論文の概要: Rethinking Financial Service Promotion With Hybrid Recommender Systems
at PicPay
- arxiv url: http://arxiv.org/abs/2310.10268v1
- Date: Mon, 16 Oct 2023 10:49:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 15:07:46.727587
- Title: Rethinking Financial Service Promotion With Hybrid Recommender Systems
at PicPay
- Title(参考訳): PicPayにおけるハイブリッドレコメンダシステムによる金融サービス促進の再考
- Authors: Gabriel Mendon\c{c}a (Federal University of Rio de Janeiro), Matheus
Santos (PicPay), Andr\'e Gon\c{c}alves (PicPay), Yan Almeida (PicPay)
- Abstract要約: 本稿では、2つのアルゴリズムを組み合わせて効果的に商品を宣伝するSwitching Hybrid Recommenderシステムを提案する。
A/Bテストの結果は、デフォルトのレコメンデーション戦略と比較して最大3.2%上昇した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fintech PicPay offers a wide range of financial services to its 30
million monthly active users, with more than 50 thousand items recommended in
the PicPay mobile app. In this scenario, promoting specific items that are
strategic to the company can be very challenging. In this work, we present a
Switching Hybrid Recommender System that combines two algorithms to effectively
promote items without negatively impacting the user's experience. The results
of our A/B tests show an uplift of up to 3.2\% when compared to a default
recommendation strategy.
- Abstract(参考訳): フィンテックのPicPayは、3000万人の月間アクティブユーザーに対して幅広い金融サービスを提供しており、PicPayモバイルアプリには5000万以上のアイテムが推奨されている。
このシナリオでは、企業にとって戦略的である特定のアイテムを促進することは非常に困難です。
本研究では,2つのアルゴリズムを組み合わせて,ユーザの体験に悪影響を及ぼすことなく効果的に商品を宣伝するスイッチングハイブリッドレコメンダシステムを提案する。
A/Bテストの結果は、デフォルトのレコメンデーション戦略と比較して最大3.2\%上昇している。
関連論文リスト
- A Greedy Approach for Offering to Telecom Subscribers [0.0]
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。
論文 参考訳(メタデータ) (2023-08-24T07:11:51Z) - Optimizing Long-term Value for Auction-Based Recommender Systems via
On-Policy Reinforcement Learning [4.980374959955476]
オークションベースのレコメンデーターシステムはオンライン広告プラットフォームで広く使われているが、通常、すぐに期待されるリターン指標に基づいてレコメンデーションスロットを割り当てるように最適化されている。
オークションベースのレコメンデーションシステムにおいて,長期リターン指標の最適化に強化学習を用いる。
論文 参考訳(メタデータ) (2023-05-23T07:04:38Z) - Incentive-Aware Recommender Systems in Two-Sided Markets [69.11586678637816]
エージェントのインセンティブを尊重する新しい推薦システムを提案する。
両政策は, エージェントが過度の暴露から保護される, ポストフェアネス基準を満たすことを示す。
論文 参考訳(メタデータ) (2022-11-23T22:20:12Z) - 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) - Modeling Attrition in Recommender Systems with Departing Bandits [84.85560764274399]
政策に依存した地平線を捉えた新しいマルチアームバンディット構成を提案する。
まず、全てのユーザが同じタイプを共有しているケースに対処し、最近の UCB ベースのアルゴリズムが最適であることを実証する。
次に、ユーザが2つのタイプに分けられる、より困難なケースを前進させます。
論文 参考訳(メタデータ) (2022-03-25T02:30:54Z) - TTRS: Tinkoff Transactions Recommender System benchmark [62.997667081978825]
TTRS - Tinkoff Transactions Recommender Systemベンチマークを示す。
この金融取引ベンチマークには、約1万人のユーザーと、14ヶ月で1000以上の商業ブランドの間で200万以上のインタラクションが含まれている。
また,現在普及しているRecSys手法を次の期間の推薦タスクで総合的に比較し,その性能を様々な指標や推奨目標に対して詳細に分析する。
論文 参考訳(メタデータ) (2021-10-11T20:04:07Z) - New Hybrid Techniques for Business Recommender Systems [0.0]
本稿では,知識に基づくB2Bサービスにレコメンデータシステムを組み込むプロセスを提案する。
必要な文脈知識を組み込むための推奨手法をいくつか提案し、比較する。
これらの技術は、ビジネスインテリジェンスコンサルタントの試験セットで独立して評価される。
論文 参考訳(メタデータ) (2021-09-27T11:21:31Z) - PURS: Personalized Unexpected Recommender System for Improving User
Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。
3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文 参考訳(メタデータ) (2021-06-05T01:33:21Z) - 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) - Comparison Lift: Bandit-based Experimentation System for Online
Advertising [10.499720681099452]
Comparison Liftは、JD.comのオンライン広告オーディエンスとクリエイティビティをテストするための実験用アズ・ア・サービス(E)アプリケーションである。
固定サンプルA/Bテストに重点を置く他の多くのEツールとは異なり、Spectration Liftは独自のバンディットベースの実験アルゴリズムをデプロイする。
製品における適応設計は, 固定サンプルA/B設計と比較して, 平均クリック数が27%増加したと推定した。
論文 参考訳(メタデータ) (2020-09-16T19:08:44Z)
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。