論文の概要: Latent Customer Segmentation and Value-Based Recommendation Leveraging a Two-Stage Model with Missing Labels

• arxiv url: http://arxiv.org/abs/2602.12485v1
• Date: Thu, 12 Feb 2026 23:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.792071
• Title: Latent Customer Segmentation and Value-Based Recommendation Leveraging a Two-Stage Model with Missing Labels
• Title（参考訳）: ラベルを欠いた2段階モデルを活用した潜在顧客セグメンテーションと価値に基づくレコメンデーション
• Authors: Keerthi Gopalakrishnan, Tianning Dong, Chia-Yen Ho, Yokila Arora, Topojoy Biswas, Jason Cho, Sushant Kumar, Kannan Achan,
• Abstract要約: 幅広いマーケティングキャンペーンはブランドの価値を認識し、投資のリターンを減らすことができる。 既存の経済アルゴリズムは、顧客を理想的なターゲットと誤認することが多い。 この作業では、顧客分類を改善するために、Self-Paced Lossを使用した2段階のマルチモデルアーキテクチャを導入している。
• 参考スコア（独自算出の注目度）: 5.470593436045526
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The success of businesses depends on their ability to convert consumers into loyal customers. A customer's value proposition is a primary determinant in this process, requiring a balance between affordability and long-term brand equity. Broad marketing campaigns can erode perceived brand value and reduce return on investment, while existing economic algorithms often misidentify highly engaged customers as ideal targets, leading to inefficient engagement and conversion outcomes. This work introduces a two-stage multi-model architecture employing Self-Paced Loss to improve customer categorization. The first stage uses a multi-class neural network to distinguish customers influenced by campaigns, organically engaged customers, and low-engagement customers. The second stage applies a binary label correction model to identify true campaign-driven intent using a missing-label framework, refining customer segmentation during training. By separating prompted engagement from organic behavior, the system enables more precise campaign targeting, reduces exposure costs, and improves conversion efficiency. A/B testing demonstrates over 100 basis points improvement in key success metrics, highlighting the effectiveness of intent-aware segmentation for value-driven marketing strategies.
• Abstract（参考訳）: ビジネスの成功は、消費者を忠実な顧客に変える能力に依存する。 顧客価値提案は、このプロセスの主要な決定要因であり、手頃な価格と長期ブランドの株式のバランスを必要とする。 ブロードマーケティングのキャンペーンはブランドの価値を認識し、投資のリターンを減らし、既存の経済アルゴリズムは顧客を理想的なターゲットと誤認し、非効率なエンゲージメントとコンバージョンの結果をもたらす。 この作業では、顧客分類を改善するために、Self-Paced Lossを使用した2段階のマルチモデルアーキテクチャを導入している。 第1ステージでは、キャンペーン、オーガニックなエンゲージメントの顧客、低エンゲージメントの顧客に影響された顧客を識別するために、マルチクラスニューラルネットワークを使用する。 第2段階ではバイナリラベル補正モデルを適用して、不足ラベルフレームワークを使用して真のキャンペーン駆動意図を特定し、トレーニング中の顧客のセグメンテーションを精査する。 有機的行動から引き起こされたエンゲージメントを分離することにより、より正確なキャンペーンターゲティングを可能にし、露出コストを低減し、変換効率を向上させる。 A/Bテストは、主要な成功指標における100以上のベースポイントの改善を示し、価値駆動型マーケティング戦略における意図認識セグメンテーションの有効性を強調している。

関連論文リスト

• Equity by Design: Fairness-Driven Recommendation in Heterogeneous Two-Sided Markets [44.675845572303324]
  本研究では,グループレベルのユーティリティ格差を圧縮する消費者側の目的として,Conditional Value-at-Riskを紹介した。 実験の結果,生産者の制約が消費者のコストを負担しない「自由公正」体制は,複数項目設定で消滅することが明らかとなった。 厳密には、適度な公正性の制約は、飽和生産者からの露出を多様化することで、ビジネスメトリクスを改善することができる。
  論文  参考訳（メタデータ） (2026-02-11T10:59:32Z)
• ssToken: Self-modulated and Semantic-aware Token Selection for LLM Fine-tuning [51.133569963553576]
  ssTokenは自己変調されたセマンティックなToken Selectionアプローチである。 自己変調の選択とセマンティック・アウェアの選択の両方が、フルデータの微調整よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-21T03:21:04Z)
• Learning Fair And Effective Points-Based Rewards Programs [4.465134753953128]
  ポイントベースの報酬プログラムは、その実施における不公平な慣行の告発により精査されている。 ポイントベースの報酬プログラムを公平に設計する問題について検討し、その効果と公正性に反する2つの障害に着目した。 我々は、すべての顧客に対して同じ償還基準を使用する個人的公正報酬プログラムが、少なくとも1+ln 2$の損失を被っていることを示す。 本稿では,実験による点評価のリスクを制限する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-04T13:05:16Z)
• Segment Discovery: Enhancing E-commerce Targeting [8.000199536112937]
  本稿では、アップリフトモデリングと制約付き最適化に基づくポリシーフレームワークを提案する。 本研究では,2つの大規模実験と実運用による最先端のターゲット手法の改善について述べる。
  論文  参考訳（メタデータ） (2024-09-20T18:42:04Z)
• Emulating Full Participation: An Effective and Fair Client Selection Strategy for Federated Learning [50.060154488277036]
  連合学習では、クライアントの選択はモデルの性能と公平性の両方に大きな影響を及ぼす重要な問題である。 2つの指標間の固有の対立に対処し、互いに強化する2つの原則を提案する。 提案手法は,データ分布に基づいてクライアントを選択することにより,この多様性を適応的に向上させ,モデル性能と公平性の両方を改善する。
  論文  参考訳（メタデータ） (2024-05-22T12:27:24Z)
• 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)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• 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)
• Dynamically Tie the Right Offer to the Right Customer in Telecommunications Industry [0.0]
  本研究は,顧客ターゲットのキャンペーン依存変数に着目した概念モデルを提案する。 この研究の顧客セグメンテーションの結果は、マーケターにとってより意味があり、関連性があるかもしれない。
  論文  参考訳（メタデータ） (2020-10-18T16:44:51Z)

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。