論文の概要: Agentic Personalisation of Cross-Channel Marketing Experiences

• arxiv url: http://arxiv.org/abs/2506.16429v1
• Date: Thu, 19 Jun 2025 16:07:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.155579
• Title: Agentic Personalisation of Cross-Channel Marketing Experiences
• Title（参考訳）: クロスチャネルマーケティング体験のエージェントパーソナライズ
• Authors: Sami Abboud, Eleanor Hanna, Olivier Jeunen, Vineesha Raheja, Schaun Wheeler,
• Abstract要約: ファンネルイベントのインクリメンタルエンゲージメントを最大化するモジュール型意思決定ポリシーを最適化することを目指している。 当社の方法論は,いくつかの製品機能にまたがるさまざまな目標イベントを著しく増加させ,現在1億5000万人のユーザを対象に展開しています。
• 参考スコア（独自算出の注目度）: 2.5631808142941415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Consumer applications provide ample opportunities to surface and communicate various forms of content to users. From promotional campaigns for new features or subscriptions, to evergreen nudges for engagement, or personalised recommendations; across e-mails, push notifications, and in-app surfaces. The conventional approach to orchestration for communication relies heavily on labour-intensive manual marketer work, and inhibits effective personalisation of content, timing, frequency, and copy-writing. We formulate this task under a sequential decision-making framework, where we aim to optimise a modular decision-making policy that maximises incremental engagement for any funnel event. Our approach leverages a Difference-in-Differences design for Individual Treatment Effect estimation, and Thompson sampling to balance the explore-exploit trade-off. We present results from a multi-service application, where our methodology has resulted in significant increases to a variety of goal events across several product features, and is currently deployed across 150 million users.
• Abstract（参考訳）: コンシューマアプリケーションは、さまざまな形式のコンテンツをユーザに公開し、伝達する多くの機会を提供します。 新機能やサブスクリプションのプロモーションキャンペーンから、エンゲージメントのための常緑ナッジ、あるいは個人化されたレコメンデーションまで、メール、プッシュ通知、アプリ内サーフェスまで。 従来のコミュニケーションのためのオーケストレーション手法は、労働集約的な手作業に大きく依存しており、コンテンツ、タイミング、頻度、複写の効果的なパーソナライズを阻害している。 このタスクをシーケンシャルな意思決定フレームワークで定式化し、あらゆるファンネルイベントのインクリメンタルエンゲージメントを最大化するモジュラーな意思決定ポリシーを最適化することを目指しています。 提案手法は,個別処理効果推定のための差分差分設計とトンプソンサンプリングを利用して探索・露光トレードオフのバランスをとる。 当社の方法論は,いくつかの製品機能にまたがるさまざまな目標イベントに大幅な増加をもたらし,現在1億5000万人のユーザに対してデプロイされています。

関連論文リスト

• DashCLIP: Leveraging multimodal models for generating semantic embeddings for DoorDash [0.4288177321445912]
  画像テキストデータに対するコントラスト学習を通じて,ユニモーダルエンコーダとマルチモーダルエンコーダを整列させることにより,製品およびユーザクエリのための共同トレーニングフレームワークを導入する。 提案手法では,クエリエンコーダをLLM計算した関連データセットでトレーニングし,エンゲージメント履歴への依存を解消する。 パーソナライズされた広告レコメンデーションでは、デプロイ後のクリックスルー率と変換レートが大きく上昇し、主要なビジネス指標への影響を確認します。
  論文  参考訳（メタデータ） (2025-03-18T20:38:31Z)
• Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T05:56:51Z)
• Personalized Multi-task Training for Recommender System [80.23030752707916]
  PMTRecは、様々な情報ソースから包括的ユーザ/イテム埋め込みを得るための、最初のパーソナライズされたマルチタスク学習アルゴリズムである。 我々の貢献は、レコメンデーションシステムにおけるパーソナライズされたマルチタスクトレーニングを促進するための新しい道を開く。
  論文  参考訳（メタデータ） (2024-07-31T06:27:06Z)
• Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
  我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。 我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。 我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
  論文  参考訳（メタデータ） (2024-03-15T20:21:31Z)
• Learning Multi-Agent Intention-Aware Communication for Optimal Multi-Order Execution in Finance [96.73189436721465]
  まず,現実的な制約を考慮したマルチオーダー実行のためのマルチエージェントRL(MARL)手法を提案する。 本稿では,学習可能なマルチラウンド通信プロトコルを提案する。 2つの実世界の市場のデータに関する実験では、優れたパフォーマンスを示し、コラボレーションの有効性が著しく向上した。
  論文  参考訳（メタデータ） (2023-07-06T16:45:40Z)
• Dynamic Resource Allocation for Metaverse Applications with Deep Reinforcement Learning [64.75603723249837]
  そこで本研究では,Metaverse アプリケーション用の異なるタイプのリソースを動的に管理・割り当てする新しいフレームワークを提案する。 まず,アプリケーション間で共通関数を共有できるMetaInstancesという,アプリケーションをグループに分割する効果的なソリューションを提案する。 そこで我々は,要求到着プロセスとアプリケーション離脱プロセスのリアルタイム,動的,不確実な特性を捉えるために,セミマルコフ決定プロセスに基づくフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-02-27T00:30:01Z)
• Targeted Advertising on Social Networks Using Online Variational Tensor Regression [21.40403535421477]
  我々は、オンラインターゲティング広告のための最初の文脈的盗賊フレームワークであると考えるものを提案する。 提案するフレームワークは,多モードテンソルの形で,任意の特徴ベクトルに対応するように設計されている。 提案したUCBアルゴリズムは,ベンチマークによる影響タスクの大幅な改善を実現することを実証的に確認する。
  論文  参考訳（メタデータ） (2022-08-22T22:10:45Z)
• E-Commerce Promotions Personalization via Online Multiple-Choice Knapsack with Uplift Modeling [1.027974860479791]
  本稿では,オンライン制約付きマルチコースプロモーションパーソナライズ問題について検討する。 本研究は,オンライン多重選択Knapsack問題としてこの問題を定式化する。 予算制約の遵守を保証するリアルタイム適応手法を提案する。
  論文  参考訳（メタデータ） (2021-08-11T15:09:16Z)

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。