马萨诸塞大学阿姆赫斯特数据科学研究研讨会:Wayfair市场数据科学一瞥

2018年5月10日

4月份,我参加了在马萨诸塞大学阿姆赫斯特举行的数据科学研究研讨会,并做了一个简短的演讲,重点介绍了Wayfair的营销数据科学项目。完整的视频和幻灯片在下面,但这里是一个概述。

营销数据科学的目标在Wayfair

作为最大的家具和家居装饰在线零售商,Wayfair每年在不同类型的广告(我们称之为“营销渠道”,如搜索引擎、电视、电子邮件、直接邮件、社交媒体)上投入数亿美元,以吸引更多的客户,从而提高收入。作为营销数据科学家,我们的使命是提供数据驱动的解决方案,以优化营销预算分配,最大化每个营销渠道的投资回报率。

Wayfair的营销数据科学项目概述

在Wayfair,数据科学家是我们产品的研究、开发和生产周期的积极参与者。我们充分利用我们跨学科的知识和经验,通常包括1)商业和运筹学研究;2)机bob官方网站器学习与统计建模;和3)工程。我们的项目总是受到利益相关者的推动——在这个案例中,就是Wayfair的营销团队。通常,我们的工作从定义问题和设定可量化的目标开始。然后我们通过建立机器学习模型来开发解决方案来实现这些目标。bob官方网站在这一步中,预测和优化是我们营销数据科学产品的两大主题。为了验证我们的预测和/或优化策略确实有效,我们的黄金标准是执行A/B测试,以表明新方法优于任何现有的营销关键绩效指标(KPI)衡量的方法。只有经过A/B测试,我们才会生产我们的模型。 During productionization, we scale up our models, generalize our strategies and set up for automation.

雅典娜:一个自动投标平台

搜索引擎营销是目前Wayfair最大的营销渠道。每天,我们都会对数百万个关键词进行竞价,这样相应的Wayfair产品就会出现在搜索结果页面上。在Wayfair,我们开发了一个内部平台(以智慧女神雅典娜的名字命名)来自动化投标过程。我们的任务是在不超支的情况下带来尽可能多的收入和/或访问量。为了实现这一目标,我们首先将其定义为一个优化问题:即,只要满足效率约束条件,即净收益大于或等于广告成本,收益最大化。为了解决这个优化问题,我们建立了预测模型来描述投标价值变化及其相应影响(净收益和广告成本变化)的关系。具体来说,我们集成了多种机器学习算法(线性模型、随机森林和XGBoosbob官方网站t)来更准确地描述因果关系。然后利用集合模型为每个关键字搜索最优报价值,在效率约束满足的情况下使收益最大化,在效率约束不满足的情况下使投标效率最大化。为了证明这种策略确实有效,我们进行了A/B测试,以表明与现有的竞价算法相比,这种新方法在不改变竞价效率的情况下带来了更多的访问量和收入。我们目前正致力于自动化这一新的战略,以扩大对数百万关键词和Wayfair产品的投标能力。

我希望这篇文章能提供一些关于Wayfair营销数据科学团队的目标和产品的见解。在下一篇博客文章中,我将介绍我们内部的自动化A/B测试平台(以Gemini命名),它允许我们以客观有效的方式同时测试多种策略和方法。

反应

  1. 《阿凡达》
    金王

    2018年5月14日,

    嗨,“净收益>=广告成本”这条规则是常识吗?

提交评论

注意:您的电子邮件地址是必须添加评论,但不会公布。