論文の概要: A Graphical Point Process Framework for Understanding Removal Effects in
Multi-Touch Attribution
- arxiv url: http://arxiv.org/abs/2302.06075v1
- Date: Mon, 13 Feb 2023 03:17:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 16:54:12.203879
- Title: A Graphical Point Process Framework for Understanding Removal Effects in
Multi-Touch Attribution
- Title(参考訳): マルチタッチアトリビューションにおける除去効果の理解のためのグラフィカルポイントプロセスフレームワーク
- Authors: Jun Tao, Qian Chen, James W. Snyder Jr., Arava Sai Kumar, Amirhossein
Meisami, and Lingzhou Xue
- Abstract要約: 本研究の目的は,経路レベルで帰属を行うことにより,より粒度の細かい帰属問題に対処することである。
直接変換効果と完全リレーショナル構造を研究するための新しいグラフィカル・ポイント・プロセス・フレームワークを開発する。
本稿では,各顧客の購入経路の個々のタッチポイントや対応するチャネルに対して,属性スコアと呼ばれる適切なパスレベルの変換クレジットを割り当てるためのグラフィカル属性手法を提案する。
- 参考スコア(独自算出の注目度): 4.229975393356543
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Marketers employ various online advertising channels to reach customers, and
they are particularly interested in attribution for measuring the degree to
which individual touchpoints contribute to an eventual conversion. The
availability of individual customer-level path-to-purchase data and the
increasing number of online marketing channels and types of touchpoints bring
new challenges to this fundamental problem. We aim to tackle the attribution
problem with finer granularity by conducting attribution at the path level. To
this end, we develop a novel graphical point process framework to study the
direct conversion effects and the full relational structure among numerous
types of touchpoints simultaneously. Utilizing the temporal point process of
conversion and the graphical structure, we further propose graphical
attribution methods to allocate proper path-level conversion credit, called the
attribution score, to individual touchpoints or corresponding channels for each
customer's path to purchase. Our proposed attribution methods consider the
attribution score as the removal effect, and we use the rigorous probabilistic
definition to derive two types of removal effects. We examine the performance
of our proposed methods in extensive simulation studies and compare their
performance with commonly used attribution models. We also demonstrate the
performance of the proposed methods in a real-world attribution application.
- Abstract(参考訳): マーケターは様々なオンライン広告チャネルを使って顧客にリーチし、個々のタッチポイントが最終的に変換に寄与する度合いを測定することへの貢献に特に興味を持っている。
個々の顧客レベルのパスから購入までのデータと、オンラインマーケティングチャネルやタッチポイントの種類の増加は、この根本的な問題に新たな挑戦をもたらします。
我々は,経路レベルで帰属を行うことで,より細かい粒度で帰属問題に取り組むことを目的とする。
この目的のために,多種類のタッチポイント間の直接変換効果と完全な関係構造を同時に研究するための新しいグラフィカルポイントプロセスフレームワークを開発した。
さらに、変換の時間的ポイントプロセスとグラフィカルな構造を利用して、購入する各顧客の経路の個々のタッチポイントまたは対応するチャネルに対して、帰属スコアと呼ばれる適切なパスレベルの変換クレジットを割り当てるグラフィカル帰属方法を提案する。
提案手法では, 帰属スコアを除去効果として考慮し, 厳密な確率的定義を用いて2種類の除去効果を導出する。
提案手法の性能を広範囲なシミュレーション実験で検討し,その性能を一般的な帰属モデルと比較した。
また,実世界の帰属アプリケーションにおいて提案手法の性能を示す。
関連論文リスト
- Str-L Pose: Integrating Point and Structured Line for Relative Pose Estimation in Dual-Graph [45.115555973941255]
ロボットや自律運転など、さまざまなコンピュータビジョンアプリケーションにおいて、相対的なポーズ推定が不可欠である。
本稿では,余分な構造線セグメントと点特徴を統合した幾何対応グラフニューラルネットワークを提案する。
この整合点と線分の統合は、幾何学的制約をさらに活用し、異なる環境におけるモデル性能を向上させる。
論文 参考訳(メタデータ) (2024-08-28T12:33:26Z) - GASE: Graph Attention Sampling with Edges Fusion for Solving Vehicle Routing Problems [6.084414764415137]
車両のルーティング問題を解決するためにEdges Fusionフレームワークを用いた適応型グラフ注意サンプリングを提案する。
提案手法は,既存の手法を2.08%-6.23%上回り,より強力な一般化能力を示す。
論文 参考訳(メタデータ) (2024-05-21T03:33:07Z) - Counterfactual Reasoning for Multi-Label Image Classification via Patching-Based Training [84.95281245784348]
共起関係の過度な強調は、モデルの過度な問題を引き起こす可能性がある。
本稿では,対象対象物とその共起対象物による相関特性を媒介者とみなすことができることを示す因果推論フレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-09T13:13:24Z) - EPIC: Graph Augmentation with Edit Path Interpolation via Learnable Cost [12.191001329584502]
本稿では,グラフデータセットを新たに拡張するEPIC (Edit Path Interpolation via learnable Cost)を提案する。
不規則な領域にある2つのグラフの間を補間するために、EPICは2つのグラフ間の変換プロセスを表す編集パスを構築する。
我々のアプローチは多くのタスクにおいて既存の拡張テクニックよりも優れています。
論文 参考訳(メタデータ) (2023-06-02T07:19:07Z) - Transforming the Interactive Segmentation for Medical Imaging [34.57242805353604]
本研究の目的は,人間のパフォーマンスに遅れる難易度の高い構造物の自動セグメンテーションをインタラクティブに洗練することである。
対話型(TIS)のための新しいトランスフォーマーアーキテクチャを提案する。
提案アーキテクチャはトランスフォーマーデコーダの変種で構成されており,アテンション機構と機能比較を自然に行う。
論文 参考訳(メタデータ) (2022-08-20T03:28:23Z) - Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product
Retrieval [152.3504607706575]
本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。
まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。
我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
論文 参考訳(メタデータ) (2022-06-17T15:40:45Z) - Labeling Where Adapting Fails: Cross-Domain Semantic Segmentation with
Point Supervision via Active Selection [81.703478548177]
セマンティックセグメンテーションに特化したトレーニングモデルは、大量のピクセル単位のアノテートデータを必要とする。
教師なしドメイン適応手法は、ラベル付きソースとラベルなしターゲットデータとの間の特徴分布の整合化を目的としている。
以前の研究は、対象データにスパース単一ピクセルアノテーションという形で、人間のインタラクションをこのプロセスに含めようと試みていた。
アクティブな選択による注釈付きポイントを用いた意味的セグメンテーションのための新しいドメイン適応フレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-01T01:52:28Z) - Semi-Supervised Domain Adaptation with Prototypical Alignment and
Consistency Learning [86.6929930921905]
本稿では,いくつかの対象サンプルがラベル付けされていれば,ドメインシフトに対処するのにどの程度役立つか検討する。
ランドマークの可能性を最大限に追求するために、ランドマークから各クラスのターゲットプロトタイプを計算するプロトタイプアライメント(PA)モジュールを組み込んでいます。
具体的には,ラベル付き画像に深刻な摂動を生じさせ,PAを非自明にし,モデル一般化性を促進する。
論文 参考訳(メタデータ) (2021-04-19T08:46:08Z) - Adversarial Bipartite Graph Learning for Video Domain Adaptation [50.68420708387015]
ドメイン適応技術は,異なる領域間のモデルを適応させることに重点を置いているが,ビデオ認識領域ではめったに研究されていない。
近年,映像のソースと対象映像の表現を統一するために,対角学習を活用する視覚領域適応はビデオにはあまり効果がない。
本稿では,ソースとターゲットの相互作用を直接モデル化するAdversarial Bipartite Graph (ABG)学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-31T03:48:41Z) - FAIRS -- Soft Focus Generator and Attention for Robust Object
Segmentation from Extreme Points [70.65563691392987]
本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。
提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
論文 参考訳(メタデータ) (2020-04-04T22:25:47Z)
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。