基于混合Nested Logit模型的用户需求估计OACHSSCD

收益管理中,估计用户需求是产品品类管理、产品定价等后续优化工作的首要任务。准确地对用户的选择行为进行刻画和建模,可以帮助企业提升运营管理决策效果。在线零售环境下,用户的产品点击、购买、离开等行为都会被准确地记录下来。然而,很少有研究对用户购买前的离散行为进行刻画。并且,现有方法多使用单一模型分析所有用户的选择,忽略了用户选择行为的异质性。因此,本文提出混合Nested Logit模型,在考虑用户异质性的基础上,对用户两阶段选择行为进行刻画,将用户分类和类内选择构建在同一框架内。为同时估计选择模型参数并识别用户类型,本文使用EM算法求解模型参数。结果显示,EM算法能有效提升估计效率,并且保证结果的收敛性。本文使用京东移动应用程序(App)的零售数据进行实证研究。结果显示,在数据稀疏程度较高的情况下,本文模型的预测准确度平均比基准模型高13.71%,说明考虑用户异质性和多阶段选择能更准确地刻画用户选择行为;进一步将需求估计结果应用于产品品类管理策略制定上,结果显示,本文模型生成的产品品类所带来的收益平均比基准模型高5.11%,这进一步说明,在线环境中不准确的用户行为刻画会导致次优的运营决策。