論文の概要: Analysis of Customer Journeys Using Prototype Detection and Counterfactual Explanations for Sequential Data
- arxiv url: http://arxiv.org/abs/2505.11086v1
- Date: Fri, 16 May 2025 10:17:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-19 14:36:14.66793
- Title: Analysis of Customer Journeys Using Prototype Detection and Counterfactual Explanations for Sequential Data
- Title（参考訳）: 時系列データに対するプロトタイプ検出と代替説明を用いた顧客ジャーニーの分析
- Authors: Keita Kinjo,
- Abstract要約: 本稿では,顧客旅行の分析を行う3つのステップからなる新しいアプローチを提案する。
まず、シーケンスデータ間の距離を定義し、代表シーケンスを特定し視覚化する。
第2に、この距離に基づいて購入の可能性を予測する。
第三に、あるシーケンスが購入を示唆しない場合、購入の確率を高めるために偽造シーケンスが推奨される。
- 参考スコア（独自算出の注目度）: 0.8702432681310401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, the proliferation of omni-channel platforms has attracted interest in customer journeys, particularly regarding their role in developing marketing strategies. However, few efforts have been taken to quantitatively study or comprehensively analyze them owing to the sequential nature of their data and the complexity involved in analysis. In this study, we propose a novel approach comprising three steps for analyzing customer journeys. First, the distance between sequential data is defined and used to identify and visualize representative sequences. Second, the likelihood of purchase is predicted based on this distance. Third, if a sequence suggests no purchase, counterfactual sequences are recommended to increase the probability of a purchase using a proposed method, which extracts counterfactual explanations for sequential data. A survey was conducted, and the data were analyzed; the results revealed that typical sequences could be extracted, and the parts of those sequences important for purchase could be detected. We believe that the proposed approach can support improvements in various marketing activities.
- Abstract（参考訳）: 近年,Omniチャネルプラットフォームの普及は,特にマーケティング戦略開発における役割において,カスタマージャーニーへの関心が高まっている。
しかし、データのシーケンシャルな性質と分析に関わる複雑さのために、定量的に研究したり、包括的に分析するための努力は、ほとんど行われていない。
本研究では,顧客ジャーニーを解析するための3つのステップからなる新しいアプローチを提案する。
まず、シーケンスデータ間の距離を定義し、代表シーケンスを特定し視覚化する。
第2に、この距離に基づいて購入の可能性を予測する。
第三に、もし購入を示唆しない場合、提案手法を用いて購入の確率を高めるために逆ファクト的シーケンスを推奨し、シーケンシャルデータに対する逆ファクト的説明を抽出する。
その結果, 典型的なシーケンスを抽出し, 購入に重要なシーケンスの一部を検出することができた。
提案手法は,様々なマーケティング活動の改善を支援することができると考えている。
関連論文リスト
- Improving 3D Few-Shot Segmentation with Inference-Time Pseudo-Labeling [3.4387114292512457]
提案手法は,クエリサンプルの本質的な情報を推論中の最終セグメンテーションに有効活用する手法である。
提案手法は,多様な設定やデータセットにまたがる性能を効果的に向上させることができる。
論文 参考訳（メタデータ） (2024-10-13T19:07:07Z) - Data Distribution Valuation [56.71023681599737]
既存のデータバリュエーションメソッドは、離散データセットの値を定義します。
多くのユースケースでは、ユーザはデータセットの値だけでなく、データセットがサンプリングされた分布の値にも興味を持っています。
本稿では,理論的原理と実行可能なポリシを実現するための,MMDに基づく評価手法を提案する。
論文 参考訳（メタデータ） (2024-10-06T07:56:53Z) - Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。
埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。
本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
論文 参考訳（メタデータ） (2024-10-03T15:45:15Z) - Applied Machine Learning to Anomaly Detection in Enterprise Purchase Processes [0.0]
本研究は、実データから2つの大きな購入データセットから検出された事例を優先的に調査する手法を提案する。
目的は、企業の管理努力の有効性に寄与し、その実施実績を高めることである。
論文 参考訳（メタデータ） (2024-05-23T16:21:51Z) - A Comprehensive Survey on Data Augmentation [55.355273602421384]
データ拡張(Data augmentation)は、既存のデータサンプルを操作することによって高品質な人工データを生成する技術である。
既存の文献調査では、特定のモダリティデータにのみ焦点が当てられている。
本稿では,異なる共通データモダリティのためのデータ拡張技術を含む,より啓蒙的な分類法を提案する。
論文 参考訳（メタデータ） (2024-05-15T11:58:08Z) - A Supervised Contrastive Learning Pretrain-Finetune Approach for Time
Series [15.218841180577135]
本稿では,教師付きコントラスト学習を利用して,事前学習データセット内の特徴を識別する新しい事前学習手法を提案する。
次に、事前学習データセットの学習力学とより密に連携することで、目標データの正確な予測を強化するための微調整手順を提案する。
論文 参考訳（メタデータ） (2023-11-21T02:06:52Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳（メタデータ） (2023-07-31T11:28:24Z) - Reinforced Approximate Exploratory Data Analysis [7.974685452145769]
まず,対話型データ探索環境におけるサンプリングの影響について検討し,近似誤差を導入する。
本稿では, サンプル選択を最適化し, 分析および洞察フローの持続性を維持するための, 深層強化学習(DRL)に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-12T20:20:22Z) - Active Sampling of Multiple Sources for Sequential Estimation [92.37271004438406]
本研究の目的は,パラメータを逐次推定するアクティブサンプリングアルゴリズムを設計し,信頼性の高い推定値を生成することである。
本稿では, エンフ条件推定コスト関数を導入し, 最近, トラクタブル解析を施した逐次推定手法を提案する。
論文 参考訳（メタデータ） (2022-08-10T15:58:05Z) - Sequential Nature of Recommender Systems Disrupts the Evaluation Process [0.0]
我々は,一般的な評価プロセスに対して,敵攻撃を用いることを提案する。
シーケンシャル・アウェア・ブースティング・アタック(Sequence-aware boosting attack)を提案する。
そこで本研究では,MovieLense-100kデータセットの評価プロセスに$sim1%$が適用可能であることを示す。
論文 参考訳（メタデータ） (2022-05-26T23:56:29Z)
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。