Newest papers

Next Best Action: Causal Constrained Offline RL for Business Action Targeting

Surya Ramachandiran, Yiming Li, Juan Mancilla-Caceres, Tao Ye, Jun Liu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.26817 · open-access PDF

Russian

Следующая система Best Action (NBA) должна выбирать среди вмешательств клиентов (например, скидки, промо-акции и действия по жизненному циклу), максимизировать долгосрочную экономическую ценность, удовлетворять сложные операционные ограничения и оставаться причинно-следственной основой. Существующим подходам не хватает строгой структуры для совместного удовлетворения этих требований. Мы устраняем этот пробел, формулируя NBA как процесс принятия ограниченных решений Маркова (CMDP). Мы затем интегрируем внеполитическую причинно-следственную коррекцию предполагаемой динамики клиентов непосредственно в формулировку линейного программирования (LP) CMDP. Полученная политика выбирает действия на основе

Machine translation (Meta M2M100); the English original follows.

Abstract

Next Best Action (NBA) systems must select among customer interventions (e.g., discounts, promotions, and lifecycle actions), maximize long-term economic value, satisfy complex operational constraints, and remain causally grounded. Existing approaches lack a rigorous framework for meeting these requirements jointly. We address this gap by formulating NBA as a Constrained Markov Decision Process (CMDP). We then integrate off-policy causal correction of the estimated customer dynamics directly into the Linear Programming (LP) formulation of the CMDP. The resulting policy selects actions based on

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange