論文の概要: Audience Creation for Consumables -- Simple and Scalable Precision Merchandising for a Growing Marketplace

• arxiv url: http://arxiv.org/abs/2011.08575v1
• Date: Tue, 17 Nov 2020 11:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 17:51:11.180564
• Title: Audience Creation for Consumables -- Simple and Scalable Precision Merchandising for a Growing Marketplace
• Title（参考訳）: 消費財のためのオーディエンス作成 -- 成長市場のためのシンプルでスケーラブルな精密機械化
• Authors: Shreyas S, Harsh Maheshwari, Avijit Saha, Samik Datta, Shashank Jain, Disha Makhija, Anuj Nagpal, Sneha Shukla, Suyash S
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.8667240717298954
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Consumable categories, such as grocery and fast-moving consumer goods, are quintessential to the growth of e-commerce marketplaces in developing countries. In this work, we present the design and implementation of a precision merchandising system, which creates audience sets from over 10 million consumers and is deployed at Flipkart Supermart, one of the largest online grocery stores in India. We employ temporal point process to model the latent periodicity and mutual-excitation in the purchase dynamics of consumables. Further, we develop a likelihood-free estimation procedure that is robust against data sparsity, censure and noise typical of a growing marketplace. Lastly, we scale the inference by quantizing the triggering kernels and exploiting sparse matrix-vector multiplication primitive available on a commercial distributed linear algebra backend. In operation spanning more than a year, we have witnessed a consistent increase in click-through rate in the range of 25-70% for banner-based merchandising in the storefront, and in the range of 12-26% for push notification-based campaigns.
• Abstract（参考訳）: 食料品や高速移動消費財などの消費カテゴリーは、発展途上国のeコマース市場の成長に欠かせない。 本研究では,インド最大のオンライン食料品店であるFlipkart Supermartに展開する,1000万人以上の消費者によるオーディエンスセットを作成する,精密商品販売システムの設計と実装について紹介する。 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。 さらに,成長市場を典型とするデータスパーシティや検閲,ノイズに対してロバストな,確率フリーな推定手法を開発した。 最後に、トリガーカーネルの定量化と、商用分散線形代数バックエンドで利用可能なスパース行列ベクトル乗算プリミティブの利用により、推論をスケールする。 1年以上にわたる運用では,店頭でのバナーベースの商品販売の25～70%,プッシュ通知ベースのキャンペーンの12～26%において,一貫したクリックスルー率の上昇が見られた。

関連論文リスト

• MIND: Multimodal Shopping Intention Distillation from Large Vision-language Models for E-commerce Purchase Understanding [67.26334044239161]
  MINDは、マルチモーダル製品メタデータから購入意図を推測し、人間中心のものを優先するフレームワークである。 Amazon Reviewのデータを使用して、1,264,441万の意図を含むマルチモーダルな意図的知識ベースを作成します。 得られた意図は2つの意図的理解タスクにおいて大きな言語モデルを大幅に向上させる。
  論文  参考訳（メタデータ） (2024-06-15T17:56:09Z)
• A Machine learning and Empirical Bayesian Approach for Predictive Buying in B2B E-commerce [0.0]
  我々は,XGBoostとPoisson Gammaモデルの改良版を組み合わせたアンサンブルアプローチを用いて,顧客の注文パターンを精度良く予測した。 本稿では,機械学習の戦略的融合と経験的ベイズ的アプローチを深く探求する。 この革新的なアプローチは、顧客の注文率を3倍に向上させ、Eコマース業界に変革をもたらす可能性を示している。
  論文  参考訳（メタデータ） (2024-03-12T17:32:52Z)
• Clustering-based Aggregations for Prediction in Event Streams [0.537133760455631]
  オンライン環境でのこのトレードオフに焦点を当てたフレームワークであるCAPiESを紹介します。 同時に多数のエンティティを予測することにより、予測精度は向上するが、有用性の潜在的コストは向上する。 現実のシナリオでは、16万以上の買い物客を持つスーパーマーケットと17万件以上の請求書を持つペイント工場の2つにトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-10-18T10:30:42Z)
• A Simulation Environment and Reinforcement Learning Method for Waste Reduction [50.545552995521774]
  本稿では, 流通の観点から, 食料品店の在庫を消耗品で補充する際の問題点を考察する。 目的は、ごみを最小化しながら販売を最大化することであり、衣料品の実際の消費について不確実性がある。 我々は, エージェントの行動に合わせた行動を示す新しい強化学習タスクとして, 在庫再備の枠組みを定めている。
  論文  参考訳（メタデータ） (2022-05-30T22:48:57Z)
• Time Series Clustering for Grouping Products Based on Price and Sales Patterns [0.3518016233072556]
  製品価格と販売の連携を考慮に入れた新しい距離指標を提案する。 カスタム評価指標とCalinski HarabaszおよびDavies Bouldin指標を用いて,クラスタリングアルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2022-04-18T14:24:42Z)
• 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)
• 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)
• Characterization of Frequent Online Shoppers using Statistical Learning with Sparsity [54.26540039514418]
  本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
  論文  参考訳（メタデータ） (2021-11-11T05:36:39Z)
• Sales Prediction Model Using Classification Decision Tree Approach For Small Medium Enterprise Based on Indonesian E-Commerce Data [0.0]
  Tokopediaで収集した実生活データを用いて,インドネシアの履物業界における販売予測モデルを構築した。 われわれは、視聴者が販売する商品数、価格、靴の種類を予測することができた。
  論文  参考訳（メタデータ） (2021-03-04T15:40:45Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• Improving Sales Forecasting Accuracy: A Tensor Factorization Approach with Demand Awareness [1.8282018606246824]
  販売予測への高度時間潜在因子アプローチ(ATLAS)という新しいアプローチを提案する。 ATLASは、複数のストアや製品にまたがる単一のテンソルファクターモデルを構築することで、販売の正確かつ個別化された予測を実現する。 ATLASの利点は、Information Resource, Inc.が収集した8つの製品カテゴリデータセットで実証されている。
  論文  参考訳（メタデータ） (2020-11-06T16:04:40Z)

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。