論文の概要: Towards Revenue Maximization with Popular and Profitable Products

• arxiv url: http://arxiv.org/abs/2202.13041v1
• Date: Sat, 26 Feb 2022 02:07:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 16:48:35.090719
• Title: Towards Revenue Maximization with Popular and Profitable Products
• Title（参考訳）: 人気商品と収益の最大化に向けて
• Authors: Wensheng Gan, Guoting Chen, Hongzhi Yin, Philippe Fournier-Viger, Chien-Ming Chen, and Philip S. Yu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 69.21810902381009
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Economic-wise, a common goal for companies conducting marketing is to maximize the return revenue/profit by utilizing the various effective marketing strategies. Consumer behavior is crucially important in economy and targeted marketing, in which behavioral economics can provide valuable insights to identify the biases and profit from customers. Finding credible and reliable information on products' profitability is, however, quite difficult since most products tends to peak at certain times w.r.t. seasonal sales cycle in a year. On-Shelf Availability (OSA) plays a key factor for performance evaluation. Besides, staying ahead of hot product trends means we can increase marketing efforts without selling out the inventory. To fulfill this gap, in this paper, we first propose a general profit-oriented framework to address the problem of revenue maximization based on economic behavior, and compute the 0n-shelf Popular and most Profitable Products (OPPPs) for the targeted marketing. To tackle the revenue maximization problem, we model the k-satisfiable product concept and propose an algorithmic framework for searching OPPP and its variants. Extensive experiments are conducted on several real-world datasets to evaluate the effectiveness and efficiency of the proposed algorithm.
• Abstract（参考訳）: 経済面では、マーケティングを行う企業にとって共通の目標は、様々な効果的なマーケティング戦略を利用して収益/利益を最大化することである。 消費者行動は、行動経済学が顧客からのバイアスと利益を識別するための貴重な洞察を提供する経済とターゲットマーケティングにおいて極めて重要である。 しかし、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、ほとんどの製品は1年で季節的な販売サイクルの一定時期にピークを迎える傾向があるため、非常に難しい。 オン・シェルフ・アベイラビリティ(OSA)はパフォーマンス評価の重要な要素である。 さらに、ホットな製品トレンドに先んじることによって、在庫を売却することなくマーケティング努力を拡大できる。 そこで本稿では,まず,経済行動に基づく収益最大化の問題に対処し,ターゲットマーケティングのために,0n-shelf popular and most profit products (oppps) を計算し,利益志向の枠組みを提案する。 収益最大化問題に対処するため、我々はk-satisable productの概念をモデル化し、OPPPとその変種を探索するアルゴリズムフレームワークを提案する。 提案アルゴリズムの有効性と効率を評価するために,複数の実世界のデータセットを用いて大規模な実験を行った。

関連論文リスト

• 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)
• An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories [10.353243563465124]
  我々は,データ駆動型楽観的二元性在庫最適化(BIO)戦略を新たに導入する。 我々の実験は、在庫管理に対する従来のアプローチを再考することで、大きな利益が得られることを示している。
  論文  参考訳（メタデータ） (2023-10-17T23:10:57Z)
• 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)
• How causal machine learning can leverage marketing strategies: Assessing and improving the performance of a coupon campaign [0.0]
  本研究では、マーケティング介入、すなわちクーポンキャンペーンの因果効果が小売企業の販売に与える影響を評価するために因果機械学習アルゴリズムを適用した。 本研究は,ビジネス分析における因果機械学習の適用事例を提供する。
  論文  参考訳（メタデータ） (2022-04-22T16:58:29Z)
• Exploring Customer Price Preference and Product Profit Role in Recommender Systems [0.4724825031148411]
  我々は,レコメンデーションシステムの利益意識を操作する効果を示す。 本稿では,スコアベースのレコメンデータシステムにおいて,予測ランキングの調整を提案する。 実験では、精度と生成したレコメンデーションの利益の両方を改善する能力を示す。
  論文  参考訳（メタデータ） (2022-03-13T12:08:06Z)
• Sequential Information Design: Markov Persuasion Process and Its Efficient Reinforcement Learning [156.5667417159582]
  本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。 MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。 我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
  論文  参考訳（メタデータ） (2022-02-22T05:41:43Z)
• Estimating Fund-Raising Performance for Start-up Projects from a Market Graph Perspective [58.353799280109904]
  市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。 具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T02:39:30Z)
• Offer Personalization using Temporal Convolution Network and Optimization [0.0]
  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。
  論文  参考訳（メタデータ） (2020-10-14T10:59:34Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)
• Heterogeneous Causal Learning for Effectiveness Optimization in User Marketing [2.752817022620644]
  本稿では,ユーザマーケティングのための処理効果最適化手法を提案する。 このアルゴリズムは過去の実験から学習し、ユーザ選択に対するコスト効率の最適化に新しい最適化手法を利用する。 提案手法は,先行技術およびベースライン法において,最良性能の手法と比較して24.6%性能が向上した。
  論文  参考訳（メタデータ） (2020-04-21T01:34:34Z)

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。