摘要
客户行为建模是推荐、营销和决策支持的基础，但现有方法要么优化预测准确性而无法解释决策，要么模拟用户但未基于真实行为数据。我们提出了大型行为模型（LBM），该模型通过统一的人-环境公式直接从大规模零售交易中学习客户决策。客户状态通过从历史购买中得出的行为特征表示，而产品上下文则通过检索增强生成技术纳入模型中。
模型的训练过程包括对口头化行为数据的持续预训练、决策生成的监督微调，以及基于可验证奖励的强化学习，以实现证据基础的校准。我们在购买预测、困难负样本区分、购物篮完成、促销响应和跨域代金券兑换等任务上评估了所提出的框架。结果表明，该模型在领域内的零售任务中始终优于前沿通用语言模型，并在零样本和微调转移方面表现出色，适用于不同零售商和决策领域。
消融研究表明，持续预训练是行为泛化的主要驱动因素，检索在训练和推理阶段均应用时最为有效，而强化学习则增强了对显式行为证据的依赖，而非通用语言模型的先验知识。这些结果证明，交易历史中编码的行为知识可以被语言模型有效学习，为客户数字双胞胎和行为模拟提供了可扩展的基础。
博主点评： 本文提出的LBM模型通过统一的框架有效整合了客户行为数据与产品上下文，为零售领域提供了新的洞察。其在不同任务上的优越表现显示了强化学习和预训练在模型泛化中的重要性，未来有望在个性化推荐系统中发挥更大作用。