論文の概要: Graph Representation Learning for Merchant Incentive Optimization in Mobile Payment Marketing

• arxiv url: http://arxiv.org/abs/2003.01515v1
• Date: Thu, 27 Feb 2020 18:48:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 08:24:10.890680
• Title: Graph Representation Learning for Merchant Incentive Optimization in Mobile Payment Marketing
• Title（参考訳）: モバイルペイメントマーケティングにおけるマーチャントインセンティブ最適化のためのグラフ表現学習
• Authors: Ziqi Liu, Dong Wang, Qianyu Yu, Zhiqiang Zhang, Yue Shen, Jian Ma, Wenliang Zhong, Jinjie Gu, Jun Zhou, Shuang Yang, Yuan Qi
• Abstract要約: 本稿では,モバイル決済マーケティングにおける商店インセンティブ最適化のための取引ネットワーク上のグラフ表現学習手法を提案する。 私たちは、各商人に対するインセンティブに対する感受性をモデル化することができ、マーケティングキャンペーンで強い感受性を示す商人に予算を費やすことができます。
• 参考スコア（独自算出の注目度）: 26.154050518762457
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile payment such as Alipay has been widely used in our daily lives. To further promote the mobile payment activities, it is important to run marketing campaigns under a limited budget by providing incentives such as coupons, commissions to merchants. As a result, incentive optimization is the key to maximizing the commercial objective of the marketing campaign. With the analyses of online experiments, we found that the transaction network can subtly describe the similarity of merchants' responses to different incentives, which is of great use in the incentive optimization problem. In this paper, we present a graph representation learning method atop of transaction networks for merchant incentive optimization in mobile payment marketing. With limited samples collected from online experiments, our end-to-end method first learns merchant representations based on an attributed transaction networks, then effectively models the correlations between the commercial objectives each merchant may achieve and the incentives under varying treatments. Thus we are able to model the sensitivity to incentive for each merchant, and spend the most budgets on those merchants that show strong sensitivities in the marketing campaign. Extensive offline and online experimental results at Alipay demonstrate the effectiveness of our proposed approach.
• Abstract（参考訳）: Alipayのようなモバイル支払いは、私たちの日常生活で広く使われてきた。 モバイル決済をさらに促進するためには、クーポンや手数料などのインセンティブを商人に提供し、限られた予算でマーケティングキャンペーンを行うことが重要である。 その結果、インセンティブ最適化はマーケティングキャンペーンの商業目的を最大化するための鍵となる。 オンライン実験の分析により,取引ネットワークは,インセンティブ最適化問題において非常に有効な,異なるインセンティブに対する商人の反応の類似性を微妙に記述できることが判明した。 本稿では,モバイルペイメントマーケティングにおけるマーチャントインセンティブ最適化のためのトランザクションネットワーク上にグラフ表現学習手法を提案する。 オンライン実験から得られた限られたサンプルを用いて,まず属性付き取引ネットワークに基づいて商店表現を学習し,各商店が達成できる商業目的と,様々な処理によるインセンティブとの相関関係を効果的にモデル化する。 これにより、各商人に対するインセンティブに対する感受性をモデル化し、マーケティングキャンペーンで強い感受性を示す商人に予算を費やすことができる。 Alipayの大規模なオフラインおよびオンライン実験結果から,提案手法の有効性が示された。

関連論文リスト

• Enhancing Monotonic Modeling with Spatio-Temporal Adaptive Awareness in Diverse Marketing [15.024320284683215]
  OFOSプラットフォームは、支払いを促進するためにユーザーや商人に動的アロケーションインセンティブを提供する。 本稿では,マーケティング価格の高効率化を実現するために,制約付きモノトニック適応ネットワーク(CoMAN)を提案する。 提案手法の有効性を実証し, モノトニック・オブ・ザ・アーティファクト法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-20T09:21:09Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• A Profit-Maximizing Strategy for Advertising on the e-Commerce Platforms [1.565361244756411]
  提案手法は,対象のオーディエンスを実際の購入者へ変換する確率を最大化するために,最適な機能セットを見つけることを目的としている。 提案手法が予算制約で広告戦略を効果的に最適化できることを示すため,Tmall の現実データを用いた実証的研究を行った。
  論文  参考訳（メタデータ） (2022-10-31T01:45:42Z)
• ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
  Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。 このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
  論文  参考訳（メタデータ） (2022-05-24T02:28:58Z)
• Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
  企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。 商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。 本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
  論文  参考訳（メタデータ） (2022-02-26T02:07:25Z)
• Bidding via Clustering Ads Intentions: an Efficient Search Engine Marketing System for E-commerce [13.601308818833301]
  本稿では,ウォルマート電子商取引における検索エンジンマーケティングのための入札システムのエンドツーエンド構造について紹介する。 ユーザからの問い合わせからの自然言語信号と製品からのコンテキスト知識を利用して、スパーシリティ問題を緩和する。 当社のアプローチのオンラインおよびオフラインのパフォーマンスを分析し、それを運用効率のよいソリューションとみなす方法について論じます。
  論文  参考訳（メタデータ） (2021-06-24T00:12:07Z)
• A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in Online Advertising [53.636153252400945]
  本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。 当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
  論文  参考訳（メタデータ） (2021-06-11T08:07:14Z)
• Offer Personalization using Temporal Convolution Network and Optimization [0.0]
  オンラインショッピングやハイマーケット競争の増加は、オンライン小売業者のプロモーション支出の増加につながっている。 本稿では,小売店舗における消費者・商品・時間の交点におけるオファー最適化の課題を解決するためのアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-14T10:59:34Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)
• Heterogeneous Causal Learning for Effectiveness Optimization in User Marketing [2.752817022620644]
  本稿では,ユーザマーケティングのための処理効果最適化手法を提案する。 このアルゴリズムは過去の実験から学習し、ユーザ選択に対するコスト効率の最適化に新しい最適化手法を利用する。 提案手法は,先行技術およびベースライン法において,最良性能の手法と比較して24.6%性能が向上した。
  論文  参考訳（メタデータ） (2020-04-21T01:34:34Z)

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。