From Online Behaviors to Offline Retailing (KDD 2016) 読んだ

From Online Behaviors to Offline Retailing
オンラインの行動とオフラインの購買を同時に分析する．すなわち，「オフラインの行動とオンラインの行動にはどういう関係があるか」がわかる．
また，実験では「直近での検索行動を用いることによりその後の購買で何を買うか」を予測している．

提案手法 : Online to Offline Topic Model (OTOTM)

入力として用いるのは次の二つ．

• オンラインにおける各ユーザの検索履歴 (単語集号)
• オフラインにおける各ユーザの購買履歴 (ブランド集合)
  • 今回はショッピングモールにおける購買したブランドを用いている

またこれ以降，各ユーザの検索履歴および購買履歴は bag-of-words / bag-of-brands として取り扱う．
すなわち，系列性や順序関係は考慮しない．

まずこれを LDA でモデリングすることを考えてみると，

• online topic が生成されて
  • 単語 が で生成される
• offline topic が生成されて
  • ブランド が で生成される

という過程が思いつくわけだが，これでは online と offline の関係がわからない．

そこで提案手法である OTOTM では

• にもとづき online topic が生成される
  • online topic にもとづき単語 が から生成される
• にもとづき online topic が生成される
  • online topic と にもとづき offline topic が から生成される
    • offline tpic と にもとづき，ブランド が から生成される

となる．これにより， online と offline の関係が明らかになる．推定は Gibbs sampling．

しかし，これだけでは

• offline での購買予測に online での topic を全て使っている
  • 周辺化する時に全 topic を使うことを指している
• online での行動のほとんどは offline での購買に関係していない

という問題が生じる．
そこで， lift と名付けた指標を導入する．これは とする．
この値が大きいほど online topic t は offline topic l と関係が強い．
あとは予測時に lift がある程度以上の topic のみを考慮する．