論文の概要: Auditing the Grid-Based Placement of Private Label Products on E-commerce Search Result Pages

• arxiv url: http://arxiv.org/abs/2407.14650v1
• Date: Fri, 19 Jul 2024 20:01:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 21:33:49.322123
• Title: Auditing the Grid-Based Placement of Private Label Products on E-commerce Search Result Pages
• Title（参考訳）: 電子商取引検索結果ページにおける個人ラベル商品のグリッド型配置の検討
• Authors: Siddharth D Jaiswal, Abhisek Dash, Nitika Shroff, Yashwanth Babu Vunnam, Saptarshi Ghosh, Animesh Mukherjee,
• Abstract要約: インドで運営されている2大eコマースプラットフォーム、Amazon.inとAmazon.inのeコマース検索結果におけるプライベートラベル(PL)製品プロモーションの規模を定量化する。 どちらのプラットフォームもPL製品を宣伝するために異なる戦略を採用している。 両プラットフォームの製品配置戦略は,文献に提案されている既存のユーザ注意戦略に適合していることがわかった。
• 参考スコア（独自算出の注目度）: 7.351845767369621
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-commerce platforms support the needs and livelihoods of their two most important stakeholders -- customers and producers/sellers. Multiple algorithmic systems, like ``search'' systems mediate the interactions between these stakeholders by connecting customers to producers with relevant items. Search results include (i) private label (PL) products that are manufactured/sold by the platform itself, as well as (ii) third-party products on advertised / sponsored and organic positions. In this paper, we systematically quantify the extent of PL product promotion on e-commerce search results for the two largest e-commerce platforms operating in India -- Amazon.in and Flipkart. By analyzing snapshots of search results across the two platforms, we discover high PL promotion on the initial result pages (~ 15% PLs are advertised on the first SERP of Amazon). Both platforms use different strategies to promote their PL products, such as placing more PLs on the advertised positions -- while Amazon places them on the first, middle, and last rows of the search results, Flipkart places them on the first two positions and the (entire) last column of the search results. We discover that these product placement strategies of both platforms conform with existing user attention strategies proposed in the literature. Finally, to supplement the findings from the collected data, we conduct a survey among 68 participants on Amazon Mechanical Turk. The click pattern from our survey shows that users strongly prefer to click on products placed at positions that correspond to the PL products on the search results of Amazon, but not so strongly on Flipkart. The click-through rate follows previously proposed theoretically grounded user attention distribution patterns in a two-dimensional layout.
• Abstract（参考訳）: 電子商取引プラットフォームは、顧客と生産者/販売者という2つの重要な利害関係者のニーズと生活を支援する。 `search'システムのような複数のアルゴリズムシステムは、顧客と生産者を関連アイテムで結びつけることによって、これらの利害関係者間の相互作用を仲介する。 検索結果には 一 プラットフォーム自体が製造・販売するプライベートラベル(PL)製品 二 広告付き/スポンサー付及び有機的ポジションの第三者製品 本稿では、インドで運営されている2大eコマースプラットフォームであるAmazon.inとFlipkartのeコマース検索結果におけるPL製品のプロモーションの程度を体系的に定量化する。この2つのプラットフォームで検索結果のスナップショットを分析して、最初のSERPでPLのプロモーションを高く評価する(約15%のPLがAmazonの最初のSERPで宣伝されている)。 両プラットフォームの製品配置戦略が,文献に提案されている既存のユーザ注意戦略に適合していることが判明した。 最後に,収集したデータから得られた知見を補うため,Amazon Mechanical Turkの68名の参加者を対象に調査を行った。 われわれの調査のクリックパターンは、ユーザーがAmazonの検索結果でPL製品に対応する位置に置かれている商品を強くクリックすることを好んでいることを示しているが、Flipkartではそれほど強くない。 クリックスルーレートは、2次元レイアウトにおける理論的に根拠付けられたユーザ注意分布パターンに従っている。

関連論文リスト

• IU4Rec: Interest Unit-Based Product Organization and Recommendation for E-Commerce Platform [43.562618054958925]
  個々の売り手から投稿された新入の品目の多くは限定在庫で販売され、一度販売されると流通できなくなることが多い。 textbfInterest textbfUnitベースの2段階 textbfRecommendation システムフレームワークである textbfIU4Rec を紹介する。 第一段階では、これらの関心ユニットを推奨し、幅広い関心を集めている。 第2段階では、ユーザーが選択した製品の中から最適な選択肢を見つけるよう誘導する。
  論文  参考訳（メタデータ） (2025-02-11T15:46:28Z)
• A Survey on E-Commerce Learning to Rank [6.6344943112608314]
  Amazon、Alibaba、eBay、Walmartなどの商業eコマースプラットフォームは、検索結果ランキングアルゴリズムを完璧にするために、広範囲かつ絶え間ない調査を行っている。 検索結果のランク付けを最適化するためには、関連性、パーソナライゼーション、売り手の評判、有償プロモーションから生じる多くの特徴について検討する。 電子商取引において最も最適な検索結果を見つけるのに、どのアルゴリズムか、どの特徴が最も効果的かを知ることは困難である。
  論文  参考訳（メタデータ） (2024-11-19T01:12:51Z)
• IPL: Leveraging Multimodal Large Language Models for Intelligent Product Listing [26.930588075458008]
  IPLは知的製品リスト作成ツールであり,様々な製品属性を用いて記述を生成するのに適したツールである。 IPLは実運用システムで成功しており、ユーザの72%が生成したコンテンツに基づいて製品リストを公開しています。 これらの製品リストは、AIアシストのないものよりも品質スコアが5.6%高いことが示されている。
  論文  参考訳（メタデータ） (2024-10-22T12:56:04Z)
• Information Discovery in e-Commerce [97.71958017283593]
  情報検索は、特に商品やサービスとの接続において、eコマースにおいて自然な役割を担っている。 電子商取引サイトの人気が高まり、電子商取引における情報発見の研究が活発な研究分野となっている。 電子商取引における情報発見手法は主に、電子商取引検索とレコメンデーションシステムの有効性の向上に重点を置いている。
  論文  参考訳（メタデータ） (2024-10-08T07:41:01Z)
• Unlocking Markets: A Multilingual Benchmark to Cross-Market Question Answering [49.68194318431166]
  製品関連質問応答(PQA)は、ユーザに対して正確な回答を提供するために、製品関連リソースを活用する。 マルチリンガル・クロスマーケット・プロダクト・ベースの質問回答(MCPQA)の新たな課題を提案する。 11言語にまたがる17のマーケットプレースから700万以上の質問からなる大規模なデータセットを導入します。
  論文  参考訳（メタデータ） (2024-09-24T12:24:34Z)
• Exploring Query Understanding for Amazon Product Search [62.53282527112405]
  問合せ理解に基づくランキング機能がどのようにランキングに影響を及ぼすかを検討する。 ランク付けのためのクエリ理解に基づくマルチタスク学習フレームワークを提案する。 本研究は,Amazon Searchにおける実世界のシステムを用いた調査・調査である。
  論文  参考訳（メタデータ） (2024-08-05T03:33:11Z)
• Sponsored is the New Organic: Implications of Sponsored Results on Quality of Search Results in the Amazon Marketplace [15.11300652519899]
  われわれは4つの国でAmazonのデジタルマーケットプレースを分析し、4800の検索操作をシミュレートした。 分析の結果, 有機物のランクが低い項目(100位以上)は, 上位の有機物よりも先行して, 補助的な結果として現れることがわかった。 ほとんどのケースでは、これらのトップスポンサーの成果はコストがかかり、トップオーガニックな結果よりも品質が劣っている。
  論文  参考訳（メタデータ） (2024-07-26T21:33:57Z)
• Automatic Controllable Product Copywriting for E-Commerce [58.97059802658354]
  我々は、JD.comのeコマースレコメンデーションプラットフォームに、Eコマースのプレフィックスベースのコントロール可能なコピーライティング生成をデプロイする。 提案するECCCGの有効性を検証する実験を行った。 本稿では,リアルタイムのJD.com電子商取引レコメンデーションプラットフォームに,ECCCGと連携するデプロイアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2022-06-21T04:18:52Z)
• 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)
• Auditing E-Commerce Platforms for Algorithmically Curated Vaccine Misinformation [10.66048003460524]
  アマゾンの検索・レコメンデーションアルゴリズムにおいて,ワクチン誤情報に対する2セットのアルゴリズム監査を行う。 検索結果の10.47%が不正な健康製品を促進している。 Amazonのレコメンデーションでフィルタバブル効果の証拠を見つけました。
  論文  参考訳（メタデータ） (2021-01-21T03:16:29Z)

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。