論文の概要: A Greedy Approach for Offering to Telecom Subscribers
- arxiv url: http://arxiv.org/abs/2308.12606v1
- Date: Thu, 24 Aug 2023 07:11:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-25 14:57:00.512074
- Title: A Greedy Approach for Offering to Telecom Subscribers
- Title(参考訳): 通信加入者に提供する欲望のあるアプローチ
- Authors: Piyush Kanti Bhunre, Tanmay Sen, and Arijit Sarkar
- Abstract要約: ヘテロジニアスな提案条件下での最適化を解くための新しいアルゴリズムを提案する。
提案アルゴリズムは, 非常に大きな加入者ベースであっても, 効率的かつ正確である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Customer retention or churn prevention is a challenging task of a telecom
operator. One of the effective approaches is to offer some attractive incentive
or additional services or money to the subscribers for keeping them engaged and
make sure they stay in the operator's network for longer time. Often, operators
allocate certain amount of monetary budget to carry out the offer campaign. The
difficult part of this campaign is the selection of a set of customers from a
large subscriber-base and deciding the amount that should be offered to an
individual so that operator's objective is achieved. There may be multiple
objectives (e.g., maximizing revenue, minimizing number of churns) for
selection of subscriber and selection of an offer to the selected subscriber.
Apart from monetary benefit, offers may include additional data, SMS, hots-spot
tethering, and many more. This problem is known as offer optimization. In this
paper, we propose a novel combinatorial algorithm for solving offer
optimization under heterogeneous offers by maximizing expected revenue under
the scenario of subscriber churn, which is, in general, seen in telecom domain.
The proposed algorithm is efficient and accurate even for a very large
subscriber-base.
- Abstract(参考訳): 顧客維持やチャーン防止は通信事業者にとって難しい課題である。
効果的なアプローチの1つは、契約者に魅力的なインセンティブまたは追加のサービスまたはお金を提供することで、彼らが関与し続け、彼らがオペレーターのネットワークに長く滞在することを保証することである。
しばしば、オファーキャンペーンを実施するために、オペレーターは一定の金額の金融予算を割り当てる。
このキャンペーンの難しい部分は、大きな加入者ベースから顧客の集合を選択し、オペレーターの目的を達成するために個人に提供すべき金額を決定することである。
購読者の選択と、選択した加入者へのオファーの選択には、複数の目的(例えば、収益の最大化、チャーン数の最小化)がある。
金銭的利益とは別に、追加のデータ、sms、ホットスポットテザリングなど多くのものが含まれる。
この問題はオファー最適化として知られている。
本稿では、加入者チャーンをシナリオとして予測収益を最大化することにより、不均一な提供条件下でのオペレーティングを最適化するための新しい組合せアルゴリズムを提案する。
提案アルゴリズムは,非常に大きな加入者ベースであっても効率的かつ正確である。
関連論文リスト
- Incentivized Truthful Communication for Federated Bandits [61.759855777522255]
我々はTrath-FedBanという名前のインセンティブ互換通信プロトコルを提案する。
Truth-FedBanは、オーバーヘッドなしにサブ線形後悔と通信コストを保証します。
論文 参考訳(メタデータ) (2024-02-07T00:23:20Z) - LMaaS: Exploring Pricing Strategy of Large Model as a Service for
Communication [11.337245234301857]
有料サービスモードは、LM(Large Model as a Service)と呼ばれるこの文脈に適していると我々は主張する。
本稿では,顧客の将来的なレンタル決定を推論することで,大規模モデルの価格を反復的に最適化する反復モデル価格(IMP)アルゴリズムを提案する。
第2ステップでは、ロバストな選択とレンタルのアルゴリズムを設計することで、顧客の選択決定を最適化する。
論文 参考訳(メタデータ) (2024-01-05T07:19:19Z) - Algorithmic Persuasion Through Simulation [51.23082754429737]
本研究では,受信側が受信側を説得し,二元的行動を起こそうとするベイズ的説得問題について考察する。
顧客調査やユーザスタディ、最近のジェネレーティブAIの進歩に動機付けられ、送信側は受信者についてより深く学ぶことができる。
論文 参考訳(メタデータ) (2023-11-29T23:01:33Z) - Bidding Strategies for Proportional Representation in Advertisement
Campaigns [8.269283912626873]
同一入札は、異なる種類の個人に対する不均一な競争のレベルが原因で、等質な結果が得られないことが示される。
プラットフォームメカニズムを変更しない変更を検討し、代わりに広告主が使用する入札戦略を変更します。
論文 参考訳(メタデータ) (2023-05-22T23:29:05Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳(メタデータ) (2023-02-22T15:52:37Z) - MNL-Bandits under Inventory and Limited Switches Constraints [38.960764902819434]
我々は、データから顧客の選択を学習しながら、アソートを最適化する効率的な UCB ライクなアルゴリズムを開発した。
我々のアルゴリズムは、$O(Talpha)$スイッチが許される場合、サブ線形後悔境界$tildeOleft(T1-alpha/2right)$を達成できることを証明している。
論文 参考訳(メタデータ) (2022-04-22T16:02:27Z) - Optimal Auction Design for the Gradual Procurement of Strategic Service
Provider Agents [8.500525426182115]
ソフトウェアエージェントが不確実性のあるプロバイダからサービスを取得し、厳密な期限前に計算タスクを完了するというアウトソーシング問題を考える。
サービスコンシューマは、成功確率と起動コストの最適なバランスを達成するための調達戦略を必要とします。
我々は,消費者に可能な限り高い収益を提供するとともに,提供者にそのコストについて真実を伝える十分なインセンティブを与える,新たな調達オークションを設計する。
論文 参考訳(メタデータ) (2021-10-25T12:14:47Z) - E-Commerce Promotions Personalization via Online Multiple-Choice
Knapsack with Uplift Modeling [1.027974860479791]
本稿では,オンライン制約付きマルチコースプロモーションパーソナライズ問題について検討する。
本研究は,オンライン多重選択Knapsack問題としてこの問題を定式化する。
予算制約の遵守を保証するリアルタイム適応手法を提案する。
論文 参考訳(メタデータ) (2021-08-11T15:09:16Z) - A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in
Online Advertising [53.636153252400945]
本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。
当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
論文 参考訳(メタデータ) (2021-06-11T08:07:14Z) - A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。
本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
論文 参考訳(メタデータ) (2020-10-22T18:36:41Z) - Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential
Advertising [52.3825928886714]
我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。
理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。
強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
論文 参考訳(メタデータ) (2020-06-29T18:50:35Z)
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。