論文の概要: Retail Analytics in the New Normal: The Influence of Artificial Intelligence and the Covid-19 Pandemic

• arxiv url: http://arxiv.org/abs/2312.00046v1
• Date: Mon, 27 Nov 2023 08:16:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 03:41:41.943255
• Title: Retail Analytics in the New Normal: The Influence of Artificial Intelligence and the Covid-19 Pandemic
• Title（参考訳）: ニューノーマルにおける小売分析 : 人工知能とCovid-19パンデミックの影響
• Authors: Yossiri Adulyasak, Maxime C. Cohen, Warut Khern-am-nuai, Michael Krause
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは小売業界に深刻な打撃を与えた。 我々は、AIが小売業者にもたらす機会を、新しい通常の小売業界で論じる。
• 参考スコア（独自算出の注目度）: 1.8434042562191815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic has severely disrupted the retail landscape and has accelerated the adoption of innovative technologies. A striking example relates to the proliferation of online grocery orders and the technology deployed to facilitate such logistics. In fact, for many retailers, this disruption was a wake-up call after which they started recognizing the power of data analytics and artificial intelligence (AI). In this article, we discuss the opportunities that AI can offer to retailers in the new normal retail landscape. Some of the techniques described have been applied at scale to adapt previously deployed AI models, whereas in other instances, fresh solutions needed to be developed to help retailers cope with recent disruptions, such as unexpected panic buying, retraining predictive models, and leveraging online-offline synergies.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックは小売業界を著しく混乱させ、革新的なテクノロジーの採用を加速させている。 顕著な例は、オンライン食料品注文の急増と、こうしたロジスティクスを促進するために展開された技術に関連している。 実際、多くの小売業者にとってこの混乱は、データ分析と人工知能(AI)のパワーを認識し始めた覚醒電話だった。 本稿では,新たな小売分野において,aiが小売業者に提供する機会について論じる。 説明されているいくつかのテクニックは、以前デプロイされたaiモデルを適応させるために大規模に適用されているが、他の例では、予期せぬパニックの購入、予測モデルの再トレーニング、オンライン-オフラインのシナジーの活用など、小売業者が最近の混乱に対処するために、新たなソリューションを開発する必要がある。

関連論文リスト

• Parcel loss prediction in last-mile delivery: deep and non-deep approaches with insights from Explainable AI [1.104960878651584]
  本稿では,DBSLを用いたデータバランスとDHEL(Deep Hybrid Ensemble Learning)の2つの機械学習手法を提案する。 このような予測の実際的な意味は、保険関連意思決定ポリシーの最適化において、eコマース小売業者を支援することの価値である。
  論文  参考訳（メタデータ） (2023-10-25T12:46:34Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• Playing hide and seek: tackling in-store picking operations while improving customer experience [0.0]
  動的店内ピッカー問題ルーティング(diPRP)と呼ばれる新しい問題を定式化する。 この関連する問題 — diPRP — では、ピッカーが顧客の遭遇を最小限に抑えながら、オンライン注文を選択しようとします。 私たちの研究は、オフラインの顧客体験を危険にさらすことなく、小売店がオンライン注文の店内購入を拡大できることを示唆している。
  論文  参考訳（メタデータ） (2023-01-05T16:35:17Z)
• Augmented cross-selling through explainable AI -- a case from energy retailing [0.0]
  エネルギー小売店の顧客220,185件のデータを分析し、最大86%の正当性(AUC)でクロス購入を予測し、XAI法SHAPが実際の購入者に対する説明を提供することを示す。 さらに,情報システム,XAI,関係マーケティングにおける研究の意義について概説する。
  論文  参考訳（メタデータ） (2022-08-24T09:51:52Z)
• INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
  我々はInterNという新しい学習パラダイムを開発した。 複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。 ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
  論文  参考訳（メタデータ） (2021-11-16T18:42:50Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• The challenges and realities of retailing in a COVID-19 world: Identifying trending and Vital During Crisis keywords during Covid-19 using Machine Learning (Austria as a case study) [0.0]
  将来予測の監査は季節性を重視しているため、トレンドベースのベンチマークに対する予測を選択することが推奨されている。 予測モデルは、サプライチェーン全体のエンドツーエンドのリアルタイム監視を提供する。
  論文  参考訳（メタデータ） (2021-05-10T18:31:45Z)
• ProVe -- Self-supervised pipeline for automated product replacement and cold-starting based on neural language models [0.0]
  本稿では,在庫の少ない製品に最適な代替品を推奨するためのパイプラインアプローチを提案する。 また、取引履歴のない小売店のポートフォリオに新たに導入された商品を管理するためのソリューションも提案する。 このソリューションはビジネスに役立つ – 新製品を適切なカテゴリに自動的に割り当てる,1日目からクロス販売を補完する製品を推奨する,トランザクション履歴がほとんどなくても販売予測を行う,といったものだ。
  論文  参考訳（メタデータ） (2020-06-26T14:03:18Z)
• Adversarial Attacks on Machine Learning Systems for High-Frequency Trading [55.30403936506338]
  逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。 攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。 本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
  論文  参考訳（メタデータ） (2020-02-21T22:04:35Z)

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。