論文の概要: A Hybrid Statistical-Machine Learning Approach for Analysing Online Customer Behavior: An Empirical Study

• arxiv url: http://arxiv.org/abs/2212.02255v1
• Date: Thu, 1 Dec 2022 19:37:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-12-06 19:21:49.327722
• Title: A Hybrid Statistical-Machine Learning Approach for Analysing Online Customer Behavior: An Empirical Study
• Title（参考訳）: オンライン顧客行動分析のためのハイブリッド統計的・機械学習アプローチ:実証的研究
• Authors: Saed Alizami, Kasun Bandara, Ali Eshragh, Foaad Iravani
• Abstract要約: 我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。 以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。 特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
• 参考スコア（独自算出の注目度）: 2.126171264016785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We apply classical statistical methods in conjunction with the state-of-the-art machine learning techniques to develop a hybrid interpretable model to analyse 454,897 online customers' behavior for a particular product category at the largest online retailer in China, that is JD. While most mere machine learning methods are plagued by the lack of interpretability in practice, our novel hybrid approach will address this practical issue by generating explainable output. This analysis involves identifying what features and characteristics have the most significant impact on customers' purchase behavior, thereby enabling us to predict future sales with a high level of accuracy, and identify the most impactful variables. Our results reveal that customers' product choice is insensitive to the promised delivery time, but this factor significantly impacts customers' order quantity. We also show that the effectiveness of various discounting methods depends on the specific product and the discount size. We identify product classes for which certain discounting approaches are more effective and provide recommendations on better use of different discounting tools. Customers' choice behavior across different product classes is mostly driven by price, and to a lesser extent, by customer demographics. The former finding asks for exercising care in deciding when and how much discount should be offered, whereas the latter identifies opportunities for personalized ads and targeted marketing. Further, to curb customers' batch ordering behavior and avoid the undesirable Bullwhip effect, JD should improve its logistics to ensure faster delivery of orders.
• Abstract（参考訳）: 従来の統計的手法を最先端の機械学習技術と組み合わせて、中国最大のオンライン小売店であるJDで、特定の商品カテゴリーの顧客454,897の行動分析を行うハイブリッド解釈モデルを開発した。 多くの機械学習手法は、実際には解釈可能性の欠如に悩まされているが、我々の新しいハイブリッドアプローチは、説明可能な出力を生成することで、この問題に対処する。 この分析は、顧客の購入行動に最も大きな影響を与える特徴や特徴を特定することを含み、それによって、高いレベルの精度で将来の販売を予測し、最も影響のある変数を特定できる。 以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。 また, 各種ディスカウント方式の有効性は, 特定の製品とディスカウントサイズに依存することを示した。 特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールのより良い使用を推奨する。 異なる製品クラスにおける顧客の選択行動は、主に価格によって行われ、顧客層によっても少なくなる。 前者は、いつ、どのくらいのディスカウントを提供するべきかを決める際に注意を喚起するが、後者はパーソナライズされた広告とターゲットマーケティングの機会を特定する。 さらに、顧客のバッチ注文動作を抑制し、望ましくないブルホイップ効果を避けるため、jdは注文の迅速な配信を確保するためにロジスティクスを改善しなければならない。

関連論文リスト

• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Diversified Batch Selection for Training Acceleration [68.67164304377732]
  オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。 バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。 DivBS(Diversified Batch Selection)を提案する。
  論文  参考訳（メタデータ） (2024-06-07T12:12:20Z)
• Emulating Full Client Participation: A Long-Term Client Selection Strategy for Federated Learning [48.94952630292219]
  本稿では,クライアントの完全参加によって達成されるパフォーマンスをエミュレートする新しいクライアント選択戦略を提案する。 1ラウンドで、クライアントサブセットとフルクライアントセット間の勾配空間推定誤差を最小化し、クライアントを選択する。 複数ラウンド選択において、類似したデータ分布を持つクライアントが選択される頻度に類似することを保証する、新しい個性制約を導入する。
  論文  参考訳（メタデータ） (2024-05-22T12:27:24Z)
• Unlocking the `Why' of Buying: Introducing a New Dataset and Benchmark for Purchase Reason and Post-Purchase Experience [24.949929747493204]
  本稿では,現代のAIモデルのための新しいタスクとして,購入理由予測を提案する。 まず,ユーザが商品の購入決定を行う理由を実世界から説明するためのデータセットを作成する。 当社のアプローチは,ユーザレビューにおいて,製品購入の背景にある理由と購入後の体験を明確に区別するためにLCMを誘導する。
  論文  参考訳（メタデータ） (2024-02-20T23:04:06Z)
• 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)
• A Causal Perspective on Loan Pricing: Investigating the Impacts of Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
  我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。 本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。 我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
  論文  参考訳（メタデータ） (2023-09-07T14:14:30Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Customer Churn Prediction Model using Explainable Machine Learning [0.0]
  この論文の主な目的は、チャーンする可能性が最も高い潜在的な顧客を予測するのに役立つ、ユニークな顧客チャーン予測モデルを開発することである。 各種木に基づく機械学習手法とアルゴリズムの性能評価と解析を行った。 モデル説明可能性と透明性を改善するため,提案手法では,特徴の組合せについてシェープ値を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T04:45:57Z)
• Price DOES Matter! Modeling Price and Interest Preferences in Session-based Recommendation [55.0391061198924]
  セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。 セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。 セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
  論文  参考訳（メタデータ） (2022-05-09T10:47:15Z)
• Characterization of Frequent Online Shoppers using Statistical Learning with Sparsity [54.26540039514418]
  本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
  論文  参考訳（メタデータ） (2021-11-11T05:36:39Z)
• 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)
• OPAM: Online Purchasing-behavior Analysis using Machine learning [0.8121462458089141]
  本稿では,教師なし・教師なし・半教師付き学習手法を用いた顧客の購買行動分析システムを提案する。 提案システムは,顧客カテゴリやクラスタを特定するために,セッションおよびユーザジャーニーレベルの購買行動を分析する。
  論文  参考訳（メタデータ） (2021-02-02T17:29:52Z)

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。