What is the Long-Term Value of Reliability?
可靠性的长期价值是什么？AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以序贯无混杂识别服务延误的长期边际政策效应。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
可靠性的长期价值是什么？
- 研究问题
- 配送延误等服务缺陷会怎样影响客户长期行为与业务指标，如何定义并估计改变平均延误率的边际政策效应？
- 方法与思路
- 作者用 Markov 决策过程建模客户互动，在给定订单特征后延误近似随机的序贯无混杂假设下识别，并以协变量平衡算法估计。
- 材料陈述的贡献
- 摘要介绍 Chronos LTV 系统，将可靠性的长期影响形式化为边际政策效应，并提出相应的识别结果与简单估计算法。
- 阅读关注点
- 应核对状态与长期价值的定义、改变平均延误率对应的政策路径，以及序贯无混杂所需历史信息和协变量平衡的实现。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；摘要未给出具体效应数值，长期因果解释依赖序贯无混杂等模型条件。
原文摘要
We describe Chronos LTV, a system to measure the long-term impact of delays and other service defects on key business metrics. We use Markov decision processes to model customer interactions over time, and formalize our target estimand as the marginal policy effect with respect to moving the average delay rate. Given this setup, we show that we can identify long-term effects under a sequential unconfoundedness assumption where delays are as good as random given observed order characteristics; and can estimate these effects using a simple covariate-balancing algorithm.