Un détaillant en ligne qui vend un produit périssable doit décider combien enchérir pour obtenir des clics issus de la recherche sponsorisée et quelle remise proposer sur une offre groupée avec un article toujours disponible. Une nouvelle étude publiée sur arXiv présente un agent à échantillonnage a posteriori qui apprend à la fois la demande des clients et la réaction des clics à ses enchères, tout en prenant ces décisions au fil de saisons de vente successives.

Le problème est compliqué par les lacunes dans les données créées par les propres choix du détaillant. Sans enchère, le vendeur ne reçoit aucune information sur les clics payants, et il n’observe les choix d’achat des clients qu’après leur arrivée via un clic. Si le détaillant conclut trop tôt que la publicité est inefficace et cesse d’enchérir, il risque de ne jamais recueillir d’éléments susceptibles de modifier cette croyance. Les modifications des remises sur les offres groupées peuvent également inciter les clients à attendre une meilleure offre, de sorte que leurs achats différés semblent être des ventes perdues.

L’agent maintient une distribution a posteriori sur les marchés possibles et les profils de réaction des clics. À chaque période, il échantillonne un marché candidat et utilise un plan de saison pré-calculé et résolu exactement pour ce marché afin de choisir une enchère et une remise. Les chercheurs ont testé cette approche dans la simulation d’un fleuriste en ligne et l’ont comparée à d’autres stratégies d’apprentissage et d’exploration.

Dans les tests rapportés, échantillonner un nouveau marché à chaque période a produit le regret moyen le plus faible : 33,6 $ sur 500 saisons, contre 74,0 $ pour un planificateur utilisant des estimations ponctuelles et 109,4 $ pour une approche qui n’échantillonnait qu’une fois par saison. Dans les marchés faibles, sur les 500 saisons, l’agent qui agissait période par période a renoncé à 12 % à 23 % du revenu qu’un vendeur pleinement informé pouvait obtenir en une saison. Cette perte était quatre à sept fois moindre que celle rapportée pour l’échantillonnage une fois par saison.

L’étude a également constaté qu’un planificateur fondé sur des estimations ponctuelles peut finir par ne plus enchérir du tout. Avec un a priori qui attribuait seulement 2 % de probabilité aux courbes de clics réactives, il n’a jamais commencé à enchérir et a perdu chaque saison plus de la moitié du revenu du vendeur pleinement informé. L’agent à échantillonnage a posteriori a commencé à enchérir après environ trois saisons en moyenne, contre quelque 50 saisons pour la version qui n’échantillonnait qu’une fois par saison.

Les auteurs indiquent que l’apprentissage des remises peut être inutile lorsque l’affichage d’un stock faible maintient la disposition à payer des clients au-dessus du prix affiché. Toutefois, les attentes fréquentes des clients peuvent fausser les estimations du marché de l’agent, car les achats différés apparaissent comme des absences de ventes. Dans l’étude, maintenir la remise fixe pendant toute une saison élimine cet effet d’attente, au prix de 5,9 % du revenu du vendeur pleinement informé dans un marché faible et d’aucune perte dans un marché fort.

Sources: arXiv cs.AI.