論文の概要: Customer Profiling, Segmentation, and Sales Prediction using AI in Direct Marketing

• arxiv url: http://arxiv.org/abs/2302.01786v1
• Date: Fri, 3 Feb 2023 14:45:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 16:01:14.063942
• Title: Customer Profiling, Segmentation, and Sales Prediction using AI in Direct Marketing
• Title（参考訳）: ダイレクトマーケティングにおけるAIを用いた顧客プロファイリング、セグメンテーション、販売予測
• Authors: Mahmoud SalahEldin Kasem, Mohamed Hamada, Islam Taj-Eddin
• Abstract要約: 本稿では,顧客プロファイルシステムを開発するためのデータマイニング前処理手法を提案する。 本研究の主な成果は、顧客プロファイルの作成と商品の販売予測である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In an increasingly customer-centric business environment, effective communication between marketing and senior management is crucial for success. With the rise of globalization and increased competition, utilizing new data mining techniques to identify potential customers is essential for direct marketing efforts. This paper proposes a data mining preprocessing method for developing a customer profiling system to improve sales performance, including customer equity estimation and customer action prediction. The RFM-analysis methodology is used to evaluate client capital and a boosting tree for prediction. The study highlights the importance of customer segmentation methods and algorithms to increase the accuracy of the prediction. The main result of this study is the creation of a customer profile and forecast for the sale of goods.
• Abstract（参考訳）: 顧客中心のビジネス環境では、マーケティングとシニアマネジメントの効果的なコミュニケーションが成功に不可欠です。 グローバリゼーションの台頭と競争の激化により、潜在的な顧客を特定するために新しいデータマイニング技術を活用することが直接マーケティング活動に不可欠である。 本稿では,顧客株価推定や顧客行動予測など,営業実績を向上させる顧客プロファイルシステムの開発のためのデータマイニング前処理手法を提案する。 RFM分析手法は、クライアント資本と予測のためのブースティングツリーを評価するために使用される。 本研究は,予測精度を高めるために,顧客セグメンテーション手法とアルゴリズムの重要性を強調した。 本研究の主な成果は,顧客プロファイルの作成と商品販売の予測である。

関連論文リスト

• 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)
• 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)
• 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)
• Modeling the Telemarketing Process using Genetic Algorithms and Extreme Boosting: Feature Selection and Cost-Sensitive Analytical Approach [0.06906005491572399]
  本研究は、顧客による長期預金の意欲をモデル化する上で、テレマーケティングデータの力を活用することを目的とする。 ポルトガルの銀行と社会経済指標の実際のデータは、遠隔販売による意思決定プロセスのモデル化に使用される。
  論文  参考訳（メタデータ） (2023-10-30T08:46:55Z)
• 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)
• FilFL: Client Filtering for Optimized Client Participation in Federated Learning [71.46173076298957]
  フェデレートラーニングは、クライアントがローカルデータを交換することなく、協調的にモデルをトレーニングすることを可能にする。 トレーニングプロセスに参加するクライアントは、収束率、学習効率、モデル一般化に大きな影響を与えます。 本稿では,モデル一般化を改善し,クライアント参加とトレーニングを最適化する新しい手法であるクライアントフィルタリングを提案する。
  論文  参考訳（メタデータ） (2023-02-13T18:55:31Z)
• Estimating defection in subscription-type markets: empirical analysis from the scholarly publishing industry [0.0]
  本稿では,学術出版業界における顧客チャーン予測の実証的研究について紹介する。 本研究は,6.5年間の顧客定期購読データに対する予測手法について検討した。 このアプローチは、ビジネス対ビジネスのコンテキストにおいて、正確かつ一意に有用であることを示します。
  論文  参考訳（メタデータ） (2022-11-18T01:29:51Z)
• 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)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• 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。