論文の概要: A Real-Time Whole Page Personalization Framework for E-Commerce
- arxiv url: http://arxiv.org/abs/2012.04681v1
- Date: Tue, 8 Dec 2020 19:08:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 01:11:36.911558
- Title: A Real-Time Whole Page Personalization Framework for E-Commerce
- Title（参考訳）: Eコマースのためのリアルタイムページパーソナライズフレームワーク
- Authors: Aditya Mantha, Anirudha Sundaresan, Shashank Kedia, Yokila Arora,
Shubham Gupta, Gaoyang Wang, Praveenkumar Kanumala, Stephen Guo, Kannan Achan
- Abstract要約: eコマースプラットフォームは、ホームページに複数のカルーセルを含んでいる。
カルーセル内のアイテムは、シーケンシャルユーザーアクションに基づいて動的に変更されます。
ウォルマートオンライン食料品のホームページで、アイテムカルーセルをリアルタイムで最適にランク付けするためのスケーラブルなエンドツーエンド生産システムを紹介します。
- 参考スコア（独自算出の注目度）: 13.254747746069139
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: E-commerce platforms consistently aim to provide personalized recommendations
to drive user engagement, enhance overall user experience, and improve business
metrics. Most e-commerce platforms contain multiple carousels on their
homepage, each attempting to capture different facets of the shopping
experience. Given varied user preferences, optimizing the placement of these
carousels is critical for improved user satisfaction. Furthermore, items within
a carousel may change dynamically based on sequential user actions, thus
necessitating online ranking of carousels. In this work, we present a scalable
end-to-end production system to optimally rank item-carousels in real-time on
the Walmart online grocery homepage. The proposed system utilizes a novel model
that captures the user's affinity for different carousels and their likelihood
to interact with previously unseen items. Our system is flexible in design and
is easily extendable to settings where page components need to be ranked. We
provide the system architecture consisting of a model development phase and an
online inference framework. To ensure low-latency, various optimizations across
these stages are implemented. We conducted extensive online evaluations to
benchmark against the prior experience. In production, our system resulted in
an improvement in item discovery, an increase in online engagement, and a
significant lift on add-to-carts (ATCs) per visitor on the homepage.
- Abstract（参考訳）: eコマースプラットフォームは、ユーザーエンゲージメントを促進するためにパーソナライズされたレコメンデーションを提供し、全体的なユーザーエクスペリエンスを高め、ビジネスメトリクスを改善することを目的としている。
ほとんどのeコマースプラットフォームは、ホームページ上に複数のカルーセルを持ち、それぞれがショッピング体験のさまざまな面を捉えようとしている。
これらのカルーセルの配置を最適化することは,ユーザの満足度向上に不可欠である。
さらに、カルーセル内のアイテムはシーケンシャルなユーザーアクションに基づいて動的に変化し、カルーセルのオンラインランキングを必要とする。
本稿では,walmart online groceryのホームページ上で,アイテムカルーセルをリアルタイムにランク付けするためのスケーラブルなエンドツーエンド生産システムを提案する。
提案システムは,異なるカルーセルに対するユーザの親和性を捉える新しいモデルと,これまで見られなかったアイテムと対話する可能性を利用する。
我々のシステムは設計に柔軟であり、ページコンポーネントのランク付けが必要な設定に容易に拡張できる。
我々は,モデル開発フェーズとオンライン推論フレームワークからなるシステムアーキテクチャを提供する。
低レイテンシを確保するために、これらのステージにまたがる様々な最適化が実装されている。
これまでの経験に比較して大規模なオンライン評価を行った。
本システムでは, 商品発見の改善, オンラインエンゲージメントの向上, 訪問者1人当たりのATC(Add-to-carts)の大幅な向上を実現した。
関連論文リスト
- Building a Scalable, Effective, and Steerable Search and Ranking Platform [0.13107669223114085]
現代のeコマースプラットフォームは膨大な製品選択を提供しており、顧客が好きな商品を見つけるのが難しくなっている。
これはeコマースプラットフォームが、ほぼリアルタイムでスケーラブルで適応可能なパーソナライズされたランキングと検索システムを持つための鍵である。
さまざまなユースケースで再利用可能な、パーソナライズされた、ほぼリアルタイムなランキングプラットフォームを提示する。
論文 参考訳（メタデータ） (2024-09-04T16:29:25Z) - Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential
Recommendations [50.03560306423678]
本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。
Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
論文 参考訳（メタデータ） (2024-01-12T15:26:40Z) - Dual Personalization on Federated Recommendation [50.4115315992418]
フェデレートされたレコメンデーションは、フェデレーションされた設定でプライバシを保存するレコメンデーションサービスを提供することを目的とした、新しいインターネットサービスアーキテクチャである。
本稿では,ユーザ固有の軽量モデルの多くを学習するためのPersonalized Federated Recommendation(PFedRec)フレームワークを提案する。
また、ユーザとアイテムの両方の詳細なパーソナライズを効果的に学習するための、新しい二重パーソナライズ機構を提案する。
論文 参考訳（メタデータ） (2023-01-16T05:26:07Z) - Automatic Controllable Product Copywriting for E-Commerce [58.97059802658354]
我々は、JD.comのeコマースレコメンデーションプラットフォームに、Eコマースのプレフィックスベースのコントロール可能なコピーライティング生成をデプロイする。
提案するECCCGの有効性を検証する実験を行った。
本稿では,リアルタイムのJD.com電子商取引レコメンデーションプラットフォームに,ECCCGと連携するデプロイアーキテクチャを導入する。
論文 参考訳（メタデータ） (2022-06-21T04:18:52Z) - 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) - Page-level Optimization of e-Commerce Item Recommendations [1.9590062905832923]
項目詳細ページ上で、項目推薦モジュールのパーソナライズされた選択と注文を最適化するスケーラブルなエンドツーエンド生産システムを提案する。
提案方式は既存の手法に比べてクリックスルー率と変換率を大幅に向上させる。
論文 参考訳（メタデータ） (2021-08-12T17:59:22Z) - Measuring the User Satisfaction in a Recommendation Interface with
Multiple Carousels [7.8851236034886645]
ビデオオンデマンドおよび音楽ストリーミングサービスでは、いくつかのレコメンデーションリストからなるユーザーインターフェースを採用するのが一般的である。
本稿では,カルーセルの品質を計測するカルーセル設定のための2次元評価プロトコルを提案する。
論文 参考訳（メタデータ） (2021-05-14T20:33:51Z) - A Methodology for the Offline Evaluation of Recommender Systems in a
User Interface with Multiple Carousels [7.8851236034886645]
ビデオオンデマンドおよび音楽ストリーミングサービスは、複数の推奨リストからなるページをユーザーに提供します。
展示するカルーセルを選択するための効率的な戦略を見つけることは、大きな産業的関心の活発な研究課題である。
本論文では, カルーセル設定のオフライン評価プロトコルを提案し, モデルの推奨品質を, すでに利用可能なカルーセルのセットでどれだけ改善するかによって測定する。
論文 参考訳（メタデータ） (2021-05-13T13:14:59Z) - PreSizE: Predicting Size in E-Commerce using Transformers [76.33790223551074]
PreSizEは、Transformerを使って正確なサイズ予測を行う新しいディープラーニングフレームワークである。
我々は,PreSizEが従来の最先端のベースラインよりも優れた予測性能を実現できることを示した。
概念実証として、PreSizEによるサイズ予測が、既存の生産推奨システムに統合できることを実証しています。
論文 参考訳（メタデータ） (2021-05-04T15:23:59Z) - Variational Inference for Category Recommendation in E-Commerce
platforms [10.64460581091531]
eコマースプラットフォーム上のユーザのカテゴリレコメンデーションは、Webサイトのトラフィックの流れを規定する上で重要なタスクである。
したがって、利用者がプラットフォームを旅するのを助け、新しいカテゴリーの発見を支援するために、正確で多様なカテゴリーの推奨事項を提示することが重要である。
論文 参考訳（メタデータ） (2021-04-15T20:09:20Z) - Learning Transferrable Parameters for Long-tailed Sequential User
Behavior Modeling [70.64257515361972]
テールユーザに注力することで、より多くのメリットをもたらし、長いテールの問題に対処できる、と私たちは主張しています。
具体的には、頭部から尾部への知識伝達を容易にするために、勾配アライメントを提案し、敵のトレーニングスキームを採用する。
論文 参考訳（メタデータ） (2020-10-22T03:12:02Z)
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。