論文の概要: Think out of the package: Recommending package types for e-commerce shipments

• arxiv url: http://arxiv.org/abs/2006.03239v1
• Date: Fri, 5 Jun 2020 05:27:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 03:26:39.382079
• Title: Think out of the package: Recommending package types for e-commerce shipments
• Title（参考訳）: パッケージを考えてみよう:eコマース出荷のパッケージタイプを推奨する
• Authors: Karthik S. Gurumoorthy, Subhajit Sanyal and Vineet Chaoji
• Abstract要約: 複数の製品属性は、eコマース企業が製品を出荷するために使用するパッケージタイプを決定する。 準最適パッケージタイプは、出荷が損傷し、巨額の損害を被った。 本稿では,製品毎の出荷コストと損害コストをトレードオフする多段階的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 2.741530713365541
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiple product attributes like dimensions, weight, fragility, liquid content etc. determine the package type used by e-commerce companies to ship products. Sub-optimal package types lead to damaged shipments, incurring huge damage related costs and adversely impacting the company's reputation for safe delivery. Items can be shipped in more protective packages to reduce damage costs, however this increases the shipment costs due to expensive packaging and higher transportation costs. In this work, we propose a multi-stage approach that trades-off between shipment and damage costs for each product, and accurately assigns the optimal package type using a scalable, computationally efficient linear time algorithm. A simple binary search algorithm is presented to find the hyper-parameter that balances between the shipment and damage costs. Our approach when applied to choosing package type for Amazon shipments, leads to significant cost savings of tens of millions of dollars in emerging marketplaces, by decreasing both the overall shipment cost and the number of in-transit damages. Our algorithm is live and deployed in the production system where, package types for more than 130,000 products have been modified based on the model's recommendation, realizing a reduction in damage rate of 24%.
• Abstract（参考訳）: 寸法、重量、不安定性、液体コンテンツなどの複数の製品属性は、Eコマース企業が製品を出荷するために使用するパッケージタイプを決定する。 準最適パッケージタイプは、出荷が損傷し、巨額の損害を被り、会社の安全な配送に対する評判に悪影響を及ぼす。 商品はより保護パッケージに出荷でき、損傷コストを低減できるが、高価な包装と輸送コストの上昇により出荷コストが上昇する。 本研究では,各製品の出荷コストと損傷コストをトレードオフする多段階アプローチを提案し,スケーラブルで計算効率の良い線形時間アルゴリズムを用いて最適なパッケージタイプを正確に割り当てる。 単純な二分探索アルゴリズムを用いて,出荷コストと損傷コストのバランスをとるハイパーパラメータを求める。 当社のアプローチは,amazon出荷のパッケージタイプ選択に適用することで,出荷コスト全体とトランジット内損害の数を削減して,新興市場における数千万ドルの大幅なコスト削減を実現しています。 当社のアルゴリズムは実運用システムで運用されており,13万以上の製品のパッケージタイプをモデル推奨に基づいて修正し,損傷率24%の低減を実現している。

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)
• Deep Reinforcement Learning for Traveling Purchaser Problems [63.37136587778153]
  旅行購入問題(TPP)は幅広いアプリケーションにおいて重要な最適化問題である。 本稿では,ルート構築と購入計画を個別に扱う,深層強化学習(DRL)に基づく新しいアプローチを提案する。 メタラーニング戦略を導入することで、大規模なTPPインスタンス上で安定してポリシーネットワークをトレーニングすることができる。
  論文  参考訳（メタデータ） (2024-04-03T05:32:10Z)
• Unveiling the Power of Self-Attention for Shipping Cost Prediction: The Rate Card Transformer [2.5398014196797614]
  0日目の出荷コストを見積もる現在のソリューションは、広範囲な手作業による作業を必要とするツリーベースのモデルに依存している。 本研究では,パッケージの出荷情報すべてを自己注意でエンコードするRate Card Transformer (RCT) という新しいアーキテクチャを提案する。 以上の結果から,RCTによるコスト予測はGBDTモデルに比べて28.82%誤差が小さいことがわかった。
  論文  参考訳（メタデータ） (2023-11-20T11:48:50Z)
• Probably Anytime-Safe Stochastic Combinatorial Semi-Bandits [81.60136088841948]
  本稿では,時間軸における後悔を最小限に抑えるアルゴリズムを提案する。 提案アルゴリズムは,レコメンデーションシステムや交通機関などの分野に適用可能である。
  論文  参考訳（メタデータ） (2023-01-31T03:49:00Z)
• 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)
• A decision-tree framework to select optimal box-sizes for product shipments [0.700545830845487]
  パッケージ取扱施設では、商品の出荷にさまざまな大きさの箱を用いており、製品寸法よりもはるかに大きい不適切な大きさの箱は、無駄を発生させ、出荷コストを不当に増加させる。 i) それぞれのクラスタが特定のサイズの変種で出荷される製品群に対応する長さ、幅、高さの3ドル次元空間におけるクラスタリング問題に還元し、 (ii) 計算複雑性の低い、効率的な前方決定木ベースのクラスタリング手法をN$と$Kで提示する。
  論文  参考訳（メタデータ） (2022-02-09T04:46:55Z)
• Delivery Issues Identification from Customer Feedback Data [0.0]
  本稿では、テキストコメントやアップロードされた画像から顧客からのフィードバックを用いて、これらの問題を見つける方法を示す。 テキストモデルとイメージモデルの両方でトランスファーラーニングを使用して、数千のラベル付きサンプルの需要を最小限にしました。
  論文  参考訳（メタデータ） (2021-12-26T12:41:10Z)
• Comparing Heuristics, Constraint Optimization, and Reinforcement Learning for an Industrial 2D Packing Problem [58.720142291102135]
  カットとパッケージングの問題は、ビジネスの収益に直接影響を与えるさまざまな業界で起きている。 機械学習は、このような問題を解決するためにますます使われています。
  論文  参考訳（メタデータ） (2021-10-27T15:47:47Z)
• A Deep Reinforcement Learning Approach for Constrained Online Logistics Route Assignment [4.367543599338385]
  物流業界にとって、各出荷区画に適切な物流ルートを割り当てる方法が不可欠である。 このオンライン経路割り当て問題は、制約付きオンライン意思決定問題とみなすことができる。 我々はPPO-RAと呼ばれるモデルフリーDRLアプローチを開発し、経路割当(RA)の課題に対処する専用の技術を用いてPPO(Pximal Policy Optimization)を改善した。
  論文  参考訳（メタデータ） (2021-09-08T07:27:39Z)
• Simulation-based Algorithm for Determining Best Package Delivery Alternatives under Three Criteria: Time, Cost and Sustainability [6.85316573653194]
  本稿では,同日宅配業者が即時顧客にサービスを提供するシミュレーションアルゴリズムを開発した。 提案するレコメンデータシステムは,コスト,時間,持続可能性という3つの基準に関して,最良のソリューションを提供する。 また、新型コロナウイルス(COVID-19)などのパンデミックの存在下では、最適な配達手段も検討する。
  論文  参考訳（メタデータ） (2021-06-05T18:17:09Z)
• Equitable and Optimal Transport with Multiple Agents [48.17429789586127]
  複数のコストがかかる場合に最適輸送問題を拡張します。 1つのディストリビューションを別のディストリビューションに転送する作業は、エージェント間で均等に共有することを目的としています。 別の視点では、目的がエージェント間で均等な商品を均質な選好に従って分配することである。
  論文  参考訳（メタデータ） (2020-06-12T15:15:41Z)

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。