Fugu-MT 論文翻訳(概要): Unlocking Your Sales Insights: Advanced XGBoost Forecasting Models for Amazon Products

論文の概要: Unlocking Your Sales Insights: Advanced XGBoost Forecasting Models for Amazon Products

arxiv url: http://arxiv.org/abs/2411.00460v1
Date: Fri, 01 Nov 2024 09:14:33 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-05 14:47:25.607656
Title: Unlocking Your Sales Insights: Advanced XGBoost Forecasting Models for Amazon Products
Title（参考訳）: セールスポイントのアンロック:Amazon製品向けの高度なXGBoost予測モデル
Authors: Meng Wang, Yuchen Liu, Gangmin Li, Terry R. Payne, Yong Yue, Ka Lok Man,
Abstract要約: 我々は、XGBoostモデルを活用して、Amazonプラットフォーム上での家電製品の予測販売に挑戦するソリューションを紹介した。その結果,XGBoostは従来のモデルに比べて優れた予測性能を示した。
参考スコア（独自算出の注目度）: 11.309196049601145
License:
Abstract: One of the important factors of profitability is the volume of transactions. An accurate prediction of the future transaction volume becomes a pivotal factor in shaping corporate operations and decision-making processes. E-commerce has presented manufacturers with convenient sales channels to, with which the sales can increase dramatically. In this study, we introduce a solution that leverages the XGBoost model to tackle the challenge of predict-ing sales for consumer electronics products on the Amazon platform. Initial-ly, our attempts to solely predict sales volume yielded unsatisfactory results. However, by replacing the sales volume data with sales range values, we achieved satisfactory accuracy with our model. Furthermore, our results in-dicate that XGBoost exhibits superior predictive performance compared to traditional models.
Abstract（参考訳）: 収益性の重要な要因の1つは、取引の量である。将来の取引量の正確な予測は、企業運営と意思決定プロセスを形成する上で重要な要素となる。電子商取引は製造業者に便利な販売チャネルを提供しており、販売は劇的に増加する可能性がある。本研究では,Amazon プラットフォーム上での家電製品の予測販売の課題に対処するために,XGBoost モデルを活用するソリューションを提案する。当初、販売量だけを予測しようとする試みは不満足な結果となった。しかし,販売量データを販売範囲値に置き換えることで,モデルと良好な精度を実現した。さらに,XGBoostは従来のモデルよりも優れた予測性能を示した。

関連論文リスト

F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文参考訳（メタデータ） (2024-06-23T21:28:50Z)
Collaborative-Enhanced Prediction of Spending on Newly Downloaded Mobile Games under Consumption Uncertainty [49.431361908465036]
ラベルのばらつきと極端性を緩和する頑健なモデルトレーニングと評価フレームワークを提案する。本フレームワークでは,ユーザIDに頼ることなく,ユーザのゲーム支出を予測するための協調型モデルを提案する。当社のアプローチは、オフラインデータに対する注目すべき textbf17.11% の強化を実現し、プロダクションモデルよりも顕著に改善されていることを示す。
論文参考訳（メタデータ） (2024-04-12T07:47:02Z)
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)
Improved Sales Forecasting using Trend and Seasonality Decomposition with LightGBM [9.788039182463768]
時系列上での傾向と季節成分のユニークな影響を示すための新しい尺度を提案する。実験の結果,提案手法は精度を向上できることがわかった。
論文参考訳（メタデータ） (2023-05-26T18:49:42Z)
A Comparative Study on Forecasting of Retail Sales [0.0]
Walmartの過去の売上データに関する予測モデルをベンチマークし、今後の売上を予測する。これらのモデルを予測課題データセット(KaggleによるM5予測)に適用する。
論文参考訳（メタデータ） (2022-03-14T04:24:29Z)
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)
Forecasting sales with Bayesian networks: a case study of a supermarket product in the presence of promotions [0.0]
本研究では,価格,プロモーションの種類,製品立地といった要素の組み合わせが売上に与える影響を予測するためのBNモデルを構築した。本稿では,特にプロモーションにおいて,BNが販売予測に有効であることを確認した。
論文参考訳（メタデータ） (2021-12-16T08:52:22Z)
PreSizE: Predicting Size in E-Commerce using Transformers [76.33790223551074]
PreSizEは、Transformerを使って正確なサイズ予測を行う新しいディープラーニングフレームワークである。我々は,PreSizEが従来の最先端のベースラインよりも優れた予測性能を実現できることを示した。概念実証として、PreSizEによるサイズ予測が、既存の生産推奨システムに統合できることを実証しています。
論文参考訳（メタデータ） (2021-05-04T15:23:59Z)
Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文参考訳（メタデータ） (2020-12-08T16:30:43Z)
Improving Sales Forecasting Accuracy: A Tensor Factorization Approach with Demand Awareness [1.8282018606246824]
販売予測への高度時間潜在因子アプローチ(ATLAS)という新しいアプローチを提案する。 ATLASは、複数のストアや製品にまたがる単一のテンソルファクターモデルを構築することで、販売の正確かつ個別化された予測を実現する。 ATLASの利点は、Information Resource, Inc.が収集した8つの製品カテゴリデータセットで実証されている。
論文参考訳（メタデータ） (2020-11-06T16:04:40Z)
How Much Can A Retailer Sell? Sales Forecasting on Tmall [20.51263243320733]
本稿では,世界最大のオンラインB2CプラットフォームであるTmallにおける小売店の売上予測事例について検討する。我々は,販売予測,すなわち季節性抽出と流通転換の2つのメカニズムを設計する。
論文参考訳（メタデータ） (2020-02-27T06:41:00Z)

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。