論文の概要: Strategic Coupon Allocation for Increasing Providers' Sales Experiences in Two-sided Marketplaces
- arxiv url: http://arxiv.org/abs/2407.14895v1
- Date: Sat, 20 Jul 2024 14:55:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 19:18:49.736269
- Title: Strategic Coupon Allocation for Increasing Providers' Sales Experiences in Two-sided Marketplaces
- Title（参考訳）: 両面のマーケットプレースにおける業者のセールスエクスペリエンス向上のための戦略的クーポン配分
- Authors: Koya Ohashi, Sho Sekine, Deddy Jobson, Jie Yang, Naoki Nishimura, Noriyoshi Sukegawa, Yuichi Takano,
- Abstract要約: プラットフォーム上での販売経験を積む成功したプロバイダの数を増やすために、パーソナライズされたプロモーションを提案する。
このアプローチを利用することで、少数のプロバイダによって独占されることなく、販売を経験する機会を同程度に確保します。
- 参考スコア（独自算出の注目度）: 6.319525967671211
- License:
- Abstract: In a two-sided marketplace, network effects are crucial for competitiveness, and platforms need to retain users through advanced customer relationship management as much as possible. Maintaining numerous providers' stable and active presence on the platform is highly important to enhance the marketplace's scale and diversity. The strongest motivation for providers to continue using the platform is to realize actual profits through sales. Then, we propose a personalized promotion to increase the number of successful providers with sales experiences on the platform. The main contributions of our research are twofold. First, we introduce a new perspective in provider management with the distribution of successful sales experiences. Second, we propose a personalized promotion optimization method to maximize the number of providers' sales experiences. By utilizing this approach, we ensure equal opportunities for providers to experience sales without being monopolized by a few providers. Through experiments using actual data on coupon distribution, we confirm that our method enables the implementation of coupon allocation strategies that significantly increase the total number of providers having sales experiences.
- Abstract（参考訳）: 両面のマーケットプレースでは、ネットワーク効果は競争力にとって不可欠であり、プラットフォームは可能な限り高度な顧客関係管理を通じてユーザを維持する必要がある。
プラットフォーム上での多数のプロバイダの安定的でアクティブな存在を維持することは、マーケットプレースの規模と多様性を高める上で非常に重要である。
プロバイダがプラットフォームを使い続ける最大の動機は、販売を通じて実際の利益を実現することだ。
そこで我々は,プラットフォーム上での営業経験を有する成功者数を増やすために,パーソナライズされたプロモーションを提案する。
私たちの研究の主な貢献は2つです。
まず,販売実績の流通を伴うプロバイダ管理の新たな視点を紹介する。
第2に,提供者の営業経験を最大化するためのパーソナライズされたプロモーション最適化手法を提案する。
このアプローチを利用することで、少数のプロバイダによって独占されることなく、販売を経験する機会を同程度に確保します。
クーポン配信の実データを用いた実験により,販売経験を有する事業者の総数を大幅に増加させるクーポン割当て戦略の実装が可能であることを確認した。
関連論文リスト
- Optimizing Item-based Marketing Promotion Efficiency in C2C Marketplace with Dynamic Sequential Coupon Allocation Framework [4.664065531235124]
一連のプロモーションにおけるアイテムクーポン割当戦略を最適化する動的シーケンスクーポン割当フレームワーク(DSCAF)を導入する。
DSCAFは、クーポンの設定とターゲットアイテムのタイミングに関するシーケンシャルなレコメンデーションを提供する。
クーポン割当の現在及びその後のラウンドにおける販売確率を推定するための2つの予測器と、クーポン割当ソリューションを決定する意思決定プロセスとを統合する。
論文 参考訳（メタデータ） (2024-09-13T07:52:45Z) - An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。
FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。
本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
論文 参考訳（メタデータ） (2024-02-02T07:25:53Z) - Personalized Promotion Decision Making Based on Direct and Enduring
Effect Predictions [5.50110172922112]
本稿では,顧客ごとの直接的かつ永続的な対応をモデル化し,複数治療促進意思決定の枠組みを提案する。
まず、顧客直接持続効果(CDEE)モデルを提案し、顧客直接持続応答を予測する。
CDEEの助けを借りて、コストを予算に抑えつつ、持続的な効果を最適化するためにインセンティブアロケーションをパーソナライズする。
論文 参考訳（メタデータ） (2022-07-23T07:13:57Z) - VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。
具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。
当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
論文 参考訳（メタデータ） (2022-05-31T17:45:30Z) - Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。
商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。
本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
論文 参考訳（メタデータ） (2022-02-26T02:07:25Z) - 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) - A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in
Online Advertising [53.636153252400945]
本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。
当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
論文 参考訳（メタデータ） (2021-06-11T08:07:14Z) - Offer Personalization using Temporal Convolution Network and
Optimization [0.0]
オンラインショッピングやハイマーケット競争の増加は、オンライン小売業者のプロモーション支出の増加につながっている。
本稿では,小売店舗における消費者・商品・時間の交点におけるオファー最適化の課題を解決するためのアプローチを提案する。
論文 参考訳（メタデータ） (2020-10-14T10:59:34Z) - Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential
Advertising [52.3825928886714]
我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。
理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。
強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
論文 参考訳（メタデータ） (2020-06-29T18:50:35Z) - An Opportunistic Bandit Approach for User Interface Experimentation [4.221317325134029]
実際のオンライン小売データを用いて,実験をできるだけ安価に行えるようにするために,オポチュニスティックな帯域幅が有効であることを示す。
我々は,コストのかかる探索を緩和し,余分な文脈情報を提供することで,重大な後悔の軽減を実現している。
論文 参考訳（メタデータ） (2020-06-21T18:43:06Z) - Graph Representation Learning for Merchant Incentive Optimization in
Mobile Payment Marketing [26.154050518762457]
本稿では,モバイル決済マーケティングにおける商店インセンティブ最適化のための取引ネットワーク上のグラフ表現学習手法を提案する。
私たちは、各商人に対するインセンティブに対する感受性をモデル化することができ、マーケティングキャンペーンで強い感受性を示す商人に予算を費やすことができます。
論文 参考訳（メタデータ） (2020-02-27T18:48:55Z)
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。