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

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Algorithmic Content Selection and the Impact of User Disengagement [19.14804091327051]
  本稿では、不満を抱いた利用者が不満を抱く可能性のあるコンテンツ選択問題に対するモデルを提案する。 両腕の期待報酬とユーザ満足度との関係が線形に関係している場合、最適なコンテンツ選択ポリシーを効率的に計算できることを示す。
  論文  参考訳（メタデータ） (2024-10-17T00:43:06Z)
• End-to-End Cost-Effective Incentive Recommendation under Budget Constraint with Uplift Modeling [12.160403526724476]
  本稿では,予算制約下でのエンド・ツー・エンド・エンド・コスト・エフェクティブ・インセンティブ・レコメンデーション(E3IR)モデルを提案する。 具体的には、アップリフト予測モジュールと微分可能なアロケーションモジュールの2つのモジュールから構成される。 E3IRは既存の2段階アプローチに比べてアロケーション性能が向上する。
  論文  参考訳（メタデータ） (2024-08-21T13:48:00Z)
• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Efficient Prompt Optimization Through the Lens of Best Arm Identification [50.56113809171805]
  この作業は、明示的な予算制約の下でプロンプト選択を効率的に行うための、原則化されたフレームワークであるTRIPLEを提供する。 マルチアームバンディット(MAB)における即時最適化と固定予算ベストアーム識別(BAI-FB)の間に確立された新しい接続上に構築されている。
  論文  参考訳（メタデータ） (2024-02-15T05:31:13Z)
• 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)
• 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)
• 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)
• 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)
• 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。