論文の概要: Boosting Retailer Revenue by Generated Optimized Combined Multiple Digital Marketing Campaigns

• arxiv url: http://arxiv.org/abs/2009.08949v1
• Date: Wed, 9 Sep 2020 14:42:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 11:47:05.743976
• Title: Boosting Retailer Revenue by Generated Optimized Combined Multiple Digital Marketing Campaigns
• Title（参考訳）: 複数のデジタルマーケティングキャンペーンの最適化による小売業者の収益拡大
• Authors: Yafei Xu and Tian Xie and Yu Zhang
• Abstract要約: 潜在的なパーソナライズされたDMCプールは、新しく提案されたニューラルネットワークモデルによって、すべての小売業者に対して生成される。 上位3つのキャンペーンは、売り手のバックエンド管理システムに返却される。 リアルオンラインA/Bテストは、統合されたソリューションにより、オンライン小売プラットフォームの売り手が店のGMVを約6$%で増やすことを示している。
• 参考スコア（独自算出の注目度）: 5.865954970531575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Campaign is a frequently employed instrument in lifting up the GMV (Gross Merchandise Volume) of retailer in traditional marketing. As its counterpart in online context, digital-marketing-campaign (DMC) has being trending in recent years with the rapid development of the e-commerce. However, how to empower massive sellers on the online retailing platform the capacity of applying combined multiple digital marketing campaigns to boost their shops' revenue, is still a novel topic. In this work, a comprehensive solution of generating optimized combined multiple DMCs is presented. Firstly, a potential personalized DMC pool is generated for every retailer by a newly proposed neural network model, i.e. the DMCNet (Digital-Marketing-Campaign Net). Secondly, based on the sub-modular optimization theory and the DMC pool by DMCNet, the generated combined multiple DMCs are ranked with respect to their revenue generation strength then the top three ranked campaigns are returned to the sellers' back-end management system, so that retailers can set combined multiple DMCs for their online shops just in one-shot. Real online A/B-test shows that with the integrated solution, sellers of the online retailing platform increase their shops' GMVs with approximately 6$\%$.
• Abstract（参考訳）: キャンペーンは、伝統的なマーケティングにおいて小売店のGMV(Gross Merchandise Volume)を持ち上げる際に頻繁に使用される道具である。 オンラインの文脈では、デジタルマーケティングキャンプ(dmc)は近年、eコマースの急速な発展でトレンドになっている。 しかし、オンライン小売プラットフォームの大規模販売者に対して、店舗の収益を上げるために複数のデジタルマーケティングキャンペーンを組み合わせて適用する方法は、いまだに新しい話題である。 本研究では、最適化された複数のdmcを生成する包括的解法を提案する。 まず、新しく提案されたDMCNet(Digital-Marketing-Campaign Net)と呼ばれるニューラルネットワークモデルによって、小売店毎にパーソナライズされたDMCプールが生成される。 次に、MDCNetによるサブモジュール最適化理論とDMCプールに基づいて、生成した複数のMDCを収益発生力でランク付けし、上位3位のキャンペーンを売り手のバックエンド管理システムに戻すことにより、小売業者がオンラインショップに複数のDMCをワンショットで組み合わせることができる。 リアルオンラインA/Bテストは、統合されたソリューションにより、オンライン小売プラットフォームの売り手が店のGMVを約6$\%で増やすことを示している。

関連論文リスト

• SEQ+MD: Learning Multi-Task as a SEQuence with Multi-Distribution Data [5.069855142454979]
  マルチタスク学習(MTL)のための逐次学習と,マルチディストリビューション入力のための特徴生成領域マスクを統合したSEQ+MDフレームワークを提案する。 クリック性能を中立に保ちながら、付加品と購入を含む高価値エンゲージメントの増大を示す。 我々のマルチリージョン学習モジュールは"plug-and-play"であり、他のMTLアプリケーションに容易に適応できる。
  論文  参考訳（メタデータ） (2024-08-23T20:14:27Z)
• 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)
• Virtual Classification: Modulating Domain-Specific Knowledge for Multidomain Crowd Counting [67.38137379297717]
  マルチドメインのクラウドカウントは、複数の多様なデータセットの一般的なモデルを学ぶことを目的としている。 ディープネットワークは、ドメインバイアスとして知られるすべてのドメインではなく、支配的なドメインの分布をモデル化することを好む。 マルチドメイン群カウントにおけるドメインバイアス問題を処理するために,MDKNet(Modulating Domain-specific Knowledge Network)を提案する。
  論文  参考訳（メタデータ） (2024-02-06T06:49:04Z)
• Multi-queue Momentum Contrast for Microvideo-Product Retrieval [57.527227171945796]
  マルチモーダルインスタンスとマルチモーダルインスタンス間の検索を探索する最初の試みであるマイクロビデオ製品検索タスクを定式化する。 双方向検索のためのMulti-Queue Momentum Contrast(MQMC)ネットワークという新しい手法を提案する。 マルチキューを用いた識別的選択戦略は、カテゴリによって異なる負の重要性を区別するために用いられる。
  論文  参考訳（メタデータ） (2022-12-22T03:47:14Z)
• No-Regret Learning in Two-Echelon Supply Chain with Unknown Demand Distribution [48.27759561064771]
  我々は[Cachon and Zipkin, 1999]で導入された2つのエケロンサプライチェーンモデルについて, 2つの異なる設定で検討する。 両設定の最適在庫決定に対する後悔と収束の両面において良好な保証を達成するアルゴリズムを設計する。 私たちのアルゴリズムは、オンライングラディエントDescentとOnline Newton Stepをベースとしています。
  論文  参考訳（メタデータ） (2022-10-23T08:45:39Z)
• Scenario-based Multi-product Advertising Copywriting Generation for E-Commerce [46.29638014067242]
  本稿では,Eコマース用自動シナリオベースマルチプロダクト広告複写生成システム(SMPACG)を提案する。 SMPACGは当社のeコマースレコメンデーションシステムに直接機能する目的で開発されており、また商人のリアルタイム書き込み支援ツールとしても利用されている。
  論文  参考訳（メタデータ） (2022-05-21T07:45:53Z)
• Macroscopic properties of buyer-seller networks in online marketplaces [55.41644538483948]
  2010年から2021年の間にオンラインマーケットプレースで発生した2億2500万トランザクションを含む2つのデータセットを分析した。 オンラインマーケットプレースにおける取引は、言語、生涯、製品、規制、技術に大きな違いがあるにもかかわらず、非常に類似したパターンを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:00:47Z)
• 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)
• Audience Creation for Consumables -- Simple and Scalable Precision Merchandising for a Growing Marketplace [1.8667240717298954]
  本稿では,インド最大のオンライン食料品店の一つであるSupermartにおける精密商品販売システムの設計と実装について紹介する。 我々は,消費財の購入動態の潜在周期性と相互励起をモデル化するために,時間的点法を用いる。 成長するマーケットプレースに典型的なデータ空間、センセージャー、ノイズに対して頑健な可能性のない推定手順を開発する。
  論文  参考訳（メタデータ） (2020-11-17T11:46:38Z)
• Learning to Collaborate in Multi-Module Recommendation via Multi-Agent Reinforcement Learning without Communication [29.614671064547135]
  ウェブページは、しばしば異なる独立したモジュールから構成される。 これらのモジュールのランキングポリシーは異なるチームによって決定され、協力なしに個別に最適化される。 本稿では,異なるモジュール間の通信を制限した,新しいマルチエージェント協調型強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-08-21T08:23:33Z)

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。