論文の概要: Data-Driven Market Segmentation in Hospitality Using Unsupervised Machine Learning

• arxiv url: http://arxiv.org/abs/2111.02848v1
• Date: Thu, 4 Nov 2021 13:21:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-05 15:27:41.391922
• Title: Data-Driven Market Segmentation in Hospitality Using Unsupervised Machine Learning
• Title（参考訳）: 教師なし機械学習を用いたホスピタリティにおけるデータ駆動市場セグメンテーション
• Authors: Rik van Leeuwen and Ger Koole
• Abstract要約: この研究は、階層的クラスタリングによってゲストプロファイルをセグメント化することで、データ駆動型アプローチを提供する。 本研究の目的は、生データから実行可能な洞察まで、プロセスのステップを提供することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Within hospitality, marketing departments use segmentation to create tailored strategies to ensure personalized marketing. This study provides a data-driven approach by segmenting guest profiles via hierarchical clustering, based on an extensive set of features. The industry requires understandable outcomes that contribute to adaptability for marketing departments to make data-driven decisions and ultimately driving profit. A marketing department specified a business question that guides the unsupervised machine learning algorithm. Features of guests change over time; therefore, there is a probability that guests transition from one segment to another. The purpose of the study is to provide steps in the process from raw data to actionable insights, which serve as a guideline for how hospitality companies can adopt an algorithmic approach.
• Abstract（参考訳）: ホスピタリティの中では、マーケティング部門はセグメンテーションを使用して、パーソナライズされたマーケティングを保証するように調整された戦略を作成する。 本研究は,広範な機能セットに基づいて,階層的クラスタリングによるゲストプロファイルのセグメント化によるデータ駆動アプローチを提供する。 業界は、データ主導の意思決定を行い、最終的に利益を上げるために、マーケティング部門の適応性に寄与する理解可能な成果を必要とします。 マーケティング部門は、教師なし機械学習アルゴリズムを導くビジネス質問を指定した。 ゲストの特徴は時間とともに変化するため、ゲストがあるセグメントから別のセグメントに遷移する可能性はある。 この研究の目的は、生データからアクション可能な洞察へのプロセスのステップを提供することであり、ホスピタリティ企業がアルゴリズム的アプローチを採用するためのガイドラインとなる。

関連論文リスト

• Sports center customer segmentation: a case study [0.4427312315598971]
  この調査は顧客セグメンテーションの健全な提案につながった。 この提案のハイライトは、問題を分解する便利なデータ分割、適応距離関数の定義、遺伝的アルゴリズムによる最適化である。
  論文  参考訳（メタデータ） (2024-05-23T22:05:04Z)
• An explainable machine learning-based approach for analyzing customers' online data to identify the importance of product attributes [0.6437284704257459]
  本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。 提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
  論文  参考訳（メタデータ） (2024-02-03T20:50:48Z)
• Universal Segmentation at Arbitrary Granularity with Language Instruction [59.76130089644841]
  言語命令のガイダンスを用いて任意の意味レベルでセグメンテーションを行うことができるユニバーサルセグメンテーションモデルUniLSegを提案する。 UniLSegをトレーニングするために、元の多様な分布から統一されたデータ形式にタスク群を再構成し、セグメンテーションターゲットを入力として記述したテキストと対応するマスクを出力する。
  論文  参考訳（メタデータ） (2023-12-04T04:47:48Z)
• Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
  まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。 次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。 提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-11-22T22:15:17Z)
• A Semi-supervised Approach for Activity Recognition from Indoor Trajectory Data [0.822021749810331]
  協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。 本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。 セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
  論文  参考訳（メタデータ） (2023-01-09T01:20:50Z)
• A Survey on Label-efficient Deep Segmentation: Bridging the Gap between Weak Supervision and Dense Prediction [115.9169213834476]
  本稿では,ラベル効率の高いセグメンテーション手法について概説する。 まず,様々な種類の弱いラベルによって提供される監督に従って,これらの手法を整理する分類法を開発する。 次に,既存のラベル効率のセグメンテーション手法を統一的な視点から要約する。
  論文  参考訳（メタデータ） (2022-07-04T06:21:01Z)
• Learning from Heterogeneous Data Based on Social Interactions over Graphs [58.34060409467834]
  本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
  論文  参考訳（メタデータ） (2021-12-17T12:47:18Z)
• OSOUM Framework for Trading Data Research [79.0383470835073]
  私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。 我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。 データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
  論文  参考訳（メタデータ） (2021-02-18T09:20:26Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Dynamically Tie the Right Offer to the Right Customer in Telecommunications Industry [0.0]
  本研究は,顧客ターゲットのキャンペーン依存変数に着目した概念モデルを提案する。 この研究の顧客セグメンテーションの結果は、マーケターにとってより意味があり、関連性があるかもしれない。
  論文  参考訳（メタデータ） (2020-10-18T16:44:51Z)
• Relation-aware Meta-learning for Market Segment Demand Prediction with Limited Records [40.33535461064516]
  本稿では,メタラーニングパラダイムを備えたマルチパターン融合ネットワーク(MPFN)を組み込む新しいアルゴリズムRMLDPを提案する。 2つの大規模産業データセットについて広範な実験を行った。 その結果、我々のRMLDPは最先端のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-08-01T06:02:16Z)

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。