica una región poliédrica $R^j_n$ en el espacio de valoración donde $v_n$ debe residir, definida por restricciones de incentivo compatible (IC) (es decir, el paquete elegido ofrece una utilidad mayor que todas las demás opciones disponibles y la opción externa).
• Algoritmo EM con Monte Carlo:
  • Paso E (Expectativa): Dado que la función de verosimilitud implica integrales de la distribución normal multivariante sobre estas regiones poliédricas de alta dimensión (que carecen de soluciones en forma cerrada), los autores utilizan la simulación de Monte Carlo para aproximar la esperanza de la log-verosimilitud de datos completos. Emplean un método de aceptación-rechazo para muestrear vectores de valoración de la distribución normal truncada definida por los poliedros IC.
  • Paso M (Maximización): Dados los muestreos de Monte Carlo, los parámetros $\mu$ y $\Sigma$ se actualizan utilizando los estimadores estándar de máxima verosimilitud para la distribución normal multivariante.
• Extensiones:
  • Sinergia de Productos: El marco se extiende para manejar utilidades no aditivas donde los paquetes exhiben complementariedad o sustituibilidad (efectos de sinergia). Esto se modela mediante una matriz de interacción por pares $A$. Para manejar la no diferenciabilidad de las restricciones IC con respecto a $A$, los autores introducen un sustituto diferenciable utilizando una función sigmoide para suavizar las restricciones estrictas, permitiendo la optimización basada en gradientes de $A$ dentro del paso M.
  • Demanda Censurada: El modelo se extiende para contabilizar las decisiones de no compra no observadas. El número total de clientes (incluyendo a los no compradores) se trata como una variable latente, modelada mediante una distribución binomial negativa, e integrada en el paso E.
  • Modelos de Mezcla Gaussiana (GMM): El marco permite segmentos de mercado agrupados al permitir que la distribución de valoración sea una mezcla de gaussianas.

Contribuciones Clave

1. Reformulación como Datos Faltantes: El artículo reformula los datos de transacciones de paquetes como un problema de estimación de datos faltantes sobre regiones poliédricas de alta dimensión (poliedros IC), generalizando el concepto de datos de censura por intervalo a múltiples dimensiones.
2. Algoritmo Escalable: El algoritmo EM propuesto, combinado con técnicas de simulación de Monte Carlo y muestreo de importancia, permite la estimación de distribuciones de valoración para hasta 6 productos y 10,000 transacciones. Los autores señalan que ningún algoritmo conocido puede manejar la estimación a esta escala para menús de precios de paquetes arbitrarios.
3. Garantías Teóricas:
   • Identificabilidad: El artículo establece condiciones suficientes para que el modelo sea identificable. Específicamente, demuestra que si los artículos se venden por separado a precios regulares y al menos a un precio de promoción distinto, los parámetros $(\mu, \Sigma)$ pueden recuperarse de forma única.
   • Convergencia: Adaptando el marco de Balakrishnan et al. (2017), los autores proporcionan condiciones bajo las cuales el operador EM de la población es localmente contractivo, garantizando la convergencia a los parámetros reales si se inicializa dentro de una cuenca de atracción específica.
4. Validación Empírica: El enfoque se valida utilizando conjuntos de datos sintéticos y un conjunto de datos del mundo real a gran escala de JD.com.

Resultos

• Datos Sintéticos: Los experimentos numéricos demuestran que el algoritmo converge de manera estable y que la precisión de la estimación (medida por el error $\ell_1$) mejora con el tamaño de la muestra. El método supera al referente bayesiano (basado en Jedidi et al., 2003) en la recuperación de parámetros, particularmente en dimensiones más altas, a pesar de lograr puntuaciones de log-verosimilitud similares.
• Comparación con MNL: Al compararse con un modelo de Logit Multinomial (MNL) mal especificado que trata los paquetes como productos independientes, el modelo gaussiano propuesto supera significativamente al MNL en términos de log-verosimilitud fuera de la muestra y el Error Cuadrático Medio (RMSE), resaltando la importancia de modelar la dependencia estructural entre los paquetes y sus componentes.
• Sinergia y Censura: Los modelos extendidos recuperan con éxito los parámetros de sinergia y manejan la demanda censurada, mostrando que, si bien la censura aumenta el error de los parámetros, el modelo mantiene una alta log-verosimilitud predictiva.
• Datos del Mundo Real (JD.com): Aplicado a un conjunto de datos de casi 500,000 transacciones, los modelos propuestos (Base, Sinergia y GMM) superan consistentemente tanto al MNL como a los referentes bayesianos en métricas de log-verosimilitud, RMSE y precisión top-$k$. El modelo Base por sí solo proporcionó mejoras significativas sobre los referentes, con Sinergia y GMM ofreciendo ganancias marginales pero consistentes.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco práctico y basado en datos para que los minoristas aprendan las preferencias de los consumidores a partir de los datos de ventas de paquetes, una tarea que actualmente es difícil debido a las limitaciones de los modelos de elección discreta estándar ante la presencia de paquetes. Los autores enfatizan que su enfoque cierra la brecha entre los mecanismos teóricos de fijación de precios (que a menudo asumen valoraciones conocidas) y la implementación práctica (que requiere aprender las valoraciones a partir de los datos).

La significancia radica en:

• Guía Práctica: Ofrecer un algoritmo computacionalmente factible para que los minoristas estimen las distribiones de demanda en entornos de empaquetado complejos.
• Rigor Teórico: Proporcionar los primeros resultados de identificabilidad y convergencia local para problemas de estimación de ventas de paquetes.
• Flexibilidad: Demostrar que el marco puede extenderse para capturar sinergias no aditivas y no compras no observadas sin sacrificar la tractabilidad computacional.

Los autores mantienen la modestia respecto a direcciones futuras, señalando que, aunque su método es efectivo, aún quedan desafíos en el manejo de la estimación de precios competitivos con datos de competidores censurados, el refinamiento de los límites de error de Monte Carlo y la determinación automática del número de componentes en los modelos de mezcla gaussiana.