論文の概要: Digital assistant in a point of sales

• arxiv url: http://arxiv.org/abs/2406.04851v1
• Date: Fri, 7 Jun 2024 11:33:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-10 14:20:58.742620
• Title: Digital assistant in a point of sales
• Title（参考訳）: 販売面でのデジタルアシスタント
• Authors: Emilia Lesiak, Grzegorz Wolny, Bartosz Przybył, Michał Szczerbak,
• Abstract要約: 本稿では,VUI(Voice User Interface)を利用したディジタルアシスタントの小売環境での展開について検討する。 デジタルアシスタントを高トラフィックの小売環境に統合することにより、顧客サービスの質を向上させる効果を評価する。
• 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: This article investigates the deployment of a Voice User Interface (VUI)-powered digital assistant in a retail setting and assesses its impact on customer engagement and service efficiency. The study explores how digital assistants can enhance user interactions through advanced conversational capabilities with multilingual support. By integrating a digital assistant into a high-traffic retail environment, we evaluate its effectiveness in improving the quality of customer service and operational efficiency. Data collected during the experiment demonstrate varied impacts on customer interaction, revealing insights into the future optimizations of digital assistant technologies in customer-facing roles. This study contributes to the understanding of digital transformation strategies within the customer relations domain emphasizing the need for service flexibility and user-centric design in modern retail stores.
• Abstract（参考訳）: 本稿では、VUI(Voice User Interface)を利用したデジタルアシスタントを小売店舗に展開し、顧客エンゲージメントとサービス効率への影響を評価する。 本研究は,多言語対応による高度な対話機能を通じて,デジタルアシスタントがユーザインタラクションを向上する方法について検討した。 デジタルアシスタントを高トラフィックの小売環境に組み込むことで、顧客サービスの品質と運用効率を向上させる効果を評価する。 実験で収集されたデータは、顧客とのインタラクションに様々な影響を示し、デジタルアシスタント技術の将来の最適化に関する洞察を明らかにした。 本研究は,顧客関係領域におけるディジタルトランスフォーメーション戦略の理解に寄与し,現代の小売店舗におけるサービスフレキシビリティとユーザ中心設計の必要性を強調した。

関連論文リスト

• FedCAda: Adaptive Client-Side Optimization for Accelerated and Stable Federated Learning [57.38427653043984]
  フェデレートラーニング(FL)は、分散クライアント間の機械学習モデルの協調トレーニングにおいて、顕著なアプローチとして登場した。 我々は,この課題に対処するために設計された,革新的なクライアント適応アルゴリズムであるFedCAdaを紹介する。 我々はFedCAdaが適応性、収束性、安定性、全体的な性能の点で最先端の手法より優れていることを実証する。
  論文  参考訳（メタデータ） (2024-05-20T06:12:33Z)
• Enhancing Airline Customer Satisfaction: A Machine Learning and Causal Analysis Approach [0.0]
  本研究では,航空会社における顧客満足度の向上について検討する。 サービス改善が顧客満足度に与える影響について検討する。 顧客サービスのデジタル的側面の改善は、顧客満足度を著しく高めることを実証する。
  論文  参考訳（メタデータ） (2024-05-15T04:01:47Z)
• Persona-DB: Efficient Large Language Model Personalization for Response Prediction with Collaborative Data Refinement [79.2400720115588]
  本稿では,タスクコンテキスト間の一般化を改善するための階層的な構築プロセスからなる,シンプルで効果的なフレームワークであるPersona-DBを紹介する。 応答予測の評価において,Persona-DB は精度を著しく低減した検索サイズで維持する上で,より優れたコンテキスト効率を示す。 我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで10%以上の顕著な改善が示されていることも示している。
  論文  参考訳（メタデータ） (2024-02-16T20:20:43Z)
• Retail store customer behavior analysis system: Design and Implementation [2.215731214298625]
  本稿では,顧客行動の数学的モデリング,効率的なディープラーニングに基づく行動分析,個人と集団の行動可視化という3つの主要な要素を含むフレームワークを提案する。 各モジュールとシステム全体が、小売店の実際の状況からのデータを使用して検証された。
  論文  参考訳（メタデータ） (2023-09-05T06:26:57Z)
• Improving Customer Experience in Call Centers with Intelligent Customer-Agent Pairing [0.0]
  顧客エクスペリエンスは、利益を上げる組織や企業にとって重要な役割を担います。 カスタマーエクスペリエンスを改善する一つの方法は、コールセンターの機能を最適化することだ。 顧客とエージェントのペアリング問題を機械学習問題として定式化する。 提案手法はルールベース手法と比較して約215%の大幅な性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-05-15T12:19:13Z)
• Detecting and Optimising Team Interactions in Software Development [58.720142291102135]
  本稿では,ソフトウェア開発チームの機能的相互作用構造を検出するためのデータ駆動型手法を提案する。 このアプローチでは、チームメンバのアクティビティレベルの違いを考慮し、ブロック制約設定モデルを使用します。 我々のアプローチは、チームが合成されたベンチマークシナリオと機能的な相互作用構造を比較するのにどのように役立つかを示します。
  論文  参考訳（メタデータ） (2023-02-28T14:53:29Z)
• FilFL: Client Filtering for Optimized Client Participation in Federated Learning [71.46173076298957]
  フェデレートラーニングは、クライアントがローカルデータを交換することなく、協調的にモデルをトレーニングすることを可能にする。 トレーニングプロセスに参加するクライアントは、収束率、学習効率、モデル一般化に大きな影響を与えます。 本稿では,モデル一般化を改善し,クライアント参加とトレーニングを最適化する新しい手法であるクライアントフィルタリングを提案する。
  論文  参考訳（メタデータ） (2023-02-13T18:55:31Z)
• 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)
• Digital Human Interactive Recommendation Decision-Making Based on Reinforcement Learning [0.0]
  我々は、強化学習に基づく新しいデジタルヒューマンインタラクティブ・レコメンデーション・エージェント・フレームワークを設計する。 提案するフレームワークは,デジタル人間と顧客間の即時インタラクションを通じて学習する。 実際のビジネスデータの実験は、このフレームワークがより良い個人化された顧客エンゲージメントとより良い顧客エクスペリエンスを提供できることを示している。
  論文  参考訳（メタデータ） (2022-10-06T16:01:26Z)
• 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)
• An Improved Approach of Intention Discovery with Machine Learning for POMDP-based Dialogue Management [0.0]
  Embodied Conversational Agent (ECA)は、ソフトウェアアプリケーションのフロントエンドとして機能し、言語/非言語表現を通じてユーザと対話する。 この論文は、対話管理の異なるアプローチを含む、ECAの構築に関する主要なトピックを強調している。 感情に基づく顔のアニメーションと、意図の発見を改善するための密着型フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-20T05:28:36Z)

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。