小売におけるエンゲージメントサーフェスの価値評価
この記事は、エンゲージメントサーフェスがオンラインショッピング行動に与える影響を探るものです。
Abhimanyu Mukerji, Sushant More, Ashwin Viswanathan Kannan, Lakshmi Ravi, Hua Chen, Naman Kohli, Chris Khawand, Dinesh Mandalapu
― 1 分で読む
目次
オンラインショッピングは最近すごく成長してるよね。今、多くの小売企業がAIを使ったエンゲージメントサーフェス(ES)を活用して、顧客のショッピング体験を良くしようとしてるんだ。これらのESは、商品の推薦や注文のリマインド、配送のアップデートをしてくれるんだ。ただ、これが顧客の支出やビジネスの収益にどんな影響を与えるかについては、まだまだ学ぶべきことがたくさんあるよ。この記事では、小売業におけるESの価値を評価する方法を紹介するよ。
エンゲージメントサーフェスって何?
エンゲージメントサーフェスは、顧客がオンラインで効率よく買い物するのを助けるツールのことだよ。商品推薦やショッピングリスト、パーソナライズされたオファーなどが含まれるんだ。ほとんどの大手ECプラットフォームが自分たちのESを持ってるから、顧客とビジネスにどれだけの価値を提供してるかを理解するのが大事なんだ。
因果関係を理解する重要性
因果関係を理解することは、ビジネスにとって重要なんだ。どのアクションが望ましい結果につながるかを知ることで、企業はリソースを効率的に配分できて、利益を最大化できるんだ。でも、顧客の行動に影響を与える要因がたくさんあるから、これを測るのは大変なんだよね。
エンゲージメントサーフェスの影響を測る際の課題
顧客の行動が時間と共に複雑になることで、売上の増加をESのような特定の要因に帰属させるのが難しいんだ。A/Bテストを通じていろんな機能をテストするのは普通だけど、実際の経験全体でテストするのは難しいことが多いんだ。
私たちのアプローチ:ダイナミック因果モデル
この課題に取り組むために、スケーラビリティのあるダイナミック因果モデル(DCM)を開発したんだ。このモデルは、何十億もの顧客アクションを分析して、ESが生み出す価値を推定するように設計されてるんだ。「もしエンゲージメントサーフェスがなかったら、ビジネスはどれだけの収益を失うだろう?」みたいな重要な質問をすることができるんだ。
因果効果の理解
DCMは、異なる顧客アクションが時間を通じてどのように相互作用するかを捉えるフレームワークを使ってるんだ。すぐに起こるアクションだけでなく、それが将来の支出につながる可能性も考慮するんだ。これらの相互作用を詳しく調べることで、ESが生み出す価値を定量化できるんだ。
モデルのトレーニング
私たちのモデルを構築するために、何年にもわたり顧客の支出とさまざまなESの機能との相互作用を分析したんだ。特定のアクションが将来の支出にどう影響したかを見つけるのが目的だったんだ。モデルは過去のデータのパターンを認識できるようにトレーニングされて、未来の顧客行動について予測できるようになったんだ。
モデルの実装
モデルがトレーニングされた後、特定の機能をESから取り除いた場合の影響など、さまざまなビジネスシナリオをシミュレーションするのに使ったんだ。こうした反実仮想シナリオを計算することで、ESが顧客の支出を増やすためにどれだけ重要かを知る手助けができたんだ。
同期効果の捉え方
DCMの大きなアップデートの1つは、同期効果を含めたことなんだ。この効果は、同じ期間に取られた顧客のアクションを考慮するもので、特にESに関連してるんだ。例えば、顧客がESを使って商品を探して、その後すぐに購入した場合、この相互作用はESに結びつけるべきなんだ。
同期効果を含める利点
同期効果を含めることで、私たちのモデルはESが生み出す価値をより正確に定量化できるようになったんだ。これらの効果を省くと、価値が大幅に過小評価されて、約25%も少なくなることが分かったんだ。これが、顧客の即時アクションとその結果を理解することの重要性を示してるんだ。
重要な発見
私たちの分析から、ESが顧客の行動に与える影響についていくつか興味深いパターンが見つかったよ:
トップチャネルが最も価値を生む: 特定のESのチャネルが、その大部分の価値を生み出してることがわかった。これは、すべてのチャネルが顧客の支出を促すわけではないことを示唆してるよ。
低価格で頻繁な購入: ESの価値は、特に低価格で頻繁に購入されるアイテムに対して高かったんだ。これは、顧客がすでに知ってる商品に対してESを使う意欲が高いからだよね。
主要機能が価値を生む: ESの最も価値のある機能は、顧客がアイテムを再注文したり、商品情報を見つけたりするのを助けるものだったんだ。これらの機能は、顧客のエンゲージメントと売上を増やすのに重要だったよ。
即時アクションの重要性: DCMのアップデートによって、ESに関連する顧客の即時アクションの重要性も捉えられるようになったんだ。これらのアクションは将来の支出や顧客行動に大きく影響することがあるんだ。
結論と今後のステップ
この記事は、ダイナミック因果モデルを通じてオンライン小売におけるエンゲージメントサーフェスの価値を理解する重要性を示してるよ。因果効果を特定することで、企業は顧客体験を向上させ、投資を最適化するためのインフォームドな意思決定ができるんだ。
今後は、私たちのモデルの結果をA/Bテストのような従来の方法と照らし合わせて確認して、正確性を保証することに焦点を当てる予定なんだ。それに加えて、顧客行動についてさらに深い洞察を提供できるような、もっと複雑なモデルも探求していくつもりだよ。
小売におけるAIの役割の増加
テクノロジー、特に人工知能のおかげで、小売の風景は急速に変化してるんだ。企業が顧客により良い体験を提供しようとする中で、エンゲージメントサーフェスのようなツールがますます必要不可欠になってきてるんだ。こういったツールの価値を正確に測定できる企業は、より良い投資リターンと顧客満足度の向上が期待できるよ。
ビジネスとのコラボレーション
エンゲージメントサーフェスを使う企業からのインサイトを取り入れることで、私たちのモデルを洗練させるのにも役立つんだ。小売パートナーと密接に協力することで、分析の正確性を継続的に向上させ、彼らの特定のニーズに合ったソリューションを提供できるんだ。
今後の研究方向
この分野での今後の研究にはたくさんの道があるよ。たとえば、異なるデモグラフィックグループがエンゲージメントサーフェスにどう反応するかを調べれば、貴重なインサイトが得られるだろうね。それに、これらの相互作用が顧客の忠誠心や満足度に与える長期的な影響を調べると、もっと包括的な視点が得られると思うよ。
最後の思い
小売業界が進化し続ける中で、エンゲージメントサーフェスが生み出す価値を理解することがますます重要になってくるよ。顧客の相互作用やその結果生じる財務的影響を正確に捉えられるモデルを活用することで、企業は変化し続けるマーケットをうまく乗り切ることができると思う。
タイトル: Valuing an Engagement Surface using a Large Scale Dynamic Causal Model
概要: With recent rapid growth in online shopping, AI-powered Engagement Surfaces (ES) have become ubiquitous across retail services. These engagement surfaces perform an increasing range of functions, including recommending new products for purchase, reminding customers of their orders and providing delivery notifications. Understanding the causal effect of engagement surfaces on value driven for customers and businesses remains an open scientific question. In this paper, we develop a dynamic causal model at scale to disentangle value attributable to an ES, and to assess its effectiveness. We demonstrate the application of this model to inform business decision-making by understanding returns on investment in the ES, and identifying product lines and features where the ES adds the most value.
著者: Abhimanyu Mukerji, Sushant More, Ashwin Viswanathan Kannan, Lakshmi Ravi, Hua Chen, Naman Kohli, Chris Khawand, Dinesh Mandalapu
最終更新: 2024-08-21 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2408.11967
ソースPDF: https://arxiv.org/pdf/2408.11967
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。
参照リンク
- https://www.acm.org/publications/taps/whitelist-of-latex-packages
- https://dl.acm.org/ccs.cfm
- https://corporate.walmart.com/news/2022/12/14/text-to-shop-walmart-customers-can-now-shop-as-easily-as-texting
- https://blogs.windows.com/windowsexperience/2018/11/21/save-money-and-time-with-microsofts-personal-shopping-assistant/
- https://www.tidio.com/blog/virtual-shopping-assistant/
- https://quod.lib.umich.edu/w/weave/12535642.0001.101?view=text;rgn=main
- https://doi.org/10.1007/978-3-031-43427-3_31
- https://doi.org/10.1007/978-3-031-43427-3
- https://spark.apache.org/
- https://aws.amazon.com/lambda/
- https://mlflow.org/
- https://spark.apache.org/docs/1.2.2/ml-guide.html