SSG, 가격 최적화 시스템, MAB에서 Regret으로 진화!
by DD
1년 전
조회수 8
MAB 알고리즘의 한계로 인해 상품별 탐색 시간 부족 및 비용 무시 문제가 발생함
Regret 방식 도입을 통해 상품별 모델 성능 평가 및 유연한 가격 운영을 가능하게 함
10배 이상 경험량 증가 및 사업 기조에 따른 DP 강도 조절 가능
MAB의 한계와 Regret의 등장
기존 MAB(Multi-Armed Bandit) 방식은 상품별 탐색 시간 부족과 비용 무시 문제를 야기했다. 구체적으로, 상품별 모델의 분포를 쌓는 데 오랜 시간이 소요되고, 할인율 상승으로 인한 수익성 저하가 발생했다. 따라서, Regret 방식을 도입하여 상품별 모델 성능을 평가하고, 유연한 가격 운영을 가능하게 했다.
Regret 기반 가격 결정 시스템의 작동 원리
Regret 방식은 판매 여부(ord_yn)를 기반으로 모델의 성능을 평가한다. HR(High Regret)과 LR(Low Regret)을 계산하여 모델별 점수를 산출하고, 이를 통해 상품별 최적의 모델을 선택한다. 반면, 판매 수량(ord_qty)을 고려하지 못하는 한계가 존재하며, Adaptive Window를 통해 데이터의 노이즈를 관리한다.
