論文の概要: The wisdom of the few: Predicting collective success from individual behavior

• arxiv url: http://arxiv.org/abs/2001.04777v3
• Date: Tue, 9 Jun 2020 09:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 02:13:45.839380
• Title: The wisdom of the few: Predicting collective success from individual behavior
• Title（参考訳）: 少数者の知恵 : 個人の行動から集団的成功を予測する
• Authors: Manuel S. Mariani, Yanina Gimenez, Jorge Brea, Martin Minnoni, Ren\'e Algesheimer, Claudio J. Tessone
• Abstract要約: 発見者」の小さなセットは、彼らが訪れたレンガとモルタルの店にとって、信頼できる成功予測を提供する。 購入履歴だけでは発見者の小さな集合を検出できる」と述べた。 その結果,大規模購入データにアクセス可能な企業や組織は,発見者を検出し,その行動を利用して市場の動向を予測できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can we predict top-performing products, services, or businesses by only monitoring the behavior of a small set of individuals? Although most previous studies focused on the predictive power of "hub" individuals with many social contacts, which sources of customer behavioral data are needed to address this question remains unclear, mostly due to the scarcity of available datasets that simultaneously capture individuals' purchasing patterns and social interactions. Here, we address this question in a unique, large-scale dataset that combines individuals' credit-card purchasing history with their social and mobility traits across an entire nation. Surprisingly, we find that the purchasing history alone enables the detection of small sets of ``discoverers" whose early purchases offer reliable success predictions for the brick-and-mortar stores they visit. In contrast with the assumptions by most existing studies on word-of-mouth processes, the hubs selected by social network centrality are not consistently predictive of success. Our findings show that companies and organizations with access to large-scale purchasing data can detect the discoverers and leverage their behavior to anticipate market trends, without the need for social network data.
• Abstract（参考訳）: 少数の個人の行動だけを監視すれば、トップパフォーマンスの製品やサービス、ビジネスを予測できますか? これまでのほとんどの研究は、多くの社会的接触を持つ「ハブ」個人の予測力に焦点を当てていたが、この問題に対処するために顧客行動データの源泉が必要であるのは、主に個人の購入パターンと社会的相互作用を同時に捉えることのできるデータセットの不足のためである。 ここでは、個人のクレジットカード購入履歴と国全体の社会的・移動的特性を組み合わせた、ユニークな大規模なデータセットでこの問題に対処します。 意外なことに、購入履歴だけで、早期購入によって訪れたレンガとモルタル店舗の信頼性の高い成功予測を提供する「発見者」の小さなセットの検出が可能になる。 口語プロセスに関する既存のほとんどの研究の仮定とは対照的に、ソーシャルネットワーク中心性によって選択されたハブは、常に成功を予測できない。 大規模購買データにアクセスできる企業や組織は、発見者を検出し、その行動を利用して、ソーシャルネットワークデータを必要としない市場トレンドを予測できることを示した。

関連論文リスト

• Quantifying Human Priors over Social and Navigation Networks [2.1756081703276]
  我々は、グラフの構造を活用して、そのような関係データに対する人間の優先順位を定量化する。 我々の実験は、進化の時間スケールにおいて、社会的相互作用と空間ナビゲーションという2つの領域に焦点をあてた。
  論文  参考訳（メタデータ） (2024-02-28T19:00:36Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Flexible social inference facilitates targeted social learning when rewards are not observable [58.762004496858836]
  グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。 社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
  論文  参考訳（メタデータ） (2022-12-01T21:04:03Z)
• Competition over data: how does data purchase affect users? [15.644822986029377]
  競合する予測者がラベル付きデータを取得して予測品質を向上させるとどうなるかを検討する。 この現象は、競合が各予測者に集団のサブセットを専門化するよう促すトレードオフによって自然に起こることを示す。
  論文  参考訳（メタデータ） (2022-01-26T06:44:55Z)
• Providing an Approach to Predicting Customer Quality in E-Commerce Social Networks Based on Big Data and Unsupervised Learning Method [0.0]
  顧客の忠誠度合いは顧客品質と呼ばれ、その予測は戦略的マーケティングプラクティスに影響を与える。 本研究の目的は,ビッグデータアルゴリズムと教師なし学習による大規模eコマースソーシャルネットワークの顧客品質の予測である。
  論文  参考訳（メタデータ） (2021-09-05T14:08:17Z)
• Predicting Customer Lifetime Values -- ecommerce use case [0.0]
  この研究は、まず'buy-till-you-die'統計モデルを使用して顧客の振る舞いを予測し、その後、同じデータセット上でニューラルネットワークを使用して結果を比較する、顧客の将来の購入を予測する2つのアプローチを比較する。
  論文  参考訳（メタデータ） (2021-02-10T23:17:16Z)
• Face to Purchase: Predicting Consumer Choices with Structured Facial and Behavioral Traits Embedding [53.02059906193556]
  消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。 階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。 実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
  論文  参考訳（メタデータ） (2020-07-14T06:06:41Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。