🤖 machine learning

Personalizing Marketplace Policies with Competing Objectives and Constrained Experiments: Evidence from a Job Marketplace

Cet article présente un cadre intégré pour la personnalisation des politiques de marché de l'emploi qui équilibre avec succès les objectifs concurrents des employeurs et des chercheurs d'emploi sous des conditions expérimentales contraintes en combinant des modèles de classement hybrides basés sur des ensembles avec l'extrapolation d'effets de traitement, ce qui entraîne des améliorations significatives des mesures tout en maintenant des garde-fous d'engagement.

Auteurs originaux : Yufei Wu, Zhen Yan

Publié 2026-07-01

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yufei Wu, Zhen Yan

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 un marché numérique en pleine effervescence, comme un immense tableau d'emplois, où deux groupes très différents se rencontrent : les Employeurs (qui veulent recruter) et les Chercheurs d'emploi (qui veulent travailler).

L'objectif de la plateforme est d'aider les deux parties, mais leurs intérêts sont souvent divergents. Si la plateforme est trop généreuse avec ses services gratuits, les employeurs pourraient cesser de payer pour les fonctionnalités premium, ceい nuisant à la capacité de l'entreprise à faire fonctionner le site. Si la plateforme est trop stricte, les chercheurs d'emploi pourraient être frustrés car ils ne pourraient plus voir de bonnes offres, et ils pourraient partir.

Les auteurs de cet article ont été confrontés à un problème délicat : Comment définir les règles (politiques) de ce marché afin que tout le monde soit satisfait, sans faire faillite ?

Voici une décomposition simple de leur solution, utilisant des analogies de la vie quotidienne.

1. Le Problème : Une solution unique ne convient pas à tous

Par le passé, les plateformes utilisaient une règle « taille unique ». Par exemple : « Chaque offre d'emploi bénéficie de 3 vues gratuites, puis vous devez payer. »

Le Problème : Certaines offres sont comme des mines d'or (forte demande, faciles à pourvoir), tandis que d'autres sont comme vendre de la glace en plein hiver (faible demande). Les traiter de la même manière est inefficace. Vous pourriez faire payer pour un emploi que personne ne veut, ou offrir des vues gratuites pour un emploi qui aurait de toute façon été payant.

2. Les Deux Grands Obstacles

L'équipe voulait personnaliser ces règles (donner des règles différentes selon les emplois), mais elle s'est heurtée à deux obstacles majeurs :

Obstacle A : L'effet « Balançoire » (Externalités de part et d'autre)
Si vous poussez trop fort pour obtenir que les employeurs paient (la « Cible »), vous risquez d'agacer accidentellement les chercheurs d'emploi (le « Garde-fou »). C'est comme une balançoire : si vous poussez un côté trop fort vers le bas, l'autre s'envole vers le haut. Le défi est que différents emploj réagissent différemment. Certains emplois peuvent être monétisés sans agacer les chercheurs ; d'autres non. Il faut une stratégie qui équilibre les deux côtés simultanément.
Obstacle B : Le « Chef aveugle » (Expériences contraintes)
Pour tester de nouvelles règles, il faut généralement mener des expériences. Mais dans un marché, on ne peut pas simplement tester une règle sur une seule personne ; il faut la tester sur un groupe entier (un « cluster ») pour éviter le chaos. Cela signifie qu'ils ne pouvaient tester que deux réglages spécifiques : « Strict » et « Souple ».
- Le Problème : Ils voulaient trouver le juste milieu parfait (une plage continue d'options), mais ils n'avaient des données que pour deux points extrêmes. C'est comme un chef qui ne sait cuisiner qu'avec des aliments « Brûlés » ou « Crus » et qui doit découvrir la température parfaite pour une cuisson « À point » sans pouvoir tester l'entre-deux.

3. La Solution : Une boîte à outils en trois parties

Les auteurs ont construit un système intelligent pour résoudre ces problèmes en utilisant trois astuces principales :

Astuce 1 : Le score de « Double Vérification » (Classement Hybride)

Au lieu de regarder un seul score (ex : « Combien d'argent cela va-t-il générer ? »), ils ont construit un score qui examine deux choses séparément :

Potentiel de Revenu : Combien de revenus cet emploi va-t-il générer ?
Facteur de Risque : Quelle est la probabilité que cela agace les chercheurs d'emploi ?

Ils ont créé un système de Classement Hybride :

Niveau Supérieur : Les emplois qui rapportent de l'argent et n'agacent pas les chercheurs. Ils reçoivent des règles strictes (payez !).
Niveau Inférieur : Les emplois qui ne rapportent pas beaucoup d'argent mais qui sont très risqués pour les chercheurs. Ils reçoivent des règles plus souples (gardez-les gratuits pour satisfaire les chercheurs).
Le Résultat : Cette approche a réduit le risque d'agacer les chercheurs d'emploi de plus de 10 % par rapport à une simple recherche de profit, sans perdre de revenus.

Astuce 2 : La « Ligne Droite » (Extrapolation)

Puisqu'ils ne pouvaient tester que « Strict » et « Souple », ils devaient deviner ce qui se passerait au milieu.

L'Analogie : Imaginez que vous savez qu'une voiture va à 0 mph à un panneau stop et à 60 mph au feu vert. Vous supposez qu'à mi-chemin entre les deux, la voiture va à 30 mph.
La Science : Ils ont supposé que la relation entre la politique et le résultat était une ligne droite. Ils ont testé cette hypothèse et ont découvert que même si la ligne n'était pas parfaitement droite, leurs estimations étaient suffisamment précises pour prendre de bonnes décisions. Ils n'avaient pas besoin de connaître la vitesse exacte ; ils avaient juste besoin de savoir quelles voitures étaient plus rapides que d'autres.

Astuce 3 : La Stratégie du « Leader de Groupe » (Modélisation d'Ensemble)

Certains employeurs publient un emploi, d'autres en publient des centaines. Si vous changez la règle pour un emploi, cela peut affecter la façon dont l'employeur se comporte avec ses autres emplois.

La Solution : Ils ont construit un modèle qui regarde l'emploi et l'employeur ensemble. C'est comme un enseignant qui sait que si l'on donne un examen difficile à un élève, cela peut stresser tout son groupe d'étude. Ils ont combiné ces perspectives pour obtenir une prédiction plus précise.

4. Le Résultat : Un succès dans le monde réel

Ils ont mis ce système en action sur LinkedIn, au service de millions d'offres d'emploi.

Cela a-t-il fonctionné ? Oui. Le système a réussi à augmenter les revenus (la cible) de manière significative.
A-t-il enfreint les règles ? Non. Il est resté strictement dans les limites de sécurité pour l'engagement des chercheurs d'emploi (le garde-fou).
L'estimation était-elle correcte ? Oui. Lorsqu'ils ont testé les politiques du « juste milieu » qu'ils n'avaient fait que deviner, les résultats réels correspondaient presque parfaitement à leurs prédictions.

Résumé

L'article démontée que même quand vous êtes aveugle (expériences limitées) et que vous marchez sur une corde raide (équilibrer des objectifs contradictoires), vous pouvez toujours trouver le chemin parfait. En utilisant un système de classement intelligent qui respecte les deux côtés du marché et en faisant des suppositions éduquées et validées sur le milieu, ils ont créé une politique personnalisée qui génère des revenus tout en satisfaisant les utilisateurs.

Résumé Technique : Personnalisation des politiques de place de marché avec des objectifs concurrents et des expériences contraintes

1. Énoncé du problème

L'article traite du défi de la personnalisation des politiques dans les places de marché bifaces, spécifiquement une plateforme d'emploi reliant employeurs et chercheurs d'emploi. La tension centrale réside dans les externalités inter-côtés : optimiser les métriques pour un côté (ex. : la monétisation des employeurs via les promotions payantes) dégrade souvent l'expérience de l'autre (ex. : l'engagement des chercheurs d'emploi).

Les auteurs se concentrent sur les seuils de valeur gratuite, un paramètre de politique déterminant l'étendue des services complémentaires pour les offres d'emploi avant que la promotion payante ne soit requise. Définir ces seuils de manière uniforme est sous-optimal en raison de l'hétérogénéité des segments d'emploi. Cependant, la modélisation de l'uplift standard se heurte à deux barrières critiques dans ce contexte :

Optimisation multi-objectifs : Les politiques affectent plusieurs groupes de parties prenantes avec des réponses hétérogènes. Maximiser les conversions des employeurs risque de nuire à l'engagement des chercheurs, nécessitant un équilibre que les modèles d'uplift à objectif unique ne peuvent capturer.
Expériences contraintes (Violation de la positivité) : Pour éviter l'interférence (biais) causée par la compétition sur la place de marché, les expériences doivent utiliser une randomisation au niveau des clusters (ex. : randomisation par employeur ou par segment d'emploi) plutôt qu'une randomisation individuelle. Cela limite le nombre de niveaux de traitement disponibles à quelques valeurs discrètes. Par conséquent, les méthodes standard de réponse à la dose continue (qui supposent un support dense à travers l'espace de traitement) ne peuvent pas être appliquées, créant une « violation de la positivité ».

2. Méthodologie

Les auteurs proposent un cadre intégré comprenant trois composantes pour résoudre ces défis simultanés :

A. Classement hybride multi-objectif basé sur un ensemble
Au lieu d'une fonction d'objectif unique ou d'une navigation complexe par frontière de Pareto, les auteurs emploient une stratégie de classement hybride :

Modélisation séparée : Ils estiment les effets moyens de traitement conditionnels (CATE) séparément pour la métrique cible (conversions des employeurs) et la métrique de garde (engagement des chercheurs) en utilisant un méta-apprenant X-learner.
Gestion des retombées (Spillovers) : Pour traiter le défi d'agrégation où les résultats sont mesurés au niveau de l'employeur mais le ciblage se fait au niveau du segment d'emploi, ils agrègent deux estimations CATE : une au niveau de l'offre d'emploi (pour les employeurs à offre unique) et une au niveau de l'employeur (résultat moyen sur toutes les publications). L'estimation finale est une somme pondérée basée sur la composition du segment.
Logique de classement : Les offres sont classées en deux moitiés. Les 50 % supérieurs sont classés par uplift cible (décroissant). Les 50 % inférieurs sont classés par impact de garde (croissant, privilégiant le faible risque).
Assignation de politique : Les politiques sont assignées sur la base de ces paliers (ex. : politiques restrictives pour les segments à haut uplift/faible risque ; politiques relaxées pour les segments à haut risque).
Satisfaction des contraintes : Le système relaxe de manière itérative les politiques pour les segments moins bien classés jusqu'à ce que la contrainte de garde agrégée ( $\sum \tau_V \geq -\delta$ ) soit satisfaite. Cela évite la nécessité de spécifier des poids contestés entre les équipes.

B. Extrapolation de l'effet de traitement
Puisque les expériences ne fournissent que deux niveaux de traitement discrets (ligne de base $c_0$ et traitement $c_1$ ), le cadre doit estimer les effets à des niveaux de politique non testés.

Extrapolation linéaire : Les auteurs supposent une relation de réponse à la dose linéaire : $\hat{\tau}(X, c) = \hat{\tau}(X, c_1) \cdot \frac{c - c_0}{c_1 - c_0}$ .
Justification : Cela est traité comme une contrainte d'identification imposée par le design expérimental (deux niveaux) plutôt que comme une préférence de modélisation. Les auteurs soutiennent que pour l'objectif spécifique de classement ordinal (qui pilote l'assignation de politique) plutôt que pour une estimation précise de la magnitude cardinale, la linéarité est suffisante dans une plage bornée.
Validation : La validité de cette approche est testée via une analyse de sensibilité hors ligne et une validation post-déploiement.

C. Architecture de déploiement en production
Le système a été déployé en utilisant des tables de recherche de politiques basées sur les segments plutôt que par inférence de modèle en temps réel. Cela garantit un traitement cohérent pour les offres similaires, réduit la latence à moins d'une seconde et simplifie l'audit.

3. Contributions clés

Cadre de classement hybride : Une méthode pour optimiser une métrique cible tout en contraignant explicitement une métrique de garde sans nécessiter de poids contestés. Elle atteint un risque de garde plus de 10 % inférieur pour des gains cibles équivalents par rapport à l'optimisation à objectif unique.
Extrapolation sous violation de positivité : Une approche fondée sur des principes pour étendre les estimations CATE de niveaux expérimentaux discrets limités à des valeurs de politique continues, validée empiriquement comme robuste pour les décisions de classement ordinal dans des plages bornées.
Validation en production : Preuve provenant d'un système en direct servant des millions d'offres d'emploi, confirmant que les prédictions extrapolées s'alignent sur les effets observés et que les contraintes de garde sont respectées.

4. Résultats

Validation hors ligne : Les modèles CATE ont montré un fort calibrage (corrélation de 0,95 pour la cible, 0,86 pour la garde au niveau des déciles). Le classement hybride a amélioré le coefficient Qini de la garde de 91 % (de 0,11 à 0,21) tout en maintenant le Qini cible, démontant que l'optimisation à objectif unique échoue à capturer les risques d'engagement.
Analyse de sensibilité : Sous des hypothèses de courbure alternatives (20 % concave ou convexe), l'impact de la politique estimé ne variait que de 8 à 9 %, confirmant que les recommandations de politique sont robustes aux écarts par rapport à la linéarité.
Performance post-lancement :
- Lift cible : Le lift observé était statistiquement significatif et se situait à moins de 10 % des prédictions hors ligne.
- Conformité de la garde : Toutes les métriques d'engagement sont restées dans les seuils de sécurité définis.
- Précision de l'extrapolation : Lors d'une montée en charge progressive, les effets de traitement observés aux niveaux de politique intermédiaires étaient fortement corrélés ( $r=0,85$ ) aux prédictions linéaires, validant l'hypothèse d'extrapolation.

5. Signification et affirmations

L'article affirme que une personnalisation significative est réalisable dans des environnements de place de marché caractérisés par de sévères contraintes expérimentales (randomisation par cluster) et des objectifs concurrents, des conditions communes dans les plateformes réelles mais manquant souvent de solutions établies.

Les points clés soulignés par les auteurs incluent :

Ordinal vs Cardinal : La personnalisation ne nécessite pas de prédictions de magnitude cardinale précises si les décisions de politique reposent sur des classements ordinaux ; cela permet à l'extrapolation linéaire de réussir même avec une faible variation de traitement.
Optimisation contrainte : Les compromis multi-objectifs peuvent être gérés par des contraintes de garde explicites plutôt que par la négociation de paramètres de poids complexes, s'alignant mieux sur les structures organisationnelles où différentes équipes possèdent différents indicateurs.
Nécessité de l'ensemble : Dans les places de marché où le ciblage et l'agrégation des résultats se produisent à des niveaux différents (ex. : segment d'emploi vs employeur), les méthodes d'ensemble sont nécessaires pour capturer correctement les effets de retombée.

Les auteurs restent modestes quant à la généralisabilité de l'hypothèse linéaire, notant qu'elle est valide dans la plage de déploiement (~50 % de la variation observée) mais peut s'effondrer aux extrêmes de la politique. Ils identifient des travaux futurs dans des designs expérimentaux plus riches (holdouts multi-bras) et l'apprentissage en ligne (bandits contextuels) pour lever ces contraintes.