論文の概要: Finding Lookalike Customers for E-Commerce Marketing
- arxiv url: http://arxiv.org/abs/2301.03147v1
- Date: Mon, 9 Jan 2023 02:18:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 16:13:10.233039
- Title: Finding Lookalike Customers for E-Commerce Marketing
- Title(参考訳): 電子商取引マーケティングにおける外見的な顧客発見
- Authors: Yang Peng, Changzheng Liu, Wei Shen
- Abstract要約: マーケティングキャンペーンのターゲット層を拡大するスケーラブルで効率的なシステムを提案する。
深層学習に基づく埋め込みモデルを用いて顧客を表現し、近隣の検索手法を用いて興味のある顧客を素早く見つける。
- 参考スコア(独自算出の注目度): 5.2300714255564795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Customer-centric marketing campaigns generate a large portion of e-commerce
website traffic for Walmart. As the scale of customer data grows larger,
expanding the marketing audience to reach more customers is becoming more
critical for e-commerce companies to drive business growth and bring more value
to customers. In this paper, we present a scalable and efficient system to
expand targeted audience of marketing campaigns, which can handle hundreds of
millions of customers. We use a deep learning based embedding model to
represent customers and an approximate nearest neighbor search method to
quickly find lookalike customers of interest. The model can deal with various
business interests by constructing interpretable and meaningful customer
similarity metrics. We conduct extensive experiments to demonstrate the great
performance of our system and customer embedding model.
- Abstract(参考訳): 顧客中心のマーケティングキャンペーンは、walmartのeコマースウェブサイトのトラフィックの大部分を生み出している。
顧客データの規模が大きくなるにつれて、より多くの顧客にリーチするためのマーケティングのオーディエンスの拡大は、eコマース企業にとってビジネスの成長を促進し、顧客により多くの価値をもたらすことがますます重要になっている。
本稿では,数億人の顧客に対応可能な,ターゲットとするマーケティングキャンペーンのオーディエンスを拡大するための,スケーラブルで効率的なシステムを提案する。
深層学習に基づく埋め込みモデルを用いて顧客を表現し、近隣の検索手法を用いて興味のある顧客を素早く見つける。
このモデルは、解釈可能で意味のある顧客類似度メトリクスを構築することで、さまざまなビジネス上の関心事を扱うことができる。
システムと顧客埋め込みモデルの優れた性能を実証するために、広範な実験を行う。
関連論文リスト
- A BERT based Ensemble Approach for Sentiment Classification of Customer
Reviews and its Application to Nudge Marketing in e-Commerce [2.2120851074630177]
製品レビューは顧客の信頼と忠誠を改善します。
ナッジマーケティング(Nudge marketing)は、Eコマース企業が顧客をためらわずにより良い判断を下すための微妙な方法だ。
論文 参考訳(メタデータ) (2023-11-16T14:18:24Z) - Leveraging Large Language Models for Enhanced Product Descriptions in
eCommerce [6.318353155416729]
本稿では,LAMA 2.0 7B言語モデルを用いた製品記述生成の自動化手法を提案する。
私たちはこのモデルを、最大のeコマースプラットフォームの1つであるWalmartの真正な製品記述のデータセットでトレーニングします。
以上の結果から,システムはスケーラブルであるだけでなく,製品記述作成に関わる人的負担を大幅に削減することが明らかとなった。
論文 参考訳(メタデータ) (2023-10-24T00:55:14Z) - Exploring 360-Degree View of Customers for Lookalike Modeling [3.264007084815591]
そこで我々は,楽天グループの顧客ターゲットを改善するために,顧客行動や,異なるプラットフォーム上での購入行動,顧客の忠誠行動,ルックアライクなモデルを構築する,新たな枠組みを提案する。
論文 参考訳(メタデータ) (2023-04-17T14:01:12Z) - Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。
実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
論文 参考訳(メタデータ) (2022-07-25T14:37:18Z) - 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) - Robust Quantity-Aware Aggregation for Federated Learning [72.59915691824624]
悪意のあるクライアントは、モデル更新を害し、モデルアグリゲーションにおけるモデル更新の影響を増幅するために大量の要求を行う。
FLの既存の防御メソッドは、悪意のあるモデル更新を処理する一方で、すべての量の良性を扱うか、単にすべてのクライアントの量を無視/停止するだけである。
本稿では,フェデレーション学習のためのロバストな量認識アグリゲーションアルゴリズムであるFedRAを提案し,局所的なデータ量を認識してアグリゲーションを行う。
論文 参考訳(メタデータ) (2022-05-22T15:13:23Z) - 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) - 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) - Aggregated Customer Engagement Model [0.571097144710995]
Eコマースウェブサイトは、機械学習によるランキングモデルを使用して、顧客に対してショッピング結果を提供する。
新規または過小評価された製品は、十分な顧客エンゲージメント信号を持っておらず、人気製品に並ぶと不利になる。
本稿では,1日以内にすべての顧客エンゲージメントを集約し,同じクエリを入力トレーニングデータとして使用する新しいデータキュレーション手法を提案する。
論文 参考訳(メタデータ) (2021-08-17T20:58:10Z) - SoMin.ai: Personality-Driven Content Generation Platform [60.49416044866648]
世界初のパーソナリティ駆動型マーケティングコンテンツ生成プラットフォームであるSoMin.aiを紹介します。
このプラットフォームは、ディープ・マルチビュー・パーソナリティ・プロファイリング・フレームワークと、スタイル・ジェネレーティブ・敵ネットワークを組み合わせている。
ソーシャルネットワーキングのユーザエクスペリエンスの向上や、コンテンツマーケティングのルーチンに使用できる。
論文 参考訳(メタデータ) (2020-11-30T08:33:39Z) - Dynamically Tie the Right Offer to the Right Customer in
Telecommunications Industry [0.0]
本研究は,顧客ターゲットのキャンペーン依存変数に着目した概念モデルを提案する。
この研究の顧客セグメンテーションの結果は、マーケターにとってより意味があり、関連性があるかもしれない。
論文 参考訳(メタデータ) (2020-10-18T16:44:51Z)
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。