論文の概要: asLLR: LLM based Leads Ranking in Auto Sales

• arxiv url: http://arxiv.org/abs/2510.21713v1
• Date: Wed, 10 Sep 2025 01:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.102226
• Title: asLLR: LLM based Leads Ranking in Auto Sales
• Title（参考訳）: ASLLR:LLMベースの自動車販売ランキングで首位
• Authors: Yin Sun, Yiwen Liu, Junjie Song, Chenyu Zhang, Xinyuan Zhang, Lingjie Liu, Siqi Chen, Yuji Cao,
• Abstract要約: 本稿では,CTR損失と質問回答(QA)損失をデコーダのみの大規模言語モデルアーキテクチャに組み込んだLLR(LLMベースの自動車販売におけるリードランキング)を紹介する。 実験の結果,AsLLRは商用データセットの複雑なパターンを効果的にモデル化し,AUCの0.8127を達成できた。 実世界の販売シナリオでは、厳格なオンラインA/Bテストの後、LLRは従来の方法と比較して販売量を約9.5%増やした。
• 参考スコア（独自算出の注目度）: 31.82007865964295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the area of commercial auto sales system, high-quality lead score sequencing determines the priority of a sale's work and is essential for optimizing the efficiency of the sales system. Since CRM (Customer Relationship Management) system contains plenty of textual interaction features between sales and customers, traditional techniques such as Click Through Rate (CTR) prediction struggle with processing the complex information inherent in natural language features, which limits their effectiveness in sales lead ranking. Bridging this gap is critical for enhancing business intelligence and decision-making. Recently, the emergence of large language models (LLMs) has opened new avenues for improving recommendation systems, this study introduces asLLR (LLM-based Leads Ranking in Auto Sales), which integrates CTR loss and Question Answering (QA) loss within a decoder-only large language model architecture. This integration enables the simultaneous modeling of both tabular and natural language features. To verify the efficacy of asLLR, we constructed an innovative dataset derived from the customer lead pool of a prominent new energy vehicle brand, with 300,000 training samples and 40,000 testing samples. Our experimental results demonstrate that asLLR effectively models intricate patterns in commercial datasets, achieving the AUC of 0.8127, surpassing traditional CTR estimation methods by 0.0231. Moreover, asLLR enhances CTR models when used for extracting text features by 0.0058. In real-world sales scenarios, after rigorous online A/B testing, asLLR increased the sales volume by about 9.5% compared to the traditional method, providing a valuable tool for business intelligence and operational decision-making.
• Abstract（参考訳）: 商用自動車販売システムにおいて、高品質のリードスコアシークエンシングは、販売作業の優先順位を決定し、販売システムの効率を最適化するために不可欠である。 CRM (Customer Relationship Management) システムにはセールスと顧客間のテキストインタラクション機能が多く含まれているため、Click Through Rate (CTR) のような従来の手法では、自然言語機能に固有の複雑な情報を処理するのに苦労している。 このギャップを埋めることは、ビジネスインテリジェンスと意思決定を強化するために重要です。 近年,大規模言語モデル (LLMs) の出現によりレコメンデーションシステムを改善する新たな道が開かれ,CTR損失とQA損失をデコーダのみの大規模言語モデルアーキテクチャに統合したLLR (LLM-based Leads Ranking in Auto Sales) が導入された。 この統合により、表と自然言語の両方の機能の同時モデリングが可能になる。 AsLLRの有効性を検証するために、30,000のトレーニングサンプルと4万の試験サンプルを用いて、著名な新エネルギー車ブランドの顧客リードプールから得られた革新的なデータセットを構築した。 実験の結果,AsLLRは商用データセットの複雑なパターンを効果的にモデル化し,従来のCTR推定手法を0.0231倍に上回る0.8127のAUCを実現した。 さらに、asLLRはテキストの特徴を0.0058まで抽出する際にCTRモデルを強化する。 実世界の販売シナリオでは、厳格なオンラインA/Bテストの後、LLRは従来の方法と比較して販売量を約9.5%増やし、ビジネスインテリジェンスと運用上の意思決定のための貴重なツールを提供した。

関連論文リスト

• Predicting E-commerce Purchase Behavior using a DQN-Inspired Deep Learning Model for enhanced adaptability [0.0]
  本稿では,Deep Q-Network (DQN) にインスパイアされたアーキテクチャを活用し,電子商取引環境における購入意図と製品需要を予測する新しいアプローチを提案する。 我々は,885,000以上のユーザセッションからなる大規模eコマースデータセット上で,それぞれ1,114の特徴を特徴付けるモデルを評価した。 精度は88%,AUC-ROCスコアは0.88である。
  論文  参考訳（メタデータ） (2025-06-21T02:12:26Z)
• Self-Improvement in Language Models: The Sharpening Mechanism [70.9248553790022]
  我々は、レンズを通して自己改善の能力について、新たな視点を提供する。 言語モデルは、正しい応答を生成する場合よりも、応答品質の検証が優れているという観察に感銘を受けて、後学習において、モデル自体を検証対象として、自己改善を形式化する。 SFTとRLHFに基づく自己改善アルゴリズムの2つの自然ファミリーを解析する。
  論文  参考訳（メタデータ） (2024-12-02T20:24:17Z)
• Monte Carlo Tree Search Boosts Reasoning via Iterative Preference Learning [55.96599486604344]
  本稿では,Large Language Models (LLMs) の推論能力向上を目的とした,反復的な選好学習プロセスによるアプローチを提案する。 我々は、MCTS(Monte Carlo Tree Search)を用いて好みデータを反復的に収集し、そのルックアヘッド機能を利用して、インスタンスレベルの報酬をよりきめ細かいステップレベルの信号に分解する。 提案アルゴリズムはDPO(Direct Preference Optimization)を用いて,新たに生成されたステップレベルの優先度データを用いてLCMポリシーを更新する。
  論文  参考訳（メタデータ） (2024-05-01T11:10:24Z)
• Modeling the Telemarketing Process using Genetic Algorithms and Extreme Boosting: Feature Selection and Cost-Sensitive Analytical Approach [0.06906005491572399]
  本研究は、顧客による長期預金の意欲をモデル化する上で、テレマーケティングデータの力を活用することを目的とする。 ポルトガルの銀行と社会経済指標の実際のデータは、遠隔販売による意思決定プロセスのモデル化に使用される。
  論文  参考訳（メタデータ） (2023-10-30T08:46:55Z)
• From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning [52.257422715393574]
  本稿では,Large Language Models (LLMs) の自己誘導手法を導入し,オープンソースデータセットからサクラサンプルを自動識別し,選択する。 我々の重要な革新である命令追従困難度(IFD)メトリックは、モデルが期待する応答と本質的な生成能力の相違を識別するための重要な指標として現れます。
  論文  参考訳（メタデータ） (2023-08-23T09:45:29Z)
• RF-LighGBM: A probabilistic ensemble way to predict customer repurchase behaviour in community e-commerce [8.750970436444083]
  中国におけるオンライン決済ユーザーの数は8億4400万人に達している。 コミュニティのeコマースプラットフォームが出現するにつれ、eコマースとソーシャルアプリケーションの統合の傾向はますます強まっている。 本稿では,データ駆動型手法を用いて,地域電子商取引顧客の再購入行動の予測について検討する。
  論文  参考訳（メタデータ） (2021-09-02T05:38:16Z)
• 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)

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。