論文の概要: Beyond Means: A Dynamic Framework for Predicting Customer Satisfaction
- arxiv url: http://arxiv.org/abs/2511.14743v1
- Date: Tue, 18 Nov 2025 18:43:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-19 16:23:53.265064
- Title: Beyond Means: A Dynamic Framework for Predicting Customer Satisfaction
- Title（参考訳）: Beyond Means: 顧客満足度を予測する動的フレームワーク
- Authors: Christof Naumzik, Abdurahman Maarouf, Stefan Feuerriegel, Markus Weinmann,
- Abstract要約: 評価アグリゲーションにガウス過程(GP)フレームワークを用いることの価値を実証する。
Yelpの121,123のレーティングに基づいて、将来のレーティングを予測するために異なるレーティングアグリゲーション手法の予測能力を比較する。
当社の発見は,マーケティング実践者や顧客にとって重要な意味を持つ。
- 参考スコア（独自算出の注目度）: 29.75950401212671
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Online ratings influence customer decision-making, yet standard aggregation methods, such as the sample mean, fail to adapt to quality changes over time and ignore review heterogeneity (e.g., review sentiment, a review's helpfulness). To address these challenges, we demonstrate the value of using the Gaussian process (GP) framework for rating aggregation. Specifically, we present a tailored GP model that captures the dynamics of ratings over time while additionally accounting for review heterogeneity. Based on 121,123 ratings from Yelp, we compare the predictive power of different rating aggregation methods in predicting future ratings, thereby finding that the GP model is considerably more accurate and reduces the mean absolute error by 10.2% compared to the sample mean. Our findings have important implications for marketing practitioners and customers. By moving beyond means, designers of online reputation systems can display more informative and adaptive aggregated rating scores that are accurate signals of expected customer satisfaction.
- Abstract（参考訳）: オンライン評価は顧客決定に影響を与えるが、サンプル平均のような標準的な集計手法は、時間とともに品質の変化に適応できず、レビューの不均一性(レビューの感情、レビューの有用性など)を無視している。
これらの課題に対処するために、評価集約にガウス過程(GP)フレームワークを使うことの価値を実証する。
具体的には、時間とともに評価のダイナミクスを捉えながら、レビューの不均一性を考慮し、調整されたGPモデルを提案する。
Yelpの121,123のレーティングに基づいて、将来のレーティングの予測において異なるレーティングアグリゲーション手法の予測力を比較した結果、GPモデルはかなり正確であり、サンプル平均よりも平均絶対誤差を10.2%削減することがわかった。
当社の発見は,マーケティング実践者や顧客にとって重要な意味を持つ。
手段を超えて、オンライン評価システムのデザイナは、期待される顧客満足度の正確なシグナルである、より情報的で適応的な集計された評価スコアを表示することができる。
関連論文リスト
- Reference-Free Rating of LLM Responses via Latent Information [53.463883683503106]
本研究では,判断モデルに対して,自由テキスト応答にQuattスケールのスコアを割り当てるよう依頼する一般的な実践について検討する。
次に、内部モデル信号からスカラー評価を導出する潜在裁判官を提案し、評価する。
ペアとシングルレーティングのベンチマークの幅広いスイートの中で、潜在メソッドは標準のプロンプトにマッチするか、超えている。
論文 参考訳（メタデータ） (2025-09-29T12:15:52Z) - Probe-Rewrite-Evaluate: A Workflow for Reliable Benchmarks and Quantifying Evaluation Awareness [6.071703608560761]
大規模言語モデル(LLM)は、現実のデプロイメントコンテキストから制御された評価設定への変更を認識すると、大きな振る舞いの変化を示すことが多い。
この不一致は、ベンチマークパフォーマンスがモデルの真の安全性と誠実さを正確に反映していない可能性があるため、AIアライメントにとって重要な課題となる。
線形プローブを用いて連続的な尺度のプロンプトを"test-like"から"deploy-like"にスコアする手法を提案する。
論文 参考訳（メタデータ） (2025-08-30T19:03:14Z) - Mitigating the Participation Bias by Balancing Extreme Ratings [3.5785450878667597]
我々は、参加バイアスの下で、ロバストな評価集計タスクについて検討する。
私たちの目標は、集計された評価と、基礎となるすべての評価の平均との間の2乗損失を最小化することです。
論文 参考訳（メタデータ） (2025-02-06T02:58:46Z) - Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。
本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
論文 参考訳（メタデータ） (2024-08-20T14:29:23Z) - Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。
データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。
概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
論文 参考訳（メタデータ） (2023-06-26T13:06:34Z) - Spatio-Temporal Graph Representation Learning for Fraudster Group
Detection [50.779498955162644]
企業は、偽レビューを書くために詐欺師グループを雇い、競合相手をデモしたり、自分のビジネスを宣伝したりすることができる。
そのようなグループを検出するには、詐欺師グループの静的ネットワークを表現するのが一般的なモデルである。
両レビュアーの表現学習におけるHIN-RNNの有効性を第一に活用することを提案する。
論文 参考訳（メタデータ） (2022-01-07T08:01:38Z)
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。