Transfer Learning for Contextual Joint Assortment-Pricing under Cross-Market Heterogeneity

Resumo Técnico: Transfer Learning para Assortment-Pricing Conjunto Contextual sob Heterogeneidade entre Mercados

1. Problema Investigado

O artigo aborda o problema de aprendizado e otimização conjunta de assortimento (seleção de produtos) e preços em um cenário de múltiplos mercados relacionados, utilizando feedback de tipo bandit (apenas observando compras realizadas e preços postados, sem conhecer a demanda completa).

• Contexto: Uma empresa opera em um mercado-alvo (com dados limitados ou novos) e tem acesso a dados históricos de H mercados-fonte relacionados.
• Desafio Central: Existe uma tensão fundamental entre:
  1. Aceleração do Aprendizado: Utilizar dados dos mercados-fonte para reduzir a incerteza estatística e aprender mais rápido no mercado-alvo.
  2. Viés de Transferência: Mercados diferentes possuem preferências de clientes distintas. Agregar dados indiscriminadamente (pooled learning) pode introduzir um viés sistemático, levando a decisões de preço e assortment distorcidas e prejudiciais.
• Modelo de Demanda: O comportamento do consumidor é modelado pelo Multinomial Logit (MNL) Contextual, onde a utilidade de um produto depende de covariáveis observáveis e parâmetros de preferência desconhecidos.

2. Metodologia Proposta: TJAP

Os autores desenvolvem um framework chamado Transfer Joint Assortment-Pricing (TJAP). A abordagem baseia-se na premissa de que os mercados compartilham uma estrutura de utilidade comum, mas diferem em um conjunto esparso de coordenadas de preferência (deslocamento estruturado).

O algoritmo integra três componentes principais:

1. Estimação "Agregar-Depois-Deviar" (Aggregate-then-Debias):

   • Agregação: Os dados dos mercados-fonte são agrupados para estimar os componentes de preferência compartilhados, reduzindo a variância estatística.
   • Deviamento (Debiasing): O estimador agregado é refinado utilizando apenas os dados do mercado-alvo através de um passo de regularização $\ell_1$. Isso corrige as discrepâncias esparsas (desvios específicos do mercado-alvo) sem perder o ganho de eficiência da agregação.

2. Regra de Decisão Otimista com Limites de Confiança de Dois Raios:

   • O algoritmo utiliza uma política estilo UCB (Upper Confidence Bound).
   • Os limites de confiança são construídos com uma estrutura de dois raios para capturar a incerteza total:
     • Raio de Variância: Diminui à medida que a informação agregada (mercados-fonte + alvo) aumenta.
     • Raio de Viés de Transferência: Captura o erro residual devido às diferenças estruturadas entre os mercados.
   • Esses limites são uniformes sobre preços contínuos, permitindo a otimização conjunta de preços (variáveis contínuas) e assortment (variáveis discretas).

3. Controle de Geometria de Informação Episódica:

   • Para garantir estabilidade sob decisões adaptativas, o algoritmo opera em episódios de comprimento crescente.
   • Dentro de cada episódio, a geometria da informação (matriz de Fisher) é congelada.
   • Um mecanismo de exploração forçada é acionado apenas se a curvatura da informação do mercado-alvo for insuficiente para identificar os componentes deslocados, garantindo a identificabilidade sem explorar excessivamente.

3. Contribuições Principais

1. Formulação Estruturada de Transferência: Introduz um modelo onde a heterogeneidade entre mercados é modelada como um deslocamento de utilidade esparso. Isso permite compartilhar informação estatisticamente sem assumir que os mercados são idênticos.
2. Framework TJAP: Desenvolve o primeiro algoritmo que separa explicitamente a redução de variância (via agregação) do controle de viés (via adaptação específica ao alvo) no contexto de joint assortment-pricing com feedback de bandit.
3. Limites de Regret Minimax (Superior e Inferior):
   • Estabelecem limites de regret finitos que revelam uma decomposição transparente Variância-Viés.
   • O limite superior é da ordem: $\tilde{O}\left( d \sqrt{\frac{T}{1+H}} + s_0 \sqrt{T} \right)$.
   • O limite inferior (minimax) coincide com o superior, provando que o algoritmo é ótimo.
4. Caracterização Fundamental do Valor da Transferência:
   • Demonstra que a transferência acelera o aprendizado apenas nas direções de preferência compartilhadas (reduzindo a variância por um fator de $1+H$).
   • Mostra que as componentes heterogêneas (esparidade $s_0$) impõem um custo de adaptação inevitável que não melhora com mais mercados-fonte.

4. Resultados Teóricos e Experimentais

• Decomposição de Regret:
  • Termo de Variância: $O\left( d \sqrt{\frac{T}{1+H}} \right)$. Mostra que adicionar mercados-fonte reduz a incerteza estatística de forma eficiente, desde que as preferências sejam compartilhadas.
  • Termo de Viés/Adaptação: $O\left( s_0 \sqrt{T} \right)$. Representa o custo de aprender as diferenças específicas do mercado-alvo. Este termo é independente de $H$ e depende apenas da esparsidade $s_0$ das diferenças.
• Simulações Numéricas:
  • O TJAP supera consistentemente tanto a aprendizagem apenas no mercado-alvo (Target-only) quanto a agregação ingênua de dados (Naive Pooling).
  • A agregação ingênua falha quando há heterogeneidade estrutural, levando a decisões distorcidas.
  • O TJAP é robusto: quando a heterogeneidade é esparsa ($s_0$ pequeno), o ganho é substancial; quando é difusa ($s_0$ grande), o desempenho se estabiliza, mas não colapsa como na agregação ingênua.

5. Significado e Impacto

Este trabalho preenche uma lacuna crítica na literatura de gestão de receitas e aprendizado de máquina:

• Teórico: Fornece a primeira caracterização rigorosa dos limites de transferência em problemas de decisão combinatória e contínua (assortment + pricing) sob feedback parcial.
• Prático: Oferece diretrizes operacionais para empresas que operam em múltiplos mercados. O estudo indica que dados históricos de mercados relacionados devem ser utilizados para acelerar o aprendizado, mas apenas se houver um mecanismo robusto para corrigir viéses estruturais específicos do novo mercado.
• Segurança: O framework "Bias-Aware" (consciente de viés) garante que a transferência de dados não degrade o desempenho, evitando o fenômeno de "negative transfer" comum em abordagens ingênuas.

Em resumo, o artigo demonstra que a transferência de aprendizado em gestão de receitas é viável e benéfica, desde que a heterogeneidade entre mercados seja tratada como um problema de estimativa esparsa e não como ruído aleatório ou identidade perfeita.