📊 statistics

Data-Driven Dynamic Assortment in Online Platforms: Learning about Two Sides

Questo articolo introduce un algoritmo basato sui dati per un problema di assortimento dinamico a due lati con parametri di scelta sconosciuti su entrambi i lati, raggiungendo un regret polilogaritmico ottimale in termini di tasso mentre apprende simultaneamente le preferenze di clienti e venditori e massimizza i ricavi della piattaforma.

Autori originali: Rahul Roy, Nur Sunar, Jayashankar M. Swaminathan

Pubblicato 2026-06-10

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Rahul Roy, Nur Sunar, Jayashankar M. Swaminathan

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di gestire un vivace mercato digitale, come una versione tecnologica di un mercato contadino o un'app di incontri. Hai due gruppi di persone: i Clienti (che vogliono acquistare servizi) e i Venditori (che vogliono fornirli). Il tuo compito è decidere quali Venditori mostrare a ogni Cliente che varca la soglia.

Questo articolo affronta un problema molto complicato: non sai cosa piaccia a nessuno.

Il Problema Centrale: Il Mercato del "Appuntamento al Buio"

Nella maggior parte delle piattaforme online, il sistema cerca di indovinare cosa vogliono i clienti. Ma nello scenario di questo articolo, la piattaforma è cieca in due modi:

Non sa cosa vogliono i Clienti: Alcuni clienti amano gli installatori di pannelli solari; altri preferiscono scrittori freelance. La piattaforma non sa quale tipo di cliente arriverà dopo.
Non sa cosa vogliono i Venditori: Anche se un cliente sceglie un venditore, quel venditore potrebbe dire "No grazie". Forse il venditore odia lavorare con quel tipo specifico di cliente. La piattaforma non conosce nemmeno queste preferenze.

È come una situazione di appuntamento al buio in cui il matchmaker non sa cosa piace al ragazzo, e non sa cosa piace alla ragazza. Se il ragazzo sceglie la ragazza, lei potrebbe comunque rifiutarlo. Se il matchmaker impara solo cosa piace al ragazzo ma ignora cosa piace alla ragazza, continuerà a organizzare brutti appuntamenti.

Il Ciclo degli Eventi

L'articolo descrive un ritmo specifico in cui funziona questo mercato:

L'Arrivo: Un cliente arriva.
Il Menù: La piattaforma mostra loro una piccola lista (un "assortimento") di venditori.
La Proposta: Il cliente sceglie un venditore dalla lista (o nessuno).
La Revisione: Il venditore riceve un gruppo di proposte. Ogni pochi giorni (un "ciclo"), il venditore le revisiona e sceglie al massimo un cliente con cui lavorare.
Il Premio: La piattaforma riceve il pagamento (o ottiene un "match") solo se sia il cliente ha scelto il venditore, sia il venditore ha scelto il cliente.

La Sfida: Imparare Mentre si Fa

Il gestore della piattaforma deve prendere decisioni ora senza conoscere il futuro. Deve capire:

"Quali venditori piacciono al Tipo di Cliente A?"
"Quali tipi di cliente accetta il Tipo di Venditore B?"

Se la piattaforma continua a mostrare sempre gli stessi venditori popolari, non imparerà mai se un nuovo venditore è in realtà un ottimo abbinamento per un tipo specifico di cliente. Ma se mostra troppi venditori casuali, sprecherà tempo e denaro in cattivi abbinamenti. Questo è il classico dilemma "Esplorazione vs. Sfruttamento".

La Soluzione: L'Algoritmo "Two-Way Learning" (Apprendimento a Due Vie)

Gli autori hanno creato un programma per computer intelligente (un algoritmo) chiamato TWL-UCB. Immaginalo come un matchmaker super osservatore che tiene un "punteggio di confidenza" per ogni possibile coppia.

Il Gioco delle Tante Parole: L'algoritmo inizia ipotizzando quanto i clienti e i venditori si piacciano a vicenda.
Il Test del "E se...": L'algoritmo utilizza un trucco matematico chiamato "Upper Confidence Bound" (UCB). Immagina che l'algoritmo stia giocando sul sicuro ma anche prendendo rischi calcolati. Pensa: "Sono sicuro al 90% che il Cliente A piaccia il Venditore X, ma sono sicuro solo al 50% del Venditore Y. Proviamo il Venditore Y solo per vedere, perché se ho ragione, potrebbe essere una grande vittoria!"
Doppio Controllo: A differenza dei metodi più vecchi che osservavano solo cosa facevano i clienti, questo algoritmo osserva entrambe le parti.
- Aggiorna la sua ipotesi su cosa piaccia ai clienti ogni volta che un cliente compie una scelta.
- Aggiorna la sua ipotesi su cosa piaccia ai venditori ogni volta che un venditore accetta o rifiuta una proposta.
Il Risultato: Col tempo, l'algoritmo diventa incredibilmente bravo a prevedere l'abbinamento perfetto, minimizzando il numero di appuntamenti falliti (il rimpianto).

Le Grandi Scoperte

L'articolo dimostra tre cose principali usando la matematica e le simulazioni al computer:

1. Diventa Migliore Velocemente (La Vittoria "Polilogaritmica")
Gli autori hanno dimostrato che il loro algoritmo impara in modo così efficiente che gli "errori" che commette crescono molto lentamente nel tempo. In termini matematici, l'errore cresce come il quadrato di un logaritmo (una curva molto lenta).

Analogia: Immagina uno studente che sostiene un esame. La maggior parte dei metodi di apprendimento commette errori che si accumulano come una collina ripida. Questo algoritmo commette errori che si accumulano come una pendenza dolce. Impara le regole del gioco molto più velocemente di chiunque altro.

2. Non si Può Fare Molto Meglio (Il "Limite Inferiore")
Gli autori hanno anche dimostato che nessun'altra strategia possibile può imparare significativamente più velocemente della loro. Hanno dimostato che anche un algoritmo "perfetto" commetterebbe un numero simile di errori nello scenario peggiore.

Analogia: Hanno dimostato che il loro algoritmo è il "Medagliato d'Oro". Non puoi vincere una gara più veloce perché la pista stessa è veloce quanto basta.

3. Più Grande Non è Sempre Meglio (La Sorpresa della "Dimensione del Menù")
Hanno eseguito simulazioni per vedere cosa succede se la piattaforma mostra una lista enorme di venditori (un menù grande) rispetto a una lista piccola.

La Scoperta: Una volta che il menù raggiunge una certa dimensione (circa 3 faranno 30 venditori nella loro simulazione), renderlo più grande non aiuta molto.
Analogia: Pensa al menù di un ristorante. Se hai 5 piatti ottimi, aggiungere altri 50 piatti mediocri non rende il cliente più felice; lo confonde solo. La piattaforma ottiene lo stesso numero di abbinamenti di successo con un menù di medie dimensioni rispetto a uno con un menù enorme.

Perché Questo È Importante

Questo articolo è il primo a risolvere l'enigma di imparare entrambe le parti di un mercato simultaneamente quando non si sa cosa voglia né l'uno né l'altro. Dimostra che, trattando il problema come una sfida di apprendimento "a due vie" piuttosto che solo come una sfida di "scelta del cliente", le piattaforme possono prendere decisioni molto più intelligenti, veloci e redditizie.

In breve: Per gestire un mercato a due lati di successo, non puoi solo indovinare cosa vuole l'acquirente, devi imparare anche cosa vuole il venditore. E se fai entrambe le cose contemporaneamente con la matematica giusta, vinci.

Sintesi Tecnica: Assortimento Dinamico Basato sui Dati nelle Piattaforme Online: Apprendimento tra Due Lati

Formulazione del Problema
Il documento affronta un problema di selezione dell'assortimento dinamico su una piattaforma di servizi bilaterale operante in condizioni di informazione incompleta. A differenza dei problemi di assortimento tradizionali in cui un decisore seleziona i prodotti per massimizzare il ricavo basandosi esclusivamente sulle preferenze dei clienti, questo scenario coinvolge partecipanti "attivi" sia sul lato della domanda (clienti) che su quello dell'offerta (venditori).

Il sistema opera in tempo discreto su un orizzonte di $T$ periodi. La piattaforma gestisce un insieme di $N$ venditori e incontra una sequenza di clienti in arrivo con tipologie eterogenee. In ogni periodo, il gestore della piattaforma seleziona un assortimento (un sottoinsieme di venditori di dimensione massima $B$ ) da mostrare a un cliente in arrivo. Il cliente sceglie quindi al massimo un venditore dall'assortimento offerto secondo un modello di scelta Multinomial Logit (MNL), governato da parametri di preferenza $v_{z,i}$ ignoti (dove $z$ è il tipo di cliente e $i$ è il venditore).

Fondamentalmente, una transazione non si conclude al momento della scelta del cliente. Invece, la proposta del cliente viene trattenuta per una durata fissa di $K$ periodi. Al termine di ogni epoca (un blocco di $K$ periodi), i venditori esaminano le proposte ricevute e decidono se accettare al massimo un cliente, sulla base dei propri parametri di preferenza MNL ignoti $u_{i,z}$ . Una transazione (e il relativo ricavo) avviene solo se un venditore accetta una proposta. L'obiettivo del gestore della piattaforma è massimizzare il ricavo totale atteso durante l'orizzonte di pianificazione.

La sfida centrale è l'Apprendimento Bidirezionale (Two-Way Learning): la piattaforma non conosce i parametri di scelta né per i clienti ( $V$ ) né per i venditori ( $U$ ) e deve apprenderli dinamicamente mentre prende decisioni sull'assortimento. Ciò differisce dalla letteratura esistente, che tipicamente assume un apprendimento unidirezionale (conosciuto solo il parametro di preferenza del cliente) o una realizzazione immediata del compenso.

Metodologia
Gli autori propongono un algoritmo online basato sui dati chiamato TWL-UCB (Two-Way Learning via Upper Confidence Bound). L'algoritmo è progettato per bilanciare esplorazione ed esploitazione, gestendo la struttura del feedback asincrono di un mercato bilaterale.

Stime Upper Confidence Bound (UCB): L'algoritmo mantiene stime UCB sia per i parametri di preferenza dei clienti ( $v_{z,i}$ $v_{z, i}$ ) che per i parametri di preferenza dei venditori ( $u_{i,z}$ $u_{i, z}$ ).
- Aggiornamenti dei Clienti (Fase II): Dopo ogni periodo, la piattaforma aggiorna le stime dei clienti basandosi sulle scelte osservate dei clienti (proposte) all'interno degli assortimenti offerti.
- Aggiornamenti dei Venditori (Fase III): Le stime dei venditori vengono aggiornate solo alla fine di ogni epoca ( $K$ periodi), sulla base delle decisioni di corrispondenza osservate (accettazioni/rifiuti) da parte dei venditori.
Ottimizzazione dell'Assortimento (Fase I): In ogni periodo, la piattaforma seleziona un assortimento che massimizza l'incremento marginale stimato dell'aspettativa di corrispondenze (expected matches). Questa metrica, indicata come $\Delta_M$ , cattura il guadagno atteso in corrispondenze per l'attuale epoca dato lo stato attuale delle proposte e le stime UCB di entrambe le preferenze (cliente e venditore).
Minimizzazione del Regret: Le prestazioni sono valutate tramite il regret, definito come la differenza tra il ricavo ottenuto da una politica chiaroveggente (che conosce tutti i parametri e le sequenze di arrivo) e il ricavo ottenuto dal algoritmo proposto.

Risultati Chiave e Contributi Teorici
Il documento stabilisce l'ottimalità teorica dell'algoritmo TWL-UCB attraverso il far concorrere i limiti superiori e inferiori del regret:

Limite Superiore (Teorema 1): Gli autori dimostrano che il regret nel caso peggiore dell'algoritmo TWL-UCB cresce polilogaritmicamente con il tempo: $O(\log^2(NT))$ . Questo rappresenta un miglioramento significativo rispetto ai limiti di regret $\tilde{O}(\sqrt{T})$ della letteratura esistente sugli assortimenti dinamici focalizzata sull'apprendimento unidirezionale.
Limite Inferiore (Teorema 2): Il documento deriva un limite inferiore corrispondente, mostrando che per qualsiasi politica ammissibile, il regret nel caso peggiore è almeno $\tilde{\Omega}(\log^2(NT))$ .
Ottimalità del Tasso: L'allineamento tra i limiti superiori e inferiori stabilisce che l'algoritmo TWL-UCB è ottimale in termini di tasso per il problema del Two-Way Learning.
Risultati della Simulazione:
- L'algoritmo TWL-UCB supera costantemente le versioni adattate di algoritmi di apprendimento unidirezionale (specificamente l'algoritmo UCB di Agrawal et al., 2019) in contesti bilaterali. Questi ultimi falliscono perché non riescono a tenere conto del feedback ritardato e dell'incertezza lato venditore.
- Lo studio identifica un effetto soglia relativo alla dimensione dell'assortimento: aumentare la dimensione massima dell'assortimento ( $B$ ) oltre un certo punto (osservato intorno a 30 nelle simulazioni) produce rendimenti decrescenti nel ricavo totale della piattaforma.

Estensioni e Robustezza
Il documento analizza due estensioni per dimostrare la robustezza dell'algoritmo:

Trasparenza Informativa: L'algoritmo mantiene il suo limite di regret $O(\log^2(NT))$ anche se il gestore della piattaforma condivide solo informazioni parziali specifiche per il cliente con i venditori (Teorema 3).
Ricavi Dipendenti dal Cliente: Il limite di regret è valido anche quando il ricavo per una corrispondenza riuscita dipende dal tipo specifico di cliente accoppiato, piuttosto che da un valore fisso per epoca (Teorema 4).

Significato e Rivendicazioni
Gli autori affermano che questo è il primo studio ad formulare e analizzare un problema di assortimento dinamico in cui il decisore deve apprendere i parametri di scelta di entrambi i lati di un mercato bilaterale simultaneamente.

Il significato del lavoro risiede in:

Novità del Problema: Il passaggio dall'apprendimento unidirezionale a un framework di "Two-Way Learning" che riflette la natura attiva dei partecipanti nelle moderne piattaforme di servizi (es. Airbnb, Upwork, HomeAdvisor).
Avanzamento Algoritmico: Dimostrare che è possibile ottenere un regret polilogaritmico in questo complesso contesto di feedback ritardato, laddove i problemi di apprendimento unidirezionale tipicamente soffrono di un regret di ordine radice quadrata.
Intuizione Pratica: Evidenziare che gli algoritmi progettati per l'apprendimento monodirezionale sono inefficaci in ambienti bilaterali e che i gestori delle piattaforme dovrebbero essere cauti nell'espandere le dimensioni dell'assortimento oltre una specifica soglia a causa dei rendimenti decrescenti.

Il documento conclude che il proposto algoritmo TWL-UCB fornisce una soluzione teoricamente ottimale e robusta per i gestori di piattaforme che operano in mercati bilaterali sotto informazione incompleta.