論文の概要: Adaptive User Journeys in Pharma E-Commerce with Reinforcement Learning: Insights from SwipeRx
- arxiv url: http://arxiv.org/abs/2408.08024v1
- Date: Thu, 15 Aug 2024 08:47:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-16 14:26:13.366008
- Title: Adaptive User Journeys in Pharma E-Commerce with Reinforcement Learning: Insights from SwipeRx
- Title（参考訳）: 強化学習によるPharma Eコマースにおける適応的ユーザジャーニー:SwipeRxからの洞察
- Authors: Ana Fernández del Río, Michael Brennan Leong, Paulo Saraiva, Ivan Nazarov, Aditya Rastogi, Moiz Hassan, Dexian Tang, África Periáñez,
- Abstract要約: 本稿では、個人化による医療デジタルツールのエンド・ツー・エンドのユーザジャーニーを強化するための強化学習(RL)プラットフォームを提案する。
SwipeRxは東南アジアの薬剤師にとって最も人気のあるオールインワンアプリだ。
当社のフレームワークは、購入履歴のリアルタイム情報に基づいて、各薬局に合わせて製品レコメンデーションを施した一連の実験を通じてテストされる。
- 参考スコア（独自算出の注目度）: 2.7180345210658814
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a reinforcement learning (RL) platform that enhances end-to-end user journeys in healthcare digital tools through personalization. We explore a case study with SwipeRx, the most popular all-in-one app for pharmacists in Southeast Asia, demonstrating how the platform can be used to personalize and adapt user experiences. Our RL framework is tested through a series of experiments with product recommendations tailored to each pharmacy based on real-time information on their purchasing history and in-app engagement, showing a significant increase in basket size. By integrating adaptive interventions into existing mobile health solutions and enriching user journeys, our platform offers a scalable solution to improve pharmaceutical supply chain management, health worker capacity building, and clinical decision and patient care, ultimately contributing to better healthcare outcomes.
- Abstract（参考訳）: 本稿では、個人化による医療デジタルツールのエンド・ツー・エンドのユーザジャーニーを強化するための強化学習(RL)プラットフォームを提案する。
SwipeRxは東南アジアの薬剤師にとって最も人気のあるオールインワンのアプリで、このプラットフォームがユーザー体験をパーソナライズし、適応するのにどのように使えるかを実証している。
我々のRLフレームワークは、購入履歴とアプリ内エンゲージメントのリアルタイム情報に基づいて、各薬局に合わせた製品レコメンデーションによる一連の実験を通じてテストされ、バスケットサイズが大幅に増加した。
既存のモバイル医療ソリューションへの適応的介入とユーザジャーニーの充実により、当社のプラットフォームは、医薬品サプライチェーン管理、医療従事者の能力構築、臨床決定と患者ケアを改善するためのスケーラブルなソリューションを提供し、最終的には医療の成果に寄与する。
関連論文リスト
- Adaptive Behavioral AI: Reinforcement Learning to Enhance Pharmacy Services [2.7180345210658814]
モバイルヘルスアプリケーションを通じて個人化された行動介入を行うための強化学習運用システムを導入する。
我々は、薬剤師のためのオールインワンアプリであるSwipeRxで実行される一連の実験について論じる。
論文 参考訳（メタデータ） (2024-08-14T16:18:51Z) - Interactive Garment Recommendation with User in the Loop [77.35411131350833]
我々は,服を作るために補完的なアイテムを推奨するので,ユーザ反応を統合することでユーザプロファイルをその場で構築することを提案する。
本稿では,適切な衣服を提案し,ユーザのフィードバックを取り入れて推薦を改善することができる強化学習エージェントを提案する。
論文 参考訳（メタデータ） (2024-02-18T16:01:28Z) - CAREForMe: Contextual Multi-Armed Bandit Recommendation Framework for
Mental Health [7.553541266741278]
本稿では、メンタルヘルスのためのコンテキスト型マルチアームバンディット(CMAB)勧告フレームワークであるCAREForMeを紹介する。
CAREForMeは、モバイルセンシングとオンライン学習アルゴリズムを利用して、タイムリーでパーソナライズされたレコメンデーションを提供する。
さまざまなプラットフォームにまたがる実装を通じて,CAREForMeの汎用性を紹介する。
論文 参考訳（メタデータ） (2024-01-26T20:18:25Z) - ABiMed: An intelligent and visual clinical decision support system for
medication reviews and polypharmacy management [3.843569766201585]
ABiMedの目的は、医薬品レビューと多薬局管理のための革新的な臨床決定支援システムを設計することである。
ABiMedは、ガイドラインの実装と、GPの電子健康記録から患者データを自動抽出し、薬剤師に転送すること、および視覚分析を用いてコンテキスト化された薬物知識を視覚的に提示すること、の2つのアプローチを関連付けている。
論文 参考訳（メタデータ） (2023-12-13T11:06:45Z) - A Comprehensive Picture of Factors Affecting User Willingness to Use
Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。
利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。
居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文 参考訳（メタデータ） (2023-05-10T08:11:21Z) - What Do End-Users Really Want? Investigation of Human-Centered XAI for
Mobile Health Apps [69.53730499849023]
説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。
分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。
私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
論文 参考訳（メタデータ） (2022-10-07T12:51:27Z) - Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。
提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
論文 参考訳（メタデータ） (2021-10-01T15:28:44Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - StudyMe: A New Mobile App for User-Centric N-of-1 Trials [68.8204255655161]
N-of-1臨床試験は、個人が個人の健康目標に対する介入の効果を体系的に評価できる多種多様な自己実験である。
StudyMeはオープンソースのモバイルアプリで、https://play.google.com/store/apps/details?id=health.studyu.me.comから無料で利用できる。
論文 参考訳（メタデータ） (2021-07-31T20:43:36Z) - pH-RL: A personalization architecture to bring reinforcement learning to
health practice [6.587485396428361]
本論文では、RLを健康に導くためのパーソナライゼーションのための一般的なRLアーキテクチャであるpH-RLを提案する。
オープンソースのRLアーキテクチャを実装し、メンタルヘルスのためのMoodBusterモバイルアプリケーションに統合します。
実験結果から, 開発方針は, わずか数日のデータを連続的に利用して適切な行動を選択できることが示唆された。
論文 参考訳（メタデータ） (2021-03-29T19:38:04Z) - Spoiled for Choice? Personalized Recommendation for Healthcare
Decisions: A Multi-Armed Bandit Approach [1.6058099298620423]
本稿では,医療介入の選択を支援するレコメンデーションフレームワークを提案する。
ユーザの健康行動が極めてダイナミックで多様なものであることを考慮し,マルチアーム・バンディット(MAB)によるレコメンデーションフレームワークを提案する。
そこで我々は、MABを医療の文脈に適応させるために、2つの革新的なモデル要素を顕著な健康理論に基づいて合成する。
論文 参考訳（メタデータ） (2020-09-13T22:55:59Z)
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。