論文の概要: Dynamic Network-Based Two-Stage Time Series Forecasting for Affiliate Marketing

• arxiv url: http://arxiv.org/abs/2510.11323v1
• Date: Mon, 13 Oct 2025 12:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.353508
• Title: Dynamic Network-Based Two-Stage Time Series Forecasting for Affiliate Marketing
• Title（参考訳）: 動的ネットワークに基づくアフィリエイトマーケティングのための2段階時系列予測
• Authors: Zhe Wang, Yaming Yang, Ziyu Guan, Bin Tong, Rui Wang, Wei Zhao, Hongbo Deng,
• Abstract要約: 本稿では,製品プロモーションにおけるプロモーターの貢献度を正確に評価し,予測することの課題に対処する。 本研究では,プロモーターの間接的貢献を評価するための新しい指標である伝搬尺度を設計する。 当社のモデルをAlimamaプラットフォームに10万ドル以上のプロモーターで展開し、GMVの9.29%の改善と売上の5.89%の増加を達成した。
• 参考スコア（独自算出の注目度）: 23.782923499347433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, affiliate marketing has emerged as a revenue-sharing strategy where merchants collaborate with promoters to promote their products. It not only increases product exposure but also allows promoters to earn a commission. This paper addresses the pivotal yet under-explored challenge in affiliate marketing: accurately assessing and predicting the contributions of promoters in product promotion. We design a novel metric for evaluating the indirect contributions of the promoter, called propagation scale. Unfortunately, existing time series forecasting techniques fail to deliver accurate predictions due to the propagation scale being influenced by multiple factors and the inherent complexities arising from dynamic scenarios. To address this issue, we decouple the network structure from the node signals and propose a two-stage solution: initially, the basic self-sales and network structure prediction are conducted separately, followed by the synthesis of the propagation scale. Specifically, we design a graph convolution encoding scheme based on descendant neighbors and incorporate hypergraph convolution to efficiently capture complex promotional dynamics. Additionally, three auxiliary tasks are employed: self-sales prediction for base estimations, descendant prediction to synthesize propagation scale, and promoter activation prediction to mitigate high volatility issues. Extensive offline experiments on large-scale industrial datasets validate the superiority of our method. We further deploy our model on Alimama platform with over $100,000$ promoters, achieving a $9.29\%$ improvement in GMV and a $5.89\%$ increase in sales volume.
• Abstract（参考訳）: 近年、アフィリエイトマーケティングは、商人がプロモーターと協力して商品を宣伝する収益分配戦略として出現している。 製品露出を増加させるだけでなく、プロモーターが手数料を稼ぐこともできる。 本稿では,アフィリエイトマーケティングにおける重要な課題である,製品プロモーションにおけるプロモーターの貢献を正確に評価し,予測することについて述べる。 本研究では,プロモーターの間接的貢献を評価するための新しい指標である伝搬尺度を設計する。 残念ながら、既存の時系列予測技術は、伝播スケールが動的シナリオから生じる複数の要因と固有の複雑さに影響されているため、正確な予測を達成できない。 この問題に対処するため,ノード信号からネットワーク構造を分離し,まず基本的自己販売とネットワーク構造予測を別々に行い,続いて伝播スケールの合成を行う2段階の解を提案する。 具体的には, グラフ畳み込み符号化方式を設計し, ハイパーグラフ畳み込みを取り入れ, 複雑な促進ダイナミクスを効率的に捉える。 さらに、ベース推定のためのセルフセール予測、伝播スケールを合成するための子孫予測、高ボラティリティ問題を緩和するためのプロモーターアクティベーション予測の3つの補助タスクが採用されている。 大規模産業データセットに対する大規模なオフライン実験により,本手法の優位性を検証した。 我々はさらに、当社のモデルを100,000ドル以上のプロモーターでAlimamaプラットフォームに展開し、GMVの9.29 %の改善と売上の5.89 %の増加を達成した。

関連論文リスト

• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting [51.37167759339485]
  本稿では,アプリロリで知られたコンテキスト変数を利用して予測性能を向上させるマルチホライゾン予測器であるTemporal-Aligned Transformer (TAT)を提案する。 我々のモデルはエンコーダとデコーダで構成されており、どちらもピーク需要予測のためのコンテキスト依存アライメントを学習するための新しい時間アライメントアテンション(TAA)を組み込んでいる。 以上の結果から,TATはピーク需要予測において30%の精度を実現し,他の最先端手法と比較して総合的な性能を維持した。
  論文  参考訳（メタデータ） (2025-07-14T14:51:24Z)
• 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)
• Neural Optimization with Adaptive Heuristics for Intelligent Marketing System [1.3079444139643954]
  本稿では,AIシステムのマーケティングのための一般的なフレームワークとして,適応ヒューリスティックス(Noah)フレームワークを用いたニューラル最適化を提案する。 Noahは2B(to-business)と2C(to-consumer)の両方の製品と、所有チャンネルと有償チャネルを考慮に入れた、マーケティング最適化のための最初の一般的なフレームワークである。 我々は、予測、最適化、適応的なオーディエンスを含むNoahフレームワークの重要なモジュールを説明し、入札とコンテンツ最適化の例を提供する。
  論文  参考訳（メタデータ） (2024-05-17T01:44:30Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• A framework for massive scale personalized promotion [18.12992386307048]
  消費者向けプラットフォームを構築するテクノロジー企業は、大規模なユーザー人口にアクセスできるかもしれない。 定量化インセンティブによるプロモーションは、このようなプラットフォーム上でアクティブユーザを増やすための一般的なアプローチとなっている。 本稿では,大規模プロモーションキャンペーンのROIを最適化する実用的な2段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-27T03:03:18Z)
• Online Multi-Agent Forecasting with Interpretable Collaborative Graph Neural Network [65.11999700562869]
  複数の協調予測器からの予測を協調グラフに従って集約する新しい協調予測ユニット(CoPU)を提案する。 本手法は,3つのタスクの最先端処理を平均28.6%,17.4%,21.0%で上回っている。
  論文  参考訳（メタデータ） (2021-07-02T08:20:06Z)
• A Multi-Phase Approach for Product Hierarchy Forecasting in Supply Chain Management: Application to MonarchFx Inc [9.290757451344673]
  本稿では,階層的サプライチェーンの予測を改善するために,新しい多相階層型アプローチを提案する。 提案手法を用いた予測精度は82-90%向上した。
  論文  参考訳（メタデータ） (2020-06-16T05:26:11Z)

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。