대규모 행동 모델: 소매 고객의 디지털 트윈

소개

고객 행동 모델링은 추천, 마케팅 및 의사 결정을 지원하는 근거입니다. 그러나 기존 접근법은 결정의 설명 없이 예측 정확성을 최적화하거나 실제 행동 데이터에 근거하지 않은 사용자를 시뮬레이션하는 것을 선택합니다. 최근에는 대규모 행동 모델이라는 모델이 제시되었습니다. 이 모델은 대규모 소비자 거래를 통해 통합된 사람-환경 형식을 통해 고객의 결정권을 직접 학습합니다.

고객 상태는 역사적 구매로부터 파생된 행동 프로필로 표현되고, 제품 컨텍스트는 검색을 통해 포함됩니다. 이 모델은 구체적인 행동 데이터에 대한 연속적인 전 훈련, 의사결정 생성을 위한 감독된 미세 조정, 그리고 증빙 가능한 보상에 대한 강화 학습을 통해 훈련됩니다.

평가 및 결과

제안된 프레임워크를 구매 예측, 음성 판별, 장바구니 완성, 프로모션 반응 및 도메인 간 보너스 환원과 같은 구매 관련 작업에서 평가했습니다. 이 모델은 소비자 업무에서 최고의 일반 모델을 상회하는 성능을 보이며, 소매 업체 및 의사결정 도메인 간의 강력한 즉각적이며 미세 조정 전이성을 보여줍니다.

분석 연구는 연속적인 전 훈련이 행동 일반화의 주요 동력임을, 검색이 훈련 및 추론 모두에 적용될 때 가장 효과적임을, 강화 학습이 명시적인 행동 증거에 대한 의존성을 일반 모델의 전제 조건보다 높임을 보여줍니다. 이 결과는 거래 기록에 암호화된 행동 지식을 언어 모델이 효과적으로 학습할 수 있음을 보여주며, 고객 디지털 복제 및 행동 시뮬레이션에 대한 확장 가능한 기초를 제공합니다.