Fugu-MT 論文翻訳(概要): Segmenting Bank Customers via RFM Model and Unsupervised Machine Learning

論文の概要: Segmenting Bank Customers via RFM Model and Unsupervised Machine Learning

arxiv url: http://arxiv.org/abs/2008.08662v1
Date: Wed, 19 Aug 2020 20:41:18 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 09:00:29.343765
Title: Segmenting Bank Customers via RFM Model and Unsupervised Machine Learning
Title（参考訳）: RFMモデルと教師なし機械学習による銀行顧客のセグメンテーション
Authors: Musadig Aliyev, Elvin Ahmadov, Habil Gadirli, Arzu Mammadova and Emin Alasgarov
Abstract要約: 近年、金融機関にとって大きな課題の1つは顧客の維持である。本稿では,アゼルバイジャン最大の民間銀行の実際の顧客データに適用したRAM手法と各種クラスタリングアルゴリズムを用いた。
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: In recent years, one of the major challenges for financial institutions is the retention of their customers using new methodologies of reliable and profitable segmentation. In the field of banking, the approach of offering all of the services to all the existing customers at the same time does not always work. However, being aware of what to sell, when to sell and whom to sell makes a huge difference in the conversion rate of the customers responding to new services and buying new products. In this paper, we used RFM technique and various clustering algorithms applied to the real customer data of one of the largest private banks of Azerbaijan.
Abstract（参考訳）: 近年、金融機関にとって大きな課題の1つは、信頼性と収益性のある分節化の新しい手法を用いて顧客の維持である。銀行業界では、すべてのサービスを既存のすべての顧客に同時に提供するというアプローチは、必ずしもうまくいきません。しかし、何を売るか、いつ売るか、誰が売るかを知ることは、新しいサービスへの応答と新製品の購入に対する顧客のコンバージョン率に大きな差をもたらす。本稿では,アゼルバイジャン最大の民間銀行の実際の顧客データに適用したRAM手法と各種クラスタリングアルゴリズムを用いた。

関連論文リスト

Multi-Level Additive Modeling for Structured Non-IID Federated Learning [54.53672323071204]
我々は、異種クライアント間のより良い知識共有のために、マルチレベル付加モデル(MAM)と呼ばれるマルチレベル構造で編成されたモデルを訓練する。フェデレートMAM(FeMAM)では、各クライアントは各レベル毎に少なくとも1つのモデルに割り当てられ、そのパーソナライズされた予測は、各レベルに割り当てられたモデルの出力を合計する。実験により、FeMAMは既存のクラスタリングFLおよびパーソナライズされたFLメソッドを様々な非IID設定で超越していることが示された。
論文参考訳（メタデータ） (2024-05-26T07:54:53Z)
Emulating Full Client Participation: A Long-Term Client Selection Strategy for Federated Learning [48.94952630292219]
本稿では,クライアントの完全参加によって達成されるパフォーマンスをエミュレートする新しいクライアント選択戦略を提案する。 1ラウンドで、クライアントサブセットとフルクライアントセット間の勾配空間推定誤差を最小化し、クライアントを選択する。複数ラウンド選択において、類似したデータ分布を持つクライアントが選択される頻度に類似することを保証する、新しい個性制約を導入する。
論文参考訳（メタデータ） (2024-05-22T12:27:24Z)
Universal representations for financial transactional data: embracing local, global, and external contexts [95.7760348824795]
多様なビジネス課題に対処する表現学習フレームワークを提案する。また、データ固有性を考慮した新しい生成モデルを提案し、外部情報をクライアントの表現に統合する方法を提案する。
論文参考訳（メタデータ） (2024-04-02T15:39:14Z)
Towards Financially Inclusive Credit Products Through Financial Time Series Clustering [10.06218778776515]
財政的包摂は消費支出を増大させ、結果として事業開発を加速させる。消費者取引データに基づく顧客セグメンテーションは、ファイナンシャルインクルージョンを促進するためによく知られた戦略である。本稿では,顧客の財務状況を理解するための時系列クラスタリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-16T20:40:30Z)
An Exploration of Clustering Algorithms for Customer Segmentation in the UK Retail Market [0.0]
我々は,小売市場における意思決定プロセスを改善するための顧客セグメンテーションモデルの開発を目指している。これを実現するために、UCI機械学習レポジトリから得られたイギリスのオンライン小売データセットを使用しました。その結果、GMMは他のアプローチよりも優れており、シルエットスコアは0.80である。
論文参考訳（メタデータ） (2024-02-06T15:58:14Z)
Federated Learning Incentive Mechanism under Buyers' Auction Market [2.316580879469592]
オークションベースのフェデレートラーニング(AFL)は、利己的なデータコンシューマとデータオーナ間のオープンなコラボレーションを可能にする。我々は、購入者の市場における価格変動を説明するために、調達オークションの枠組みに適応する。信頼性とデータ品質の高いクライアントを選択し、外部からの攻撃を防ぐために、ブロックチェーンベースの評判メカニズムを利用する。
論文参考訳（メタデータ） (2023-09-10T16:09:02Z)
Modelling customer lifetime-value in the retail banking industry [0.0]
顧客生涯価値をモデル化するための一般的な枠組みを提案する。長期にわたる契約と製品中心の顧客関係を持つ業界に適用される。このフレームワークは、任意の時間的地平線と製品に基づく正当性モデル上でのCLV予測を促進する新しい方法である。
論文参考訳（メタデータ） (2023-04-06T12:54:33Z)
On the Convergence of Clustered Federated Learning [57.934295064030636]
統合学習システムでは、例えばモバイルデバイスや組織参加者といったクライアントは通常、個人の好みや行動パターンが異なる。本稿では,クライアントグループと各クライアントを統一最適化フレームワークで活用する,新しい重み付きクライアントベースクラスタリングFLアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-02-13T02:39:19Z)
Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection [106.33204064461802]
クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
論文参考訳（メタデータ） (2021-11-05T19:10:35Z)
Dynamic Customer Embeddings for Financial Service Applications [0.0]
FS業界における顧客の密集した表現を学習するための動的顧客埋め込み(DCE)を提案する。モバイル・ウェブ・デジタル・セッションにおける顧客行動とページビューについて検討する。実世界のデータを用いて顧客の埋め込みを3つの予測問題で検証する。
論文参考訳（メタデータ） (2021-06-22T15:51:49Z)
Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文参考訳（メタデータ） (2021-02-19T15:13:06Z)

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。