論文の概要: A machine learning based heuristic to predict the efficacy of online sale

• arxiv url: http://arxiv.org/abs/2005.04612v1
• Date: Sun, 10 May 2020 09:31:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:29:27.661543
• Title: A machine learning based heuristic to predict the efficacy of online sale
• Title（参考訳）: オンライン販売の有効性を予測する機械学習に基づくヒューリスティック
• Authors: Aditya Vikram Singhania, Saronyo Lal Mukherjee, Ritajit Majumdar, Akash Mehta, Priyanka Banerjee and Debasmita Bhoumik
• Abstract要約: 我々は,どのような商品でも提供される割引の「意義」を定量化する機械学習を提案している。 提案手法は,特徴量と原価に基づいて,割引の意義を定量化することができる。 この手法をSupport Machineを用いてサマーセールデータセットに適用し,91.11%の精度で販売の有効性を予測した。
• 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: It is difficult to decide upon the efficacy of an online sale simply from the discount offered on commodities. Different features have different influence on the price of a product which must be taken into consideration when determining the significance of a discount. In this paper we have proposed a machine learning based heuristic to quantify the \textit{"significance"} of the discount offered on any commodity. Our proposed technique can quantify the significance of the discount based on features and the original price, and hence can guide a buyer during a sale season by predicting the efficacy of the sale. We have applied this technique on the Flipkart Summer Sale dataset using Support Vector Machine, which predicts the efficacy of the sale with an accuracy of 91.11\%. Our result shows that very few mobile phones have a significant discount during the Flipkart Summer Sale.
• Abstract（参考訳）: 商品の割引のみからオンライン販売の有効性を判断することは困難である。 異なる特徴は商品の価格に異なる影響を与え、割引の意義を決定する際に考慮しなければならない。 本稿では,任意の商品に提供される割引値の \textit{"significance"} を定量化する,ヒューリスティックな機械学習を提案する。 提案手法は,特徴量と原価に基づいて値引きの意義を定量化することができるため,販売期間中に販売効果を予測することにより,販売者の誘導を行うことができる。 この手法を,サポートベクトルマシンを用いてFlipkart Summer Saleデータセットに適用し,91.11\%の精度で販売の有効性を予測した。 われわれの調査によると、Flipkart Summer Saleの期間に相当なディスカウントがある携帯電話はほとんどない。

関連論文リスト

• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Dynamic Pricing and Learning with Bayesian Persuasion [18.59029578133633]
  我々は,商品の価格設定に加えて,販売者が「広告計画」にコミットする,新たな動的価格設定と学習環境を考える。 我々は、バイエルンの一般的な説得フレームワークを使用して、これらのシグナルが購入者の評価と購入反応に与える影響をモデル化する。 我々は、過去の購入応答を利用して最適な価格と広告戦略を適応的に学習できるオンラインアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2023-04-27T17:52:06Z)
• New Guarantees for Learning Revenue Maximizing Menus of Lotteries and Two-Part Tariffs [19.34580414545524]
  本研究では,経済に顕著な2種類のメカニズム,すなわち宝くじのメニューと2部関税の学習可能性について検討する。 我々は、宝くじのメニューと、後悔の強い保証付き二分関税のための、最初のオンライン学習アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-02-22T23:35:50Z)
• A Hybrid Statistical-Machine Learning Approach for Analysing Online Customer Behavior: An Empirical Study [2.126171264016785]
  我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。 以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。 特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2022-12-01T19:37:29Z)
• 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)
• What Image Features Boost Housing Market Predictions? [81.32205133298254]
  本稿では,予測アルゴリズムにおける効率的な数値包摂のための視覚特徴抽出手法を提案する。 本稿では,シャノンのエントロピー,重心計算,画像分割,畳み込みニューラルネットワークなどの手法について論じる。 ここで選択された40の画像特徴のセットは、かなりの量の予測能力を持ち、最も強力なメタデータ予測器よりも優れています。
  論文  参考訳（メタデータ） (2021-07-15T06:32:10Z)
• Business analytics meets artificial intelligence: Assessing the demand effects of discounts on Swiss train tickets [0.12891210250935145]
  「スイス連邦鉄道が発行する列車券、いわゆるスーパーセーバー券に対する割引の需要効果を評価する。」 スーパーセーバーチケットの購入者の調査に基づくサンプルを検討し、購入行動を予測する顧客または旅行関連の特性を調査します。 割引率を1ポイント高めると、常に購入者の間で再スケジュールされた旅行のシェアが0.16ポイント増加します。
  論文  参考訳（メタデータ） (2021-05-04T11:29:54Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)
• An Incentive Mechanism for Federated Learning in Wireless Cellular network: An Auction Approach [75.08185720590748]
  Federated Learning(FL)は、機械学習の分散問題に対処できる分散学習フレームワークである。 本稿では,1つの基地局(BS)と複数のモバイルユーザを含むFLシステムについて考察する。 我々は,BSとモバイルユーザの間のインセンティブメカニズムを,BSが競売業者であり,モバイルユーザが売り手であるオークションゲームとして定式化する。
  論文  参考訳（メタデータ） (2020-09-22T01:50:39Z)
• Certifying Strategyproof Auction Networks [53.37051312298459]
  我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。 本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
  論文  参考訳（メタデータ） (2020-06-15T20:22:48Z)
• How Much Can A Retailer Sell? Sales Forecasting on Tmall [20.51263243320733]
  本稿では,世界最大のオンラインB2CプラットフォームであるTmallにおける小売店の売上予測事例について検討する。 我々は,販売予測,すなわち季節性抽出と流通転換の2つのメカニズムを設計する。
  論文  参考訳（メタデータ） (2020-02-27T06:41:00Z)

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。