VALOR：B2Bセールスにおける処置ゲート付き表現を用いた価値認識型の収益アップリフトモデリング

要旨: B2Bの営業組織は、ゼロ過剰（zero-inflated）な売上分布の中から「説得可能（persuadable）」なアカウントを特定し、費用のかかる人的資源の配分を最適化する必要があります。標準的なアップリフト（uplift）フレームワークは、高次元空間における治療シグナルの崩壊（treatment signal collapse）に苦しむことや、回帰のキャリブレーションと、高価値の「ホエール（whales）」のランキングとの間の不整合により、うまく機能しません。私たちはVALOR（Value Aware Learning of Optimized (B2B) Revenue）を提案します。これは、因果シグナルの崩壊を防ぐために双線形相互作用を用いる、Treatment-Gated Sparse-Revenue Network（治療ゲーティング付きスパース売上ネットワーク）を備えた統一的なフレームワークです。このフレームワークは、新しいコスト感応型フォーカル-ZILN（Cost-Sensitive Focal-ZILN）目的関数により最適化されます。そこでは、分布的ロバスト性のためのフォーカル機構と、財務的な大きさに応じて罰則をスケールさせる価値重み付きランキング損失を組み合わせます。高いタッチを要する営業プログラムの解釈可能性を提供するために、さらに、アップリフトの異質性（uplift heterogeneity）に対応するカスタム分割基準を用いた木構造ベースの派生であるRobust ZILN-GBDTも導出します。大規模な評価により、VALORが優越することが確認されました。公開ベンチマーク上で、最先端手法に対してランキング可能性（rankability）を20%改善し、厳密な4か月の本番A/Bテストで、アカウントあたりの増分売上が検証済みで2.7倍増加することを示しました。