Um varejista on-line que vende um produto perecível precisa decidir quanto oferecer por cliques em buscas patrocinadas e qual desconto conceder em um pacote com um item sempre disponível. Um novo estudo no arXiv apresenta um agente de amostragem posterior que aprende tanto sobre a demanda dos clientes quanto sobre a resposta dos cliques aos seus lances enquanto toma essas decisões ao longo de temporadas de venda repetidas.

O problema é complicado pelas lacunas nos dados criadas pelas próprias escolhas do varejista. Sem fazer um lance, o vendedor não recebe informações sobre cliques pagos e só observa as escolhas de compra dos clientes depois que eles chegam por meio de um clique. Se o varejista concluir cedo demais que a publicidade não é eficaz e parar de fazer lances, talvez nunca reúna evidências que mudem essa crença. Alterações nos descontos dos pacotes também podem levar os clientes a esperar por uma oferta melhor, fazendo com que suas compras adiadas pareçam vendas perdidas.

O agente mantém uma distribuição posterior sobre possíveis mercados e padrões de resposta dos cliques. A cada período, ele faz a amostragem de um mercado candidato e usa um plano de temporada pré-computado e resolvido de forma exata para esse candidato a fim de escolher um lance e um desconto. Os pesquisadores testaram a abordagem em uma floricultura on-line simulada, comparando-a com outras estratégias de aprendizado e exploração.

Fazer a amostragem de um novo mercado a cada período produziu o menor arrependimento médio nos testes relatados: US$ 33,6 ao longo de 500 temporadas, em comparação com US$ 74,0 para um planejador que usava estimativas pontuais e US$ 109,4 para uma abordagem que fazia a amostragem uma vez por temporada. Em mercados fracos, o agente que atuava período a período abriu mão de 12% a 23% da receita que um vendedor plenamente informado poderia obter em uma temporada, ao longo da execução de 500 temporadas. Isso foi de quatro a sete vezes menos do que a perda relatada para a amostragem uma vez por temporada.

O estudo também constatou que um planejador baseado em estimativas pontuais pode ficar preso a não oferecer lance algum. Sob uma distribuição a priori que atribuía apenas 2% de probabilidade a curvas de cliques responsivas, ele nunca começou a fazer lances e perdeu mais da metade da receita do vendedor plenamente informado em cada temporada. Em média, o agente de amostragem posterior começou a fazer lances após cerca de três temporadas, em comparação com aproximadamente 50 temporadas para a versão que fazia amostragens uma vez por temporada.

Os autores relatam que talvez não seja necessário aprender os descontos quando a indicação de baixo estoque exibida mantém a disposição dos clientes a pagar acima do preço anunciado. No entanto, a espera frequente dos clientes pode distorcer as estimativas do mercado feitas pelo agente, pois as compras adiadas aparecem como ausência de vendas. Manter o desconto fixo durante uma temporada inteira elimina esse efeito da espera no estudo, ao custo de 5,9% da receita do vendedor plenamente informado em um mercado fraco e sem perda em um mercado forte.

Fontes: arXiv cs.AI.