論文の概要: Business analytics meets artificial intelligence: Assessing the demand
effects of discounts on Swiss train tickets
- arxiv url: http://arxiv.org/abs/2105.01426v1
- Date: Tue, 4 May 2021 11:29:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 16:28:29.588910
- Title: Business analytics meets artificial intelligence: Assessing the demand
effects of discounts on Swiss train tickets
- Title（参考訳）: ビジネス分析が人工知能に到達:スイスの列車チケットに対する割引の需要効果を評価する
- Authors: Martin Huber, Jonas Meier, Hannes Wallimann
- Abstract要約: 「スイス連邦鉄道が発行する列車券、いわゆるスーパーセーバー券に対する割引の需要効果を評価する。」
スーパーセーバーチケットの購入者の調査に基づくサンプルを検討し、購入行動を予測する顧客または旅行関連の特性を調査します。
割引率を1ポイント高めると、常に購入者の間で再スケジュールされた旅行のシェアが0.16ポイント増加します。
- 参考スコア（独自算出の注目度）: 0.12891210250935145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We assess the demand effects of discounts on train tickets issued by the
Swiss Federal Railways, the so-called `supersaver tickets', based on machine
learning, a subfield of artificial intelligence. Considering a survey-based
sample of buyers of supersaver tickets, we investigate which customer- or
trip-related characteristics (including the discount rate) predict buying
behavior, namely: booking a trip otherwise not realized by train, buying a
first- rather than second-class ticket, or rescheduling a trip (e.g.\ away from
rush hours) when being offered a supersaver ticket. Predictive machine learning
suggests that customer's age, demand-related information for a specific
connection (like departure time and utilization), and the discount level permit
forecasting buying behavior to a certain extent. Furthermore, we use causal
machine learning to assess the impact of the discount rate on rescheduling a
trip, which seems relevant in the light of capacity constraints at rush hours.
Assuming that (i) the discount rate is quasi-random conditional on our rich set
of characteristics and (ii) the buying decision increases weakly monotonically
in the discount rate, we identify the discount rate's effect among `always
buyers', who would have traveled even without a discount, based on our survey
that asks about customer behavior in the absence of discounts. We find that on
average, increasing the discount rate by one percentage point increases the
share of rescheduled trips by 0.16 percentage points among always buyers.
Investigating effect heterogeneity across observables suggests that the effects
are higher for leisure travelers and during peak hours when controlling several
other characteristics.
- Abstract（参考訳）: 我々は、人工知能のサブフィールドである機械学習に基づいて、スイス連邦鉄道(swiss federal railways)が発行する「スーパーセーバーチケット」の割引の需要効果を評価する。
スーパーセーバー券の購入者の調査に基づくサンプルを考慮し、スーパーセーバー券の提供時に、客または旅行関連特性(割引率を含む)が、電車で実現しない旅行の予約、二等切符よりも一等切符の購入、または旅行(ラッシュ時から遠ざかるなど)の予約など、購入行動を予測する。
予測機械学習は、顧客の年齢、特定の接続に対する需要関連情報(出発時刻や利用状況など)、ディスカウントレベルが購入行動の予測をある程度許していることを示している。
さらに,ラッシュ時のキャパシティ制約に関係していると思われる旅行のスケジュール変更に対する割引率の影響を,因果機械学習を用いて評価する。
i)割引率が当社の豊富な特質に準ランダムな条件であり、かつ(ii)割引率において購入決定が単調に増加すると仮定すると、ディスカウントのない旅でも行ったであろう「常に買い手」の間で割引率の効果を、割引のない顧客行動について質問する調査に基づいて特定する。
平均値引き率を1ポイント引き上げると、定期購入者のうち、再スケジュールされた旅行のシェアが0.16ポイント上昇することがわかった。
観測対象物間の不均一性を調べることは、レジャー旅行者や、他のいくつかの特性を制御する際のピーク時間における効果が高いことを示唆している。
関連論文リスト
- Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
論文 参考訳（メタデータ） (2024-03-21T14:48:37Z) - A Causal Perspective on Loan Pricing: Investigating the Impacts of
Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。
本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。
我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
論文 参考訳（メタデータ） (2023-09-07T14:14:30Z) - A Hybrid Statistical-Machine Learning Approach for Analysing Online
Customer Behavior: An Empirical Study [2.126171264016785]
我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。
以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。
特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
論文 参考訳（メタデータ） (2022-12-01T19:37:29Z) - Nightly Automobile Claims Prediction from Telematics-Derived Features: A
Multilevel Approach [1.6799377888527685]
本研究は,事故発生直前に発生した旅行の分類を成功させて,その運転者の主張に繋がるリスクの増大期間を特定できるかどうかを検討する。
我々は,事前にクレームを予測できることを示し,さらに,運転者がドライクマイルなどの露出機能を用いてクレームを持つかどうか,計算速度スコアなどの行動特性を用いてトレーニングした者について,XGBoost分類器の受信-演算特性に基づく領域で測定された予測パワーを比較した。
論文 参考訳（メタデータ） (2022-05-10T01:25:10Z) - Sharing Behavior in Ride-hailing Trips: A Machine Learning Inference
Approach [1.9111219197011353]
共有乗車を希望する乗客の意思は、一年を通して27.0%から12.8%へと単調に低下している。
共有の好みの低下は、共有旅行の1マイル当たりのコストの増加と、単独への短い旅行のシフトによるものである。
論文 参考訳（メタデータ） (2022-01-30T01:17:36Z) - 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) - Sanity Checks for Lottery Tickets: Does Your Winning Ticket Really Win
the Jackpot? [90.50740705956638]
主要なDNNアーキテクチャおよび/またはアプリケーションに勝利のチケットが存在するかどうかを明らかにするための具体的な証拠を示す。
学習率や学習エポックといった重要なトレーニングハイパーパラメータは,それぞれ,優勝チケットを特定できるかどうかと高い相関関係があることが判明した。
論文 参考訳（メタデータ） (2021-07-01T01:27:07Z) - Super Tickets in Pre-Trained Language Models: From Model Compression to
Improving Generalization [65.23099004725461]
非常に過度にパラメータ化されたモデルにおいて,このようなチケットのコレクションを「勝利チケット」と呼ぶ。
また, ある圧縮比において, 当選チケットの一般化性能は, 一致しただけでなく, フルモデルを上回ることが確認された。
論文 参考訳（メタデータ） (2021-05-25T15:10:05Z) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳（メタデータ） (2020-12-21T01:01:56Z) - Face to Purchase: Predicting Consumer Choices with Structured Facial and
Behavioral Traits Embedding [53.02059906193556]
消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。
階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。
実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
論文 参考訳（メタデータ） (2020-07-14T06:06:41Z) - A machine learning based heuristic to predict the efficacy of online
sale [0.0]
我々は,どのような商品でも提供される割引の「意義」を定量化する機械学習を提案している。
提案手法は,特徴量と原価に基づいて,割引の意義を定量化することができる。
この手法をSupport Machineを用いてサマーセールデータセットに適用し,91.11%の精度で販売の有効性を予測した。
論文 参考訳（メタデータ） (2020-05-10T09:31:54Z)
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。