Embedded topic models for soft customer segmentation
รายละเอียดรายการ
| คอลเลกชัน | คอลเลกชัน: CMU Intellectual Repository (CMU IR) CMU e-Theses |
|---|---|
| รหัสรายการ CMU Digital | รหัสรายการ CMU Digital: dc:186966 |
| ปีที่เผยแพร่ | ปีที่เผยแพร่: 2025 |
| Title | Title: Embedded topic models for soft customer segmentation |
| Title Alternative | Title Alternative: แบบจำลองหัวข้อแบบฝังตัวสำหรับการแบ่งส่วนลูกค้าแบบอ่อน |
| Creator | Creator: Jutiyakhun Srisoparp |
| Subject | Subject: Matrices. Consumers Stores, Retail Product coding |
| Abstract | Abstract: Customer segmentation is the process of dividing customers into different groups in order to identify their shared characteristics and values. However, in some industries, each customer can belong to multiple groups, especially in home-retailers can have a customer who members in many groups simultaneously. The contribution in this direction is three-fold: i) to propose probabilistic topic models for soft-customer segmentation, where each customer is categorized into multiple groups based on their purchased items. ii) to propose encoding the items as vectors using a nonnegative matrix factorization on binarized data (biNMF) in order to capture their contextual relationships. This is different from previous studies where bag-of-words or Word2Vec has been used. iii) employing this model on a real home retailer dataset for customer segmentation, and the results show that the model has the highest topic quality and comparable data-fitting performance compared to other topic models and other encoding methods. On a downstream task such as item recommendation, our model is able to achieve the highest average probabilistic precision value on top-20 product (Probabilistic Precision@20) among all the models whose segmented topics are reasonably diverse. |
| Abstract Alternative | Abstract Alternative: การแบ่งส่วนลูกค้าเป็นกระบวนการแบ่งลูกค้าออกเป็นหลายกลุ่มที่แตกต่างกัน เพื่อระบุลักษณะที่โดดเด่นของลูกค้าแต่ละกลุ่ม อย่างไรก็ตาม ในบางอุตสาหกรรม ลูกค้าคนหนึ่งอาจเป็นสมาชิกในหลายกลุ่มได้พร้อมกัน โดยเฉพาะในธุรกิจค้าปลีกสินค้าที่เกี่ยวกับบ้าน การแบ่งลูกค้าตามประเภทสินค้าที่ซื้อ อาจทำให้ลูกค้าบางคนเป็นสมาชิกหลายกลุ่มในเวลาเดียวกัน ดังนั้นผู้วิจัยจึงได้เสนอแนวทางแก้ปัญหาซึ่งแบ่งออกเป็นสามส่วนที่สำคัญ ได้แก่ i) การใช้ตัวแบบหัวข้อแบบเชิงความน่าจะเป็น (Probabilistic Topic Models) สำหรับการแบ่งกลุ่มลูกค้าแบบอ่อน (Soft-Customer Segmentation) โดยที่ลูกค้าแต่ละคนจะถูกจัดอยู่ในหลายกลุ่มตามสินค้าที่พวกเขาซื้อ ii) การเข้ารหัสสินค้าด้วยวิธีแยกเมทริกซ์ที่ไม่ติดลบบนข้อมูลที่ผ่านการไบนาไรซ์ (Nonnegative Matrix Factorization on Binarized Data, biNMF) เพื่อจับความสัมพันธ์ทางบริบทของสินค้าที่ดีกว่า ซึ่งต่างจากการศึกษาในอดีตที่ใช้ Bag-Of-Words หรือ Word2Vec iii) การใช้ตัวแบบดังกล่าวบนชุดข้อมูลจริงของร้านค้าปลีกสินค้าที่เกี่ยวข้องกับบ้านเพื่อแบ่งกลุ่มลูกค้าและสร้างระบบแนะนำสินค้า ผลลัพธ์แสดงว่าโมเดลของเรามีประสิทธิภาพในด้านของตัวแบบหัวข้อสูงที่สุดและสามารถปรับเข้ากับข้อมูลชุดอื่นเทียบเท่ากับตัวแบบอื่นๆ ท้ายที่สุด เรานำวิธีการนี้ไปใช้ในการแนะนำสินค้า ซึ่งพบว่าตัวแบบของเราให้ค่าเฉลี่ยคะแนนความแม่นยำเชิงความน่าจะเป็นบนสินค้า 20 รายการแรก (Probabilistic Precision@20) ที่สูงและหัวข้อที่ถูกแบ่งกลุ่มมีความหลากหลายอย่างสมเหตุสมผล |
| Publisher | Publisher: Chiang Mai University |
| Contributor | Contributor: Chiang Mai University. Field of Applied Statistics and Analytics |
| Bibliography | Bibliography: Bibliography: leaves 40-43 |
| Description Note | Description Note: Thesis (Master of Science (Applied Statistics and Analytic)) |
| Year | Year: 2025 |
| Degree Name | Degree Name: Master of Science |
| Degree Level | Degree Level: Master's degree |
| Degree Discipline | Degree Discipline: Applied Statistics and Analytics |
| Rights Holder | Rights Holder: Chiang Mai University |
| Public Access Level | Public Access Level: Public = สามารถใช้งานได้ทั้งผู้ใช้มหาวิทยาลัย/ผู้ใช้ภายนอก |
| Rights Access | Rights Access: เมื่อท่านทำการดาวน์โหลดไฟล์เอกสารฉบับเต็ม จะสามารถเปิดใช้งานไฟล์ดิจิทัลได้ 160 วัน หากพ้นกำหนดระยะเวลาดังกล่าว จะไม่สามารถเรียกดูไฟล์นั้นได้อีก ทั้งนี้เพื่อประโยชน์ด้านการวิจัยและการศึกษาค้นคว้าเท่านั้น หากท่านต้องการใช้สำหรับวัตถุประสงค์อื่น ท่านต้องติดต่อสำนักหอสมุด มหาวิทยาลัยเชียงใหม่ เพื่อขออนุญาตใช้งาน |
เอกสารอ้างอิง
EndNoteเอกสารดิจิทัล
เข้าสู่ระบบและตรวจสอบสิทธิ์สมาชิกเพื่อดูเอกสาร
นโยบายบริการเอกสารฉบับเต็ม
