Meituanの加盟店ビジネス診断を行う政策ガイド付きデュアルプロセス・ユーザーシミュレーション

Abstract

集団レベルのユーザー行動をシミュレートすることで、費用のかかるオンライン実験なしに、マーチャント戦略の反実仮想評価を大規模に行えるようになります。しかし、信頼できるシミュレータを構築するには、2つの構造的な課題があります。第一に、情報の不完全性により、推論ベースのシミュレータは、オフラインの文脈や暗黙の習慣といった観測されない要因が欠けていると、過度に合理化してしまいます。第二に、メカニズムの二重性により、解釈可能な嗜好と暗黙的な統計的規則性の両方を捉える必要がありますが、それを単一のパラダイムだけでは達成できません。そこで本研究では、行動トラジェクトリから転移可能な意思決定ポリシーを発掘し、それを共通のアライメント層として用いる、双プロセスの枠組み Policy-Guided Hybrid Simulation (PGHS) を提案します。この層は、過度な合理化を防ぐLLMベースの推論ブランチと、暗黙的な規則性を吸収するMLベースのフィッティングブランチをそれぞれアンカーします。両ブランチから得られる集団レベルの予測を融合し、補完的な修正を行います。私たちは、Meituan 上で、101のマーチャントと26,000本以上のトラジェクトリに対して PGHS を展開します。PGHS は集団シミュレーション誤差 8.80% を達成し、最良の推論ベースおよびフィッティングベースのベースラインに対して、それぞれ45.8%と40.9%の改善を実現します。