論文の概要: Offer Personalization using Temporal Convolution Network and Optimization

• arxiv url: http://arxiv.org/abs/2010.08130v1
• Date: Wed, 14 Oct 2020 10:59:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 14:05:28.931535
• Title: Offer Personalization using Temporal Convolution Network and Optimization
• Title（参考訳）: 時間的畳み込みネットワークによるパーソナライズと最適化
• Authors: Ankur Verma
• Abstract要約: 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。
• 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: Lately, personalized marketing has become important for retail/e-retail firms due to significant rise in online shopping and market competition. Increase in online shopping and high market competition has led to an increase in promotional expenditure for online retailers, and hence, rolling out optimal offers has become imperative to maintain balance between number of transactions and profit. In this paper, we propose our approach to solve the offer optimization problem at the intersection of consumer, item and time in retail setting. To optimize offer, we first build a generalized non-linear model using Temporal Convolutional Network to predict the item purchase probability at consumer level for the given time period. Secondly, we establish the functional relationship between historical offer values and purchase probabilities obtained from the model, which is then used to estimate offer-elasticity of purchase probability at consumer item granularity. Finally, using estimated elasticities, we optimize offer values using constraint based optimization technique. This paper describes our detailed methodology and presents the results of modelling and optimization across categories.
• Abstract（参考訳）: 近年、オンラインショッピングや市場競争の激化により、小売・eリテール企業にとってパーソナライズドマーケティングが重要になっている。 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たため、取引数と利益のバランスを維持するために最適なオファーの展開が不可欠になっている。 本稿では,小売業における消費者,商品,時間の交点におけるオファー最適化問題を解決する手法を提案する。 提案を最適化するために,まず,時間的畳み込みネットワークを用いた一般化非線形モデルを構築し,消費者レベルでの商品購入確率を一定期間予測する。 次に,消費者商品の粒度における購入確率のオファー弾性を推定するために,過去のオファー値とモデルから得られた購入確率の関数関係を確立する。 最後に, 推定弾性率を用いて, 制約に基づく最適化手法を用いて提供価値を最適化する。 本稿では,本手法の詳細と,カテゴリ間のモデリングと最適化の結果について述べる。

関連論文リスト

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Robust personalized pricing under uncertainty of purchase probabilities [2.9061423802698565]
  予測された購入確率の不確実性を考慮したパーソナライズ価格のロバストな最適化モデルを提案する。 また、線形探索と組み合わせたラグランジアン分解アルゴリズムを開発し、大規模最適化問題に対する高品質な解を効率的に見つける。
  論文  参考訳（メタデータ） (2024-07-22T02:36:19Z)
• 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)
• 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)
• LMaaS: Exploring Pricing Strategy of Large Model as a Service for Communication [11.337245234301857]
  有料サービスモードは、LM(Large Model as a Service)と呼ばれるこの文脈に適していると我々は主張する。 本稿では,顧客の将来的なレンタル決定を推論することで,大規模モデルの価格を反復的に最適化する反復モデル価格(IMP)アルゴリズムを提案する。 第2ステップでは、ロバストな選択とレンタルのアルゴリズムを設計することで、顧客の選択決定を最適化する。
  論文  参考訳（メタデータ） (2024-01-05T07:19:19Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• 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)
• E-Commerce Promotions Personalization via Online Multiple-Choice Knapsack with Uplift Modeling [1.027974860479791]
  本稿では,オンライン制約付きマルチコースプロモーションパーソナライズ問題について検討する。 本研究は,オンライン多重選択Knapsack問題としてこの問題を定式化する。 予算制約の遵守を保証するリアルタイム適応手法を提案する。
  論文  参考訳（メタデータ） (2021-08-11T15:09:16Z)
• Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and Multi-Period Optimization Approach [29.11201102550876]
  半パラメトリック構造モデルを構築し、価格の弾力性を学習し、対物需要を予測する。 本稿では,有限販売地平線上での消耗品全体の利益を最大化するために,多周期動的価格アルゴリズムを提案する。 提案されたフレームワークは、よく知られたeコマースの新鮮な小売シナリオであるFreshippoにうまくデプロイされている。
  論文  参考訳（メタデータ） (2021-05-18T07:01:37Z)
• Function Design for Improved Competitive Ratio in Online Resource Allocation with Procurement Costs [16.68130648568593]
  私たちは、複数の顧客が到着するオンラインリソースアロケーションの問題を研究し、売り手は、合計アロケーションのための調達コストに直面しながら、各受信顧客にリソースを割り当てなければなりません。
  論文  参考訳（メタデータ） (2020-12-23T02:32:47Z)

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。