Caltechの経済学者 Kota Saito と MIT の学生 Alec Sandroni は、消費者の好みを予測する Random Utility Model（RUM）を欠損データで使用する際に生じる問題を解決した。研究者たちは、観測できない選択肢であっても、選ばれなかった選択肢から得られる情報を用いてより良い予測ができることを示した。

新しい手法は、ネットワークフロー理論を用いて外部選択肢アプローチの限界を克服する。これにより、少ないデータでも RUM の検定が可能になり、さまざまな部門での需要の評価が向上する。

この研究は、消費者の好みを分析する際にグループ化された選択肢が隠す複雑さも明らかにしている。この研究は、経済的意思決定理論が機械学習分野にも適用できる新たな道を開くものである。