빅 데이터를 사용하는 도쿄 대학교 새로 개발 된 추천 놀이터 주소 주소

Recruit Housing Company, Inc. (Chiyoda-Ku, Tokyo / CEO : Noguchi Takahiro)는 졸업생, 공학 학교 연구원, 공동 연구부, 사업부, 사업부, 사업부, 사업부, 사업부 연구 그룹을 통해 주택 구매자들을위한 새로운 추천 놀이터 주소을 개발 한 것을 기쁘게 생각합니다. Ltd. (도쿄 / CEO Chiyoda-Ku : Toyama Kazuhiko), 국립 대학교 (Bunkyo-Ku, 도쿄 / 회장 : 하마다 주니치; 이하 "도쿄 대학교").

▼이 연구의 최고점
부동산은 구매 가격이 높은 제품입니다. 따라서 구매를 고려하는 사람들은 부동산 포털 사이트를 여러 번 방문하여 원하는 제품을 보유하고 점차 구매하기로 결정하는 것이 중요합니다. 이 연구에서1사이트 방문 당시 가장 관심있는 재산을 제시하는 대신다른 속성을 다르게하지 마십시오| 보기는 궁극적 인 구매 욕구를 홍보 할 것이며,이 결과를 바탕으로 새로운 추천 놀이터 주소을 만들었습니다.개발.

▼ 연구 내용

부동산 포털 사이트에서 구매 가능성이 높은 고려 사항은 온라인 또는 전화를 통해 대상 속성의 세부 사항을 포함하는 자료를 요청하는 경향이 있습니다. 모든 구매자 에게이 정보를 요청하는 것을 고려하는 모든 구매자의 비율은 CV 요율 (CV = 변환)입니다. 이번에 개발 된 놀이터 주소 (아래 이미지)은 시험관의 과거 사이트 브라우징 이력을 기반으로 CV 속도를 최대화하는 속성을 권장합니다.

[새로운 권장 놀이터 주소의 이미지]

위의 다이어그램은 속성의 시청 순서 a ~ d를 보여줍니다. 각 노드 (구성 요소)의 백분율은 해당 노드를 볼 때 CV 속도를 나타냅니다.

이전의 많은 권장 놀이터 주소의 경우, 속성 A를 본 사람들에게 다음과 같은 속성 D를 제시했는데, 이는 다음과 같은 CV보다 가장 쉬운 것으로 간주됩니다 (두 번째 조치). (그림의 [현재 놀이터 주소] 참조). 그러나 다음 (세 번째 조치)까지의 속성을 고려할 때 두 번째 조치 시점에 속성 D를 권장하는 것이 반드시 CV 속도의 증가에 기여할 필요는 없습니다 (그림의 [개발 놀이터 주소] 참조). CV 속도가 A → B → C로 볼 때 가장 높은 다이어그램의 예에서, 두 번째 조치 시점에서, 속성 B의 CV 속도는 보았을 때도 낮지 만, 이는 세 번째 조치에 대한 CV 속도의 후속 증가에 영향을 미쳤다. 이것은 CV 비율이 낮은 것처럼 보이는 속성 B가 사람을 구매하려는 의도를 결정하는 데 중요한 역할을한다는 것을 보여줍니다. 다시 말해, 우리는 고려를 권장합니다.

이 놀이터 주소의 정확도를 확인하기 위해 오프라인 테스트를 수행 한 결과 CV 속도가 단순히 두 번째 조치 시점에 CV 속도가 가장 높은 부동산을 제시하는 것보다 최대 약 4 배 더 높다는 것을 발견했습니다.속성 상승에 대한보기 패턴이 있음이 발견되었습니다.

▼ 부록
구매를 고려하는 사람의 속성보기 동작의 특성을 보여주기 위해, 속성의 변화는 식 (1)에 의해 정의됩니다. 아래 다이어그램은 속성 범주의 변동과 지역, 라인, 가격 등을 기반으로 생성 된 CV 속도의 변화를 보여줍니다.

　　　　　　

이 결과를 기반으로 부동산을 권장 할 때, 브라우징/CV 기록을 사용하여 고려 단계를 포착하고,이자를 확산시키고 수렴하는 데 도움이되며, 궁극적으로 수렴하는 것은 미래의 CV 비율이 가장 높은 부동산을 제시하는 것이 효과적 일 것입니다. 실제 놀이터 주소에서 Examiner 카테고리가 i 인 경우,보기 속성 범주는 J이고 권장되는 속성 범주는 K이고 CVR은 P

. 그러나 실제로는 검토자를 자세히 세그어 내므로 신뢰할 수있는 결과를 얻을 수 없습니다. 따라서이 문제를 직접 얻지 않고 다음과 같이 계산 하여이 문제에 응답 할 수 있습니다.

현재(Sigmoid 함수) m은 검토 자, 뷰 및 권장 속성의 조합 수입니다인 경우, p의 추정은 β의 최적화 문제입니다.

(참조)

■ 논문 "인공 지능 협회 (Society of Intificial Intelligence) (27 번째 연례 회의), 2013

https : //kaigi.org/jsai/webprogram/2013/pdf/554.pdf