基于顾客到达和购买数据的新品广告预算分配学习算法

新产品上市导入期，企业通常会设定一定预算进行广告营销。该时期产品的销售过程可划分为“获客”和“转化”两个阶段，广告首先将潜在消费者引流到消费平台上，消费者再根据产品特性以一定概率达成购买行为。由于欠缺历史数据，企业难以评估消费者对新产品广告投入的反应以及产品本身对消费者的吸引力。为解决给定广告总预算和总库存约束的新产品推广期广告预算分配问题，提出了一种利用顾客到达和购买数据，同时学习顾客到达人数与广告投入的关系以及顾客购买概率(转化率)的非参数学习算法。从理论上证明了预算分配策略的渐进最优性质，并通过数值实验验证了策略在多种场景下的性能，说明了策略的鲁棒性。