Finding Lookalike Customers for E-Commerce Marketing

要約

顧客中心のマーケティング・キャンペーンは、ウォルマートのEコマース・ウェブサイトのトラフィックの大部分を生み出している。顧客データの規模が大きくなるにつれ、Eコマース企業にとって、より多くの顧客にリーチするためにマーケティング対象者を拡大することは、ビジネスの成長を促進し、顧客にさらなる価値をもたらすために、より重要になってきている。本論文では、マーケティングキャンペーンのターゲットオーディエンスを拡大するためのスケーラブルで効率的なシステムを紹介する。ディープラーニングに基づく埋め込みモデルを用いて顧客を表現し、近似最近傍探索法を用いて興味のあるそっくりな顧客を素早く見つける。このモデルは、解釈可能で意味のある顧客の類似性メトリクスを構築することで、様々なビジネス上の関心に対応することができる。我々は広範な実験を行い、我々のシステムと顧客埋め込みモデルの優れた性能を実証する。

要約(オリジナル)

Customer-centric marketing campaigns generate a large portion of e-commerce website traffic for Walmart. As the scale of customer data grows larger, expanding the marketing audience to reach more customers is becoming more critical for e-commerce companies to drive business growth and bring more value to customers. In this paper, we present a scalable and efficient system to expand targeted audience of marketing campaigns, which can handle hundreds of millions of customers. We use a deep learning based embedding model to represent customers and an approximate nearest neighbor search method to quickly find lookalike customers of interest. The model can deal with various business interests by constructing interpretable and meaningful customer similarity metrics. We conduct extensive experiments to demonstrate the great performance of our system and customer embedding model.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL