論文の概要: A Deep Learning Model to Predicting Changes in Consumer Attributes for New Line-extended Products
- arxiv url: http://arxiv.org/abs/2511.11646v1
- Date: Mon, 10 Nov 2025 08:50:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:22.784932
- Title: A Deep Learning Model to Predicting Changes in Consumer Attributes for New Line-extended Products
- Title（参考訳）: 新ライン延長製品における消費者属性変化予測のための深層学習モデル
- Authors: Li Yinxing, Tsukasa Ishigaki,
- Abstract要約: マーケターは、企業が市場に参入する前に、新ライン延長製品の主要な顧客特性を知る必要がある。
本稿では,新しい深層学習モデルを用いて,新しいライン延長製品における消費者属性の変化を予測する手法について述べる。
- 参考スコア（独自算出の注目度）: 1.1816942730023885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Product line extension is a marketing strategy that enhances a company's sphere of influence. Because excessive line extensions disrupt brand image, only appropriate line extensions based on consumer needs are desirable. Marketers should know the key consumer attributes of the primary customers for new line-extended products before companies enter the market. This paper describes a method for predicting changes in consumer attributes for new line-extended products using a novel deep learning model. The proposed model, Conditional Tabular Variational Auto-Encoder (CTVAE), generates synthetic data from large-scale tabular data of consumers and products. It can provide various implications about effective product line marketing for marketers. The experimental results demonstrate that the CTVAE offers superior prediction performance than existing models. We indicate implications for new products that change containers or flavors for effective product line marketing. The proposed approach has the potential to contribute to avoiding cannibalization and to designing product images and marketing strategies.
- Abstract（参考訳）: 製品ライン拡張(Product Line extension)は、企業の影響力範囲を高めるマーケティング戦略である。
過剰な路線拡張がブランドイメージを損なうため、消費者のニーズに基づいた適切な路線拡張のみが望ましい。
マーケターは、企業が市場に参入する前に、新ライン延長製品の主要な顧客特性を知る必要がある。
本稿では,新しい深層学習モデルを用いて,新しいライン延長製品における消費者属性の変化を予測する手法について述べる。
提案したモデルであるConditional Tabular Variational Auto-Encoder (CTVAE) は、消費者や製品の大規模表データから合成データを生成する。
マーケターにとって効果的な製品ラインマーケティングには様々な意味がある。
実験の結果,CTVAEは既存モデルよりも優れた予測性能を示した。
我々は,効率的な製品ラインマーケティングのために,容器やフレーバーを変更する新製品の意義を示す。
提案手法は,共食いを回避し,製品イメージやマーケティング戦略の設計に寄与する可能性がある。
関連論文リスト
- AI Tailoring: Evaluating Influence of Image Features on Fashion Product Popularity [1.3965477771846408]
本研究では,TransformerベースのモデルとRandom Forestを統合した予測モデルであるFashion Demand Predictorを開発し,製品イメージに基づいて市場人気を予測する。
選好のランキングを収集するサーベイを通じて、これらの結果を検証する。
機能によって強化された製品は、修正された製品よりも予測される人気が著しく向上したことを示す。
論文 参考訳（メタデータ） (2024-11-22T05:11:51Z) - Symmetries, Scaling Laws and Phase Transitions in Consumer Advertising Response [0.0]
本研究では,物理における対称性とスケーリング則の概念に基づく新しいモデリング手法を提案する。
本稿では,飽和効果という重要な側面を考慮に入れたモデルを提案する。
マーケティングの感度、反応の感度、行動の感度といった新しい重要なパラメータを導入し、オーディエンスエンゲージメントと広告パフォーマンスのドライバーにさらなる洞察を与えます。
論文 参考訳（メタデータ） (2024-04-01T11:23:31Z) - A Hybrid Statistical-Machine Learning Approach for Analysing Online
Customer Behavior: An Empirical Study [2.126171264016785]
我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。
以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。
特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
論文 参考訳（メタデータ） (2022-12-01T19:37:29Z) - ItemSage: Learning Product Embeddings for Shopping Recommendations at
Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。
このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文 参考訳（メタデータ） (2022-05-24T02:28:58Z) - 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) - Shapes as Product Differentiation: Neural Network Embedding in the
Analysis of Markets for Fonts [44.99833362998488]
本稿では,最もシンプルなデザイン製品について考察する。
世界最大のフォント市場からのオリジナルデータセットを使用して、合併と製品の差別化を調査する。
論文 参考訳（メタデータ） (2021-07-06T17:12:27Z) - 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) - User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。
ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。
実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-02-16T02:08:52Z) - Face to Purchase: Predicting Consumer Choices with Structured Facial and
Behavioral Traits Embedding [53.02059906193556]
消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。
階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。
実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
論文 参考訳（メタデータ） (2020-07-14T06:06:41Z) - Counterfactual Inference for Consumer Choice Across Many Product
Categories [6.347014958509367]
我々は,行列因数分解の確率論的モデルに基づく機械学習文献に基づく手法を構築した。
我々のモデルは、それぞれのカテゴリを独立して考える従来のモデリングアプローチよりも改善されていることを示す。
保持データを用いて、当社のモデルは、ある製品に対して最も価格に敏感な消費者を正確に識別できることを示す。
論文 参考訳（メタデータ） (2019-06-06T15:11:01Z)
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。