論文の概要: A BERT based Ensemble Approach for Sentiment Classification of Customer
Reviews and its Application to Nudge Marketing in e-Commerce
- arxiv url: http://arxiv.org/abs/2311.10782v1
- Date: Thu, 16 Nov 2023 14:18:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 14:38:20.451362
- Title: A BERT based Ensemble Approach for Sentiment Classification of Customer
Reviews and its Application to Nudge Marketing in e-Commerce
- Title(参考訳): 顧客レビューの感性分類のためのBERTに基づくアンサンブルアプローチと電子商取引におけるNudge Marketingへの応用
- Authors: Sayan Putatunda and Anwesha Bhowmik and Girish Thiruvenkadam and Rahul
Ghosh
- Abstract要約: 製品レビューは顧客の信頼と忠誠を改善します。
ナッジマーケティング(Nudge marketing)は、Eコマース企業が顧客をためらわずにより良い判断を下すための微妙な方法だ。
- 参考スコア(独自算出の注目度): 2.2120851074630177
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: According to the literature, Product reviews are an important source of
information for customers to support their buying decision. Product reviews
improve customer trust and loyalty. Reviews help customers in understanding
what other customers think about a particular product and helps in driving
purchase decisions. Therefore, for an e-commerce platform it is important to
understand the sentiments in customer reviews to understand their products and
services, and it also allows them to potentially create positive consumer
interaction as well as long lasting relationships. Reviews also provide
innovative ways to market the products for an ecommerce company. One such
approach is Nudge Marketing. Nudge marketing is a subtle way for an ecommerce
company to help their customers make better decisions without hesitation.
- Abstract(参考訳): 文献によると、 製品レビューは、顧客が購入決定をサポートするための重要な情報源である。
製品レビューは顧客の信頼と忠誠を改善します。
レビューは、顧客が他の顧客が特定の製品について何を考えているかを理解するのに役立つ。
したがって、eコマースプラットフォームでは、製品やサービスを理解するために、顧客レビューの感情を理解することが重要です。
レビューはまた、Eコマース企業の製品を販売する革新的な方法を提供する。
そのようなアプローチのひとつがNudge Marketingです。
nudge marketingは、顧客が迷わずにより良い意思決定をしてくれるeコマース企業にとって、微妙な方法だ。
関連論文リスト
- Learning to Personalize Recommendation based on Customers' Shopping
Intents [6.503955510722271]
本システムでは,レコメンデーションをパーソナライズするために,各顧客のハイレベルなショッピング意図を明確に識別し,活用する。
我々は,「キャンプに行く」や「ビーチパーティーの準備」など,アマゾンの顧客によって追求される様々なハイレベルな目標を自動的に識別する技術を開発した。
当社のソリューションは(21カ国14言語で)スケーラブルな方法です。
論文 参考訳(メタデータ) (2023-05-09T09:06:46Z) - Finding Lookalike Customers for E-Commerce Marketing [5.2300714255564795]
マーケティングキャンペーンのターゲット層を拡大するスケーラブルで効率的なシステムを提案する。
深層学習に基づく埋め込みモデルを用いて顧客を表現し、近隣の検索手法を用いて興味のある顧客を素早く見つける。
論文 参考訳(メタデータ) (2023-01-09T02:18:58Z) - Proactive Detractor Detection Framework Based on Message-Wise Sentiment
Analysis Over Customer Support Interactions [60.87845704495664]
本稿では、チャットベースのカスタマーサポートのインタラクションにのみ依存して、個々のユーザの推薦決定を予測するフレームワークを提案する。
ケーススタディでは、ラテンアメリカの大手電子商取引会社の金融分野における16.4kのユーザ数と48.7kの顧客サポートに関する会話を分析した。
以上の結果から,CS会話のメッセージワイドな感情進化のみに基づいて,ユーザが製品やサービスを推薦する可能性を予測することが可能であることが示唆された。
論文 参考訳(メタデータ) (2022-11-08T00:43:36Z) - Incorporating Customer Reviews in Size and Fit Recommendation systems
for Fashion E-Commerce [2.8360662552057323]
本稿では,顧客レビューからの情報と,顧客や製品の特徴を,サイズや適合予測に利用するための新しいアプローチを提案する。
提案手法では,F1(マクロ)スコアの1.37%~4.31%が,4つのデータセットのベースラインにまたがって改善されている。
論文 参考訳(メタデータ) (2022-08-11T16:47:25Z) - Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。
実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
論文 参考訳(メタデータ) (2022-07-25T14:37:18Z) - Towards Personalized Answer Generation in E-Commerce via
Multi-Perspective Preference Modeling [62.049330405736406]
Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。
なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。
PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
論文 参考訳(メタデータ) (2021-12-27T07:51:49Z) - 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) - Mining Customers' Opinions for Online Reputation Generation and
Visualization in e-Commerce Platforms [0.0]
顧客レビューは、さまざまなオンラインショッピング体験に関する非常に貴重な情報を抽出できる、非常に豊富なデータソースです。
この論文の私の研究目標は、自然言語で表現されたオンラインレビューをマイニングすることによって、オンライン意思決定プロセス中に電子商取引の顧客に価値ある情報を自動的に提供できる評判システムを開発することです。
論文 参考訳(メタデータ) (2021-04-05T14:46:57Z) - User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。
ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。
実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
論文 参考訳(メタデータ) (2021-02-16T02:08:52Z) - Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。
本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。
MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
論文 参考訳(メタデータ) (2020-11-14T14:05:30Z) - Feature-level Rating System using Customer Reviews and Review Votes [2.943984871413744]
オンラインショッピングサイト(Amazon)で収集されたさまざまなモバイル製品とレビュー投票に関する顧客レビューを分析した。
私たちの分析では、オンラインで販売されている4k以上のモバイルの108の機能を評価しています。
論文 参考訳(メタデータ) (2020-07-18T20:13:58Z)
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。