یک سامانه‌ی پیشنهاد گر یا توصیه گر برای کالاهای فروش

نوع فایل : word

تعداد صفحات : 24

تعداد کلمات : 6600

مجله : Proceedings of SIGIR eCom

انتشار : 2017

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
7 اکتبر 2020
دسته بندی
تعداد بازدیدها
1305 بازدید
32,000 تومان

عنوان فارسی مقاله:یک سامانه‌ی پیشنهاد گر یا توصیه گر برای کالاهای فروش و کالابرگ‌های تجارت الکترونیک

 چکیده  

هر روزه شرکت‌ها و سازمان‌های کسب و کار الکترونیک مبتنی بر پاداش، هزاران کالابرگ و تخفیف فروش آنلاین یا برخط را ارائه می‌کنند.. مصرف کنندگانی که سرویس‌های کالابرگ آنلاین سفارش می‌کنند یا یک ایمیل خودکار را همراه تخفیف، گزینش می‌کنند و یا در صفحه‌ی اول وب سایت بعضی تخفیفات را گزینش می‌کنند. تخفیفات بر خط یا انلاین با کیفیت خیلی بالا انتخاب می‌شود و به وسیله‌ی این دو ابزار از طریق از یک پروسه دستی که در آن برخی از متخصصان مسئول اندازه گیری تازگی، رواج محصول، گرایش‌های خرده فروش و سایر شرایط مربوط به کسب و کار کار می‌کنند، دریافت می‌شوند. این فرایندی پر هزینه و طولانی است و بر مبنای ترجیح و اولویت مصرف کنندگان و یا تاریخ خرید آن‌ها نمی‌باشد. در تحقیق حاضر، ما یک سیستم پیشنهاد گر مبتنی بر محتوا ارائه می‌شود که پروسه‌ی انتخاب کالابرگ را تسهیل کرده و پیشنهاد را برای افزایش انتخاب و در پایان نرخ تبدیل، تخصصی می‌کند. در برابر سنجه‌ی بر اساس محبوبیت، سامانه‌ی پیشنهاد گر وب محور باعث افزایش شاخص‌های F از ۰٫۲۱ تا ۰٫۸۵ می‌شود و میزان کلیک برآورد شده را از ۱٫۲۰ تا ۷٫۸۰ درصد بالا می‌برد. سامانه‌ی آزمایشی اکنون برای آزمون A/B با مشتریان واقعی تنظیم شده است(کالاهای فروش و کالابرگ‌های تجارت الکترونیک).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: A Content-based Recommender System for E-commerce  offers and Coupons

Abstract

Reward-based e-commerce companies expose thousands of online oers and coupons every day. Customers who signed up for online coupon services either receive a daily digest email with selected oers or select specic oers on the company website front-page. High-quality online discounts are selected and delivered through these two means by applying a manual process that involves a team of experts who are responsible for evaluating recency, product popularity, retailer trends, and other business-related criteria. Such a process is costly, time-consuming, and not customized on users’ preferences or shopping history. In this work, we propose a contentbased recommender system that streamlines the coupon selection process and personalizes the recommendation to improve the clickthrough rate and, ultimately, the conversion rates. When compared to the popularity-based baseline, our content-based recommender system improves F-measures from 0.21 to 0.85 and increases the estimated click-through rate from 1.20% to 7.80%. The experimental system is currently scheduled for A/B testing with real customers.
دیدگاهتان را بنویسید