Fugu-MT 論文翻訳(概要): Hierarchical Capsule Prediction Network for Marketing Campaigns Effect

論文の概要: Hierarchical Capsule Prediction Network for Marketing Campaigns Effect

arxiv url: http://arxiv.org/abs/2208.10113v1
Date: Mon, 22 Aug 2022 07:39:50 GMT
ステータス: 処理完了
システム内更新日: 2022-08-23 12:35:08.520598
Title: Hierarchical Capsule Prediction Network for Marketing Campaigns Effect
Title（参考訳）: マーケティングキャンペーン効果のための階層型カプセル予測ネットワーク
Authors: Zhixuan Chu, Hui Ding, Guang Zeng, Yuchen Huang, Tan Yan, Yulin Kang, Sheng Li
Abstract要約: 実際の産業シナリオにおけるマーケティングキャンペーンの効果予測は非常に複雑で難しい。本稿では,その効果予測タスクに係わるパースツリーのような構造を詳細に解析する。さらに,マーケティングキャンペーンの効果を予測する階層型カプセル予測ネットワーク(HapNet)を構築した。
参考スコア（独自算出の注目度）: 8.925783896679267
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Marketing campaigns are a set of strategic activities that can promote a business's goal. The effect prediction for marketing campaigns in a real industrial scenario is very complex and challenging due to the fact that prior knowledge is often learned from observation data, without any intervention for the marketing campaign. Furthermore, each subject is always under the interference of several marketing campaigns simultaneously. Therefore, we cannot easily parse and evaluate the effect of a single marketing campaign. To the best of our knowledge, there are currently no effective methodologies to solve such a problem, i.e., modeling an individual-level prediction task based on a hierarchical structure with multiple intertwined events. In this paper, we provide an in-depth analysis of the underlying parse tree-like structure involved in the effect prediction task and we further establish a Hierarchical Capsule Prediction Network (HapNet) for predicting the effects of marketing campaigns. Extensive results based on both the synthetic data and real data demonstrate the superiority of our model over the state-of-the-art methods and show remarkable practicability in real industrial applications.
Abstract（参考訳）: マーケティングキャンペーン(英: Marketing campaigns)は、ビジネスの目標を推進できる戦略的な活動の集合である。実際の産業シナリオにおけるマーケティングキャンペーンの効果予測は非常に複雑であり、マーケティングキャンペーンに介入することなく、事前知識が観察データからしばしば学習されるという事実から困難である。さらに、各科目は常に複数のマーケティングキャンペーンの干渉を受けている。したがって,単一マーケティングキャンペーンの効果を解析し,評価することは容易ではない。我々の知る限り、このような問題を解決する効果的な手法は今のところ存在しない。つまり、複数のイベントが絡み合った階層構造に基づく個人レベルの予測タスクをモデル化する。本稿では,効果予測タスクにかかわるパースツリー状構造の詳細な分析を行い,さらに,マーケティングキャンペーンの効果を予測する階層的カプセル予測ネットワーク(hapnet)を確立する。合成データと実データの両方に基づく広範な結果は,最先端手法よりもモデルが優れていることを示し,実産業応用において顕著な実用性を示す。

関連論文リスト

Enhancing Uplift Modeling in Multi-Treatment Marketing Campaigns: Leveraging Score Ranking and Calibration Techniques [1.9994596429890592]
昇降モデリングは、特定のマーケティングキャンペーンに対してポジティブに反応する可能性のある個人を選択することで、マーケティング戦略の最適化に不可欠である。本稿では, スコアランキングとキャリブレーション技術を活用して, マルチトリートキャンペーンにおけるアップリフトモデリングの新たなアプローチを提案する。
論文参考訳（メタデータ） (2024-08-24T17:10:59Z)
Uniting contrastive and generative learning for event sequences models [51.547576949425604]
本研究では,2つの自己指導型学習手法 – 例えば,コントラスト学習と,潜在空間におけるマスクイベントの復元に基づく生成的アプローチ – の統合について検討する。いくつかの公開データセットで行った実験は、シーケンス分類と次点型予測に焦点を合わせ、統合された手法が個々の手法と比較して優れた性能を達成することを示した。
論文参考訳（メタデータ） (2024-08-19T13:47:17Z)
SOMONITOR: Explainable Marketing Data Processing and Analysis with Large Language Models [43.28262218695844]
説明可能なAIフレームワークであるSoMonitorを紹介します。 SoMonitorは、人間の直感とAIベースの効率の相乗効果を目指している。マーケティングのあらゆる段階におけるマーケターを助ける。
論文参考訳（メタデータ） (2024-07-18T02:55:52Z)
F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文参考訳（メタデータ） (2024-06-23T21:28:50Z)
Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文参考訳（メタデータ） (2022-08-20T07:33:13Z)
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)
A Unified Framework for Campaign Performance Forecasting in Online Display Advertising [9.005665883444902]
解釈可能で正確な結果により、広告主はキャンペーン基準を管理し、最適化することができる。新しいフレームワークは、様々な入札型の下で履歴ログのキャンペーンパフォーマンスを統一的なリプレイアルゴリズムで再現する。手法は、関連する予測指標間の混合キャリブレーションパターンをキャプチャして、推定結果を真にマッピングする。
論文参考訳（メタデータ） (2022-02-24T03:04:29Z)
Data-Driven Market Segmentation in Hospitality Using Unsupervised Machine Learning [0.0]
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。
論文参考訳（メタデータ） (2021-11-04T13:21:15Z)
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)
Just Label What You Need: Fine-Grained Active Selection for Perception and Prediction through Partially Labeled Scenes [78.23907801786827]
提案手法は,コストに配慮した手法と,部分的にラベル付けされたシーンを通じて詳細なサンプル選択を可能にする一般化を導入している。実世界の大規模自動運転データセットに関する我々の実験は、微粒な選択が知覚、予測、下流計画タスクのパフォーマンスを向上させることを示唆している。
論文参考訳（メタデータ） (2021-04-08T17:57:41Z)
Unsupervised and Interpretable Domain Adaptation to Rapidly Filter Tweets for Emergency Services [18.57009530004948]
本稿では,TRECインシデントストリームの公開データセットを用いて,危機時に関連するツイートを分類する新しい手法を提案する。私たちは各タスクに専用の注意層を使用して、モデル解釈可能性を提供しています。新型コロナウイルスのパンデミックに対するユースケースを提供することで、我々の仕事の実践的な意味を示す。
論文参考訳（メタデータ） (2020-03-04T06:40:14Z)

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。