💻 computer science

Optimal Exploration of New Products under Assortment Decisions

Ce papier caractérise les stratégies d'assortiment optimales pour l'exploration de nouveaux produits sur une plateforme, démontrant qu'il est toujours préférable d'associer un nouveau produit aux meilleurs produits existants et que le nombre optimal de produits à explorer simultanément suit une structure de seuil dépendant de leur potentiel mais non de leurs probabilités d'achat individuelles, tout en révélant les échecs des algorithmes classiques UCB et Thompson Sampling dans ce contexte.

Auteurs originaux : Jackie Baek, Atanas Dinev, Thodoris Lykouris

Publié 2026-04-22

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jackie Baek, Atanas Dinev, Thodoris Lykouris

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes le directeur d'une immense épicerie en ligne, comme Amazon ou Etsy. Chaque jour, des milliers de nouveaux produits arrivent sur les rayons, mais personne ne sait vraiment s'ils sont bons ou mauvais. C'est comme si vous deviez vendre des pommes dont vous ne connaissez pas le goût.

Pour savoir si une pomme est bonne, il faut qu'un client l'achète et laisse un avis (un "review"). Mais les clients sont méfiants : ils préfèrent acheter des pommes qu'ils connaissent déjà, dont ils savent qu'elles sont sucrées. Si vous mettez une nouvelle pomme inconnue à côté des pommes connues, personne ne l'achètera car elle sera éclipsée par les favorites. Si vous la mettez seule, tout le monde l'achètera, mais vous perdrez de l'argent car vous ne vendez pas vos meilleures pommes connues.

C'est là que commence le casse-tête de ce papier de recherche : Comment le directeur doit-il organiser ses rayons pour apprendre le plus vite possible ce qui est bon, tout en ne perdant pas trop d'argent ?

Voici les grandes découvertes de l'étude, expliquées simplement :

1. Le Dilemme du "Seul ou en Groupe"

La question : Pour tester une nouvelle pomme, faut-il la mettre toute seule sur un étalage spécial (pour maximiser les chances qu'on l'achète) ou la mettre à côté des meilleures pommes connues ?

La réponse surprenante : Il faut toujours la mettre à côté des meilleures pommes connues.

L'analogie : Imaginez que vous essayez de faire goûter un nouveau plat dans un restaurant très fréquenté. Si vous le servez seul sur une table vide, les gens viendront le goûter, mais vous perdrez le temps de service de vos meilleurs plats. Si vous le servez à côté de votre plat signature (le meilleur du menu), les gens seront attirés par le plat signature, mais une partie d'entre eux, curieux, goûtera aussi le nouveau plat.
Le résultat : Même si le nouveau produit a moins de chances d'être acheté quand il est à côté des stars, c'est la stratégie qui génère le plus de revenus à long terme. Le papier prouve mathématiquement qu'il est toujours optimal de "parier" sur les produits existants les plus forts pour accompagner le nouveau venu.

2. Le Dilemme du "Un par un ou Tous ensemble"

La question : Si vous avez 10 nouvelles pommes à tester, devez-vous les tester une par une (une semaine par pomme) ou les mettre toutes ensemble sur un grand étalage ?

La réponse : Cela dépend du "potentiel" des pommes, mais il y a une règle simple.

L'analogie : C'est comme jouer à la loterie. Si vous avez 10 tickets, est-ce mieux de les jouer un par jour ou tous en même temps ?
- Si les tickets ont une très haute chance de gagner (les produits ont un grand potentiel), il faut les jouer tous en même temps. Vous risquez de perdre un peu d'argent sur chaque ticket, mais vous découvrirez le "gros lot" beaucoup plus vite.
- Si les tickets sont douteux, il vaut mieux être plus prudent.
Le résultat : Les auteurs ont trouvé une formule magique (un seuil) qui dit exactement combien de nouveaux produits mettre en avant en même temps. Plus les nouveaux produits ont l'air prometteurs, plus il faut en tester simultanément.

3. Pourquoi les "Robots" classiques échouent

Dans le monde de l'intelligence artificielle, il existe des algorithmes célèbres (comme UCB et Thompson Sampling) qui sont censés résoudre ce genre de problèmes d'exploration.

Le problème : Ces robots sont trop extrêmes.
- L'un (UCB) est trop curieux : il met trop de nouveaux produits en avant, perdant beaucoup d'argent en essayant de tout tester. C'est comme un enfant qui veut goûter à tous les plats du buffet en même temps et finit par ne rien finir.
- L'autre (Thompson Sampling) est trop prudent : il met trop peu de nouveaux produits, ratant l'occasion de découvrir les pépites. C'est comme un client qui ne goûte jamais rien de nouveau et reste toujours sur ses habitudes.
La conclusion : Les méthodes classiques ne fonctionnent pas ici. Il faut une stratégie sur mesure, comme celle proposée dans l'article, qui trouve le juste milieu (le "sweet spot").

En résumé

Ce papier nous dit que pour réussir dans un monde où l'on doit apprendre en vendant :

Ne cachez pas les nouveaux produits dans un coin isolé ; mettez-les à côté de vos meilleures ventes.
N'ayez pas peur de tester plusieurs nouveautés en même temps si elles ont l'air prometteuses.
Ne faites pas confiance aveuglément aux algorithmes standards ; ils sont souvent trop brouillons ou trop timides pour ce type de problème spécifique.

C'est une feuille de route pour les plateformes en ligne pour apprendre à connaître leurs nouveaux produits sans se ruiner, en utilisant la logique plutôt que l'intuition ou des outils génériques.

1. Problème Étudié

L'article aborde le problème de l'apprentissage en ligne (online learning) pour les nouvelles listes de produits sur une plateforme de commerce électronique (comme Amazon ou Airbnb) qui doit prendre des décisions d'assortiment sous contrainte de capacité.

Contexte : Les nouveaux produits (entrants) arrivent sans historique de transactions. Leur qualité est inconnue et doit être découverte via l'apprentissage social : les clients achètent, laissent des avis, et révèlent ainsi la qualité du produit aux futurs clients et à la plateforme.
Le Dilemme : Pour apprendre, la plateforme doit « explorer » en mettant en avant les nouveaux produits. Cependant, cela est coûteux car la demande pour les produits nouveaux et incertains est généralement inférieure à celle des produits existants (incumbents) bien établis. Inclure un nouveau produit dans l'assortiment déplace un produit connu, réduisant ainsi le revenu à court terme.
Objectif : Concevoir une politique d'exploration optimale qui minimise le regret (la perte de revenu par rapport à un assortiment optimal où toutes les qualités seraient connues) sur un horizon infini.
Questions Clés :
1. Faut-il offrir un nouveau produit seul ou avec des produits incumbents ?
2. Avec plusieurs nouveaux produits, faut-il les explorer simultanément ou séquentiellement ?

2. Méthodologie et Modèle

Les auteurs modélisent le problème sous un cadre d'apprentissage par bandit (bandit learning) adapté aux décisions d'assortiment.

Modèle de Choix : Les clients choisissent selon un modèle Logit Multinomiale (MNL). Chaque produit $i$ $i$ possède un paramètre d'attraction $w_i$ $w_{i}$ (qualité).
- Pour les produits incumbents, $w_i$ est connu.
- Pour les entrants, $w_i$ est inconnu mais tiré d'une distribution a priori connue $F$ .
Apprentissage : L'information est révélée de manière sans bruit (noiseless) : une seule achat d'un produit inconnu suffit à révéler son paramètre d'attraction exact $w_i$ à la plateforme et aux clients futurs.
Contraintes : La plateforme peut offrir au plus $c$ produits à chaque étape.
Métrique de Performance : Le regret infini, défini comme la perte de revenu cumulative par rapport à l'optimum ex-post (connaissance parfaite des paramètres).

3. Contributions Principales et Résultats

Les auteurs caractérisent la politique d'exploration optimale et démontrent que les algorithmes classiques de bandit échouent dans ce contexte spécifique.

A. Cas d'un seul entrant

Résultat : Il est toujours optimal d'explorer le nouveau produit en le combinant avec les $c-1$ produits incumbents les plus attractifs.
Intuition : Bien que l'ajout de produits incumbents réduise la probabilité d'achat du nouveau produit (par substitution), cela maximise le revenu par tour pendant la période d'exploration. Le gain de revenu compense le temps supplémentaire nécessaire pour obtenir un achat du nouveau produit. L'analyse montre que le nombre de tours d'exploration dépend de la somme des attractions des produits dans l'assortiment, et maximiser cette somme (en incluant les meilleurs incumbents) minimise le regret total.

B. Cas de plusieurs entrants

Algorithme Proposé (EFA - Exploration with Fictitious Assortments) :
- La plateforme décide du nombre optimal $\ell$ d'entrants à explorer simultanément.
- Elle offre $\ell$ entrants inconnus accompagnés des $c-\ell$ produits connus les plus attractifs.
- Le nombre $\ell$ est déterminé par une règle de seuil simple : on augmente $\ell$ tant que le revenu attendu d'un assortiment « fictif » (composé de produits connus et de répliques du produit connu suivant) reste inférieur à l'optimum ex-post attendu.
Structure de la solution : Le nombre optimal d'entrants à explorer augmente avec le « potentiel » des nouveaux produits (selon la distribution a priori), mais de manière surprenante, il ne dépend pas de leurs probabilités d'achat individuelles, mais uniquement de leur potentiel relatif par rapport aux incumbents.

C. Échec des Algorithmes de Bandit Classiques

L'article démontre que deux algorithmes standards, UCB (Upper Confidence Bounds) et Thompson Sampling (TS), peuvent subir un regret arbitrairement plus élevé que la politique optimale EFA, pour des raisons opposées :

UCB (et ExploreAll) : Tendent à sur-explorer (inclure trop d'entrants). Ils peuvent choisir d'explorer tous les nouveaux produits simultanément, ce qui dilue trop la probabilité d'achat de chacun et réduit drastiquement le revenu à court terme.
Thompson Sampling (et ExploreOne) : Tendent à sous-explorer (inclure trop peu d'entrants). Ils peuvent se contenter d'explorer un seul produit à la fois, ce qui est inefficace lorsque plusieurs produits ont un fort potentiel, car cela ralentit la découverte globale.

D. Extensions

Les auteurs étendent leurs résultats à :

Récompenses hétérogènes : Lorsque les produits ont des prix/récompenses différents. La politique optimale (HEFA) sélectionne les produits connus ayant un « regret intermédiaire normalisé » négatif.
Priors hétérogènes : Pour deux entrants avec des distributions a priori différentes, la décision de quel produit explorer en premier dépend de manière complexe des paramètres de la distribution (et non d'un simple indice comme UCB).
Observations bruyantes : Même avec des signaux de qualité bruités (nécessitant plusieurs achats pour apprendre), la structure de la politique optimale (inclure les meilleurs incumbents) reste valide.

4. Signification et Implications

Théorique : Ce travail distingue clairement le problème de « comment explorer » (structure de l'assortiment) du problème classique de « quand explorer » (compromis exploration/exploitation). Il montre que dans les problèmes d'assortiment avec apprentissage social, la structure de l'offre est le levier principal d'optimisation.
Pratique :
- Les plateformes ne devraient pas isoler les nouveaux produits (ce qui maximise leur chance d'achat mais tue le revenu global).
- Elles doivent intégrer les nouveaux produits dans des assortiments riches en produits populaires pour maintenir le revenu tout en apprenant.
- Les algorithmes « hors la boîte » (off-the-shelf) comme UCB ou Thompson Sampling ne sont pas adaptés à ce contexte spécifique et doivent être remplacés par des politiques structurelles comme EFA.
Innovation : La démonstration que l'exploration simultanée de plusieurs produits peut être optimale (contrairement à l'intuition séquentielle) et que le nombre optimal d'explorations suit une règle de seuil basée sur des assortiments fictifs constitue une avancée majeure dans la théorie de l'optimisation des assortiments.

En résumé, l'article fournit des directives prescriptives claires pour les plateformes : maintenir les meilleurs produits existants dans l'assortiment tout en y ajoutant un nombre contrôlé de nouveaux produits, déterminé par une règle de seuil mathématique précise, plutôt que de suivre des heuristiques de bandit classiques.