論文の概要: A State Transition Model for Mobile Notifications via Survival Analysis

• arxiv url: http://arxiv.org/abs/2207.03099v1
• Date: Thu, 7 Jul 2022 05:38:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-08 12:47:12.251013
• Title: A State Transition Model for Mobile Notifications via Survival Analysis
• Title（参考訳）: 生存分析によるモバイル通知の状態遷移モデル
• Authors: Yiping Yuan, Jing Zhang, Shaunak Chatterjee, Shipeng Yu, Romer Rosales
• Abstract要約: 通知の有効性を定量的に評価する状態遷移フレームワークを提案する。 ログ線形構造とワイブル分布を仮定したバッジ通知のサバイバルモデルを構築した。 この結果は,ロジスティック回帰モデルよりもアプリケーションの柔軟性が高く,予測精度が優れていることを示す。
• 参考スコア（独自算出の注目度）: 10.638942431625381
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile notifications have become a major communication channel for social networking services to keep users informed and engaged. As more mobile applications push notifications to users, they constantly face decisions on what to send, when and how. A lack of research and methodology commonly leads to heuristic decision making. Many notifications arrive at an inappropriate moment or introduce too many interruptions, failing to provide value to users and spurring users' complaints. In this paper we explore unique features of interactions between mobile notifications and user engagement. We propose a state transition framework to quantitatively evaluate the effectiveness of notifications. Within this framework, we develop a survival model for badging notifications assuming a log-linear structure and a Weibull distribution. Our results show that this model achieves more flexibility for applications and superior prediction accuracy than a logistic regression model. In particular, we provide an online use case on notification delivery time optimization to show how we make better decisions, drive more user engagement, and provide more value to users.
• Abstract（参考訳）: モバイル通知は、ユーザーの情報とエンゲージメントを維持するソーシャルネットワーキングサービスにとって、主要なコミュニケーションチャネルとなっている。 より多くのモバイルアプリがユーザに通知をプッシュするようになると、彼らは送信、時期、方法に関する意思決定に常に直面するようになる。 研究と方法論の欠如は、一般的にヒューリスティックな意思決定につながる。 多くの通知が不適切なタイミングに届きすぎるか、割り込みが多すぎるため、ユーザに価値を提供しず、ユーザの不満を喚起する。 本稿では,モバイル通知とユーザエンゲージメントの相互作用の特徴について考察する。 通知の有効性を定量的に評価する状態遷移フレームワークを提案する。 本研究では,ログ線形構造とWeibull分布を仮定して,バッジ通知のサバイバルモデルを構築した。 この結果は,ロジスティック回帰モデルよりもアプリケーションの柔軟性が高く,予測精度が優れていることを示す。 特に、通知配信時間の最適化に関するオンラインのユースケースを提供し、よりよい意思決定方法を示し、ユーザエンゲージメントを高め、ユーザにより多くの価値を提供する。

関連論文リスト

• TIM: Temporal Interaction Model in Notification System [6.377444652197526]
  本稿では,短時間のビデオアプリケーションKuaishouにおいて,CTRを1日ごとの時間帯で推定することにより,ユーザの行動パターンをモデル化するTIMを提案する。 TIMはユーザ行動を予測するための信頼性の高いツールであり,不適切な障害を引き起こすことなく,ユーザのエンゲージメントを著しく向上させる。
  論文  参考訳（メタデータ） (2024-06-11T08:53:15Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• Multi-objective Optimization of Notifications Using Offline Reinforcement Learning [1.2303635283131926]
  我々はマルコフ決定過程として準リアルタイム通知決定問題を定式化する。 逐次通知決定を最適化するエンドツーエンドのオフライン強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-07T00:53:08Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Should I send this notification? Optimizing push notifications decision making by modeling the future [4.476351684070796]
  最も推奨されるシステムは、ユーザの即時応答に基づいて最適化されるミオピック(myopic)である。 これは、長期的なユーザ満足度の作成など、真の目標と誤解する可能性がある。 この作業では,特に推奨システム決定の長期的な影響が強いモバイルプッシュ通知に重点を置いています。
  論文  参考訳（メタデータ） (2022-02-17T18:27:17Z)
• Offline Reinforcement Learning for Mobile Notifications [1.965345368500676]
  モバイル通知システムは、オンラインプラットフォームにおけるユーザエンゲージメントの推進と維持において重要な役割を担っている。 通知システムにおけるほとんどの機械学習アプリケーションは、応答予測モデルを中心に構築されている。 我々は、強化学習は、パフォーマンスとイテレーションのスピードの観点から、通知システムにとってより良いフレームワークであると主張する。
  論文  参考訳（メタデータ） (2022-02-04T22:22:22Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)
• A Snooze-less User-Aware Notification System for Proactive Conversational Agents [6.4378876455245235]
  通知をインテリジェントに発行し、抑制し、集約するアラートおよび通知フレームワークを提案する。 私たちのフレームワークはバックエンドサービスとしてデプロイできますが、アクティブな会話エージェントに統合するのに適しています。
  論文  参考訳（メタデータ） (2020-03-04T14:31:21Z)

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。