論文の概要: Time Series Clustering for Grouping Products Based on Price and Sales
Patterns
- arxiv url: http://arxiv.org/abs/2204.08334v1
- Date: Mon, 18 Apr 2022 14:24:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-19 18:17:40.163362
- Title: Time Series Clustering for Grouping Products Based on Price and Sales
Patterns
- Title(参考訳): 価格と販売パターンに基づくグループ化製品の時系列クラスタリング
- Authors: Aysun Bozanta, Sean Berry, Mucahit Cevik, Beste Bulut, Deniz Yigit,
Fahrettin F. Gonen, and Ay\c{s}e Ba\c{s}ar
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.3518016233072556
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing technology and changing lifestyles have made online grocery
delivery applications an indispensable part of urban life. Since the beginning
of the COVID-19 pandemic, the demand for such applications has dramatically
increased, creating new competitors that disrupt the market. An increasing
level of competition might prompt companies to frequently restructure their
marketing and product pricing strategies. Therefore, identifying the change
patterns in product prices and sales volumes would provide a competitive
advantage for the companies in the marketplace. In this paper, we investigate
alternative clustering methodologies to group the products based on the price
patterns and sales volumes. We propose a novel distance metric that takes into
account how product prices and sales move together rather than calculating the
distance using numerical values. We compare our approach with traditional
clustering algorithms, which typically rely on generic distance metrics such as
Euclidean distance, and image clustering approaches that aim to group data by
capturing its visual patterns. We evaluate the performances of different
clustering algorithms using our custom evaluation metric as well as Calinski
Harabasz and Davies Bouldin indices, which are commonly used internal validity
metrics. We conduct our numerical study using a propriety price dataset from an
online food and grocery delivery company, and the publicly available Favorita
sales dataset. We find that our proposed clustering approach and image
clustering both perform well for finding the products with similar price and
sales patterns within large datasets.
- Abstract(参考訳): テクノロジーの開発とライフスタイルの変化により、オンライン食料品配達アプリケーションは都市生活に欠かせない部分となっている。
新型コロナウイルス(covid-19)パンデミックの開始以来、こうしたアプリケーションに対する需要は劇的に増加し、市場を混乱させる新たな競争相手を生み出している。
競争のレベルが高まると、企業はマーケティングや製品価格の戦略を頻繁に再構築することになる。
したがって、製品価格や販売量の変化パターンを特定することは、市場における企業にとって競争上の優位性となるだろう。
本稿では,価格パターンと販売量に基づいて商品をグループ化する代替クラスタリング手法について検討する。
本稿では,数値を用いて距離を計算するのではなく,商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。
従来のクラスタリングアルゴリズムは、ユークリッド距離のような一般的な距離のメトリクスと、その視覚パターンをキャプチャしてデータをグループ化するイメージクラスタリングアプローチに依存しています。
内部妥当性指標として一般的に用いられるCalinski Harabasz,Davies Bouldinの指標と同様に,我々のカスタム評価指標を用いてクラスタリングアルゴリズムの性能を評価する。
本研究は,オンライン食品・食料品宅配企業の小売価格データセットと,市販のFavorita販売データセットを用いて数値調査を行う。
提案するクラスタリングアプローチとイメージクラスタリングはいずれも,大規模データセット内の価格や販売パターンの類似した製品を見つける上で有効であることが分かりました。
関連論文リスト
- An Exploration of Clustering Algorithms for Customer Segmentation in the
UK Retail Market [0.0]
我々は,小売市場における意思決定プロセスを改善するための顧客セグメンテーションモデルの開発を目指している。
これを実現するために、UCI機械学習レポジトリから得られたイギリスのオンライン小売データセットを使用しました。
その結果、GMMは他のアプローチよりも優れており、シルエットスコアは0.80である。
論文 参考訳(メタデータ) (2024-02-06T15:58:14Z) - Overview of the TREC 2023 Product Product Search Track [70.56592126043546]
今年はTREC製品サーチトラックの最初の年だ。
焦点は再利用可能なコレクションの作成であった。
我々は、コンテキストメタデータを含む新しい製品検索コーパスを活用している。
論文 参考訳(メタデータ) (2023-11-14T02:25:18Z) - Improved Sales Forecasting using Trend and Seasonality Decomposition
with LightGBM [9.788039182463768]
時系列上での傾向と季節成分のユニークな影響を示すための新しい尺度を提案する。
実験の結果,提案手法は精度を向上できることがわかった。
論文 参考訳(メタデータ) (2023-05-26T18:49:42Z) - Learning Consumer Preferences from Bundle Sales Data [2.6899658723618005]
本稿では,バンドル販売データを用いて消費者の商品に対する評価値の分布を学習するためのアプローチを提案する。
EMアルゴリズムとモンテカルロシミュレーションを用いて,消費者評価の分布を復元する。
論文 参考訳(メタデータ) (2022-09-11T21:42:49Z) - Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product
Retrieval [152.3504607706575]
本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。
まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。
我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
論文 参考訳(メタデータ) (2022-06-17T15:40:45Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳(メタデータ) (2022-04-16T12:03:52Z) - 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) - Topology-based Clusterwise Regression for User Segmentation and Demand
Forecasting [63.78344280962136]
本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。
本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
論文 参考訳(メタデータ) (2020-09-08T12:10:10Z) - LSD-C: Linearly Separable Deep Clusters [145.89790963544314]
ラベルなしデータセットのクラスタを識別する新しい手法であるLSD-Cを提案する。
本手法は,最近の半教師付き学習の実践からインスピレーションを得て,クラスタリングアルゴリズムと自己教師付き事前学習と強力なデータ拡張を組み合わせることを提案する。
CIFAR 10/100, STL 10, MNIST, および文書分類データセットReuters 10Kなど, 一般的な公開画像ベンチマークにおいて, 当社のアプローチが競合より大幅に優れていたことを示す。
論文 参考訳(メタデータ) (2020-06-17T17:58:10Z) - Scalable bundling via dense product embeddings [1.933681537640272]
バンドルとは,2つ以上の製品をディスカウントで共同販売するプラクティスである。
我々は,大規模なクロスカテゴリ小売環境でバンドルを設計するための,機械学習による新しい手法を開発した。
埋め込みベースの製品は、バンドルの成功の強力な予測要因であり、製品全体にわたって堅牢であり、小売業者全体の構成によく当てはまります。
論文 参考訳(メタデータ) (2020-01-31T23:34:56Z) - Counterfactual Inference for Consumer Choice Across Many Product
Categories [6.347014958509367]
我々は,行列因数分解の確率論的モデルに基づく機械学習文献に基づく手法を構築した。
我々のモデルは、それぞれのカテゴリを独立して考える従来のモデリングアプローチよりも改善されていることを示す。
保持データを用いて、当社のモデルは、ある製品に対して最も価格に敏感な消費者を正確に識別できることを示す。
論文 参考訳(メタデータ) (2019-06-06T15:11:01Z)
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。