Coarse Personalization
粗粒度个性化：联合分群与处理配置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：摘要以异质性处理效应及条件平均处理效应估计作为分群和处理配置的依据。
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…
关注这篇论文的作者
粗粒度个性化：联合分群与处理配置
- 研究问题
- 当企业只能提供有限数量的客户分群而无法完全个性化时，如何联合选择分群与处理方案，以尽可能保留个性化带来的增量利润？
- 方法与思路
- 作者先估计条件平均处理效应，再依据处理效应进行离散化，并结合机器学习与最优传输方法共同决定分群及各群的处理配置。
- 材料陈述的贡献
- 摘要称该方法在促销实地实验中优于所比较的分群方案，仅用五个分群便保留完全个性化下超过 99.5% 的预期增量利润。
- 阅读关注点
- 应核对利润目标、可行性约束、最优传输的具体作用及效应估计误差的传递，并检查实验评价和比较方法是否使用一致的信息。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。利润比例是摘要所报应用结果；摘要未说明不确定性或跨场景推广条件。
原文摘要
With advances in estimating heterogeneous treatment effects, firms can personalize and target individuals at a granular level. However, feasibility constraints limit full personalization. In practice, firms choose segments of individuals and assign a treatment to each segment to maximize profits: We call this the coarse personalization problem. We propose a two-step solution that simultaneously makes segmentation and targeting decisions. First, the firm personalizes by estimating conditional average treatment effects. Second, the firm discretizes using treatment effects to choose which treatments to offer and their segments. We show that a combination of available machine learning tools for estimating heterogeneous treatment effects and a novel application of optimal transport methods provides a viable and efficient solution. With data from a large-scale field experiment in promotions management, we find our methodology outperforms extant approaches that segment on consumer characteristics, consumer preferences, or those that only search over a prespecified grid. Using our procedure, the firm recoups over $99.5\%$ of its expected incremental profits under full personalization while offering only five segments. We conclude by discussing how coarse personalization arises in other domains.