メインコンテンツへジャンプ
<
ページ 13
>

大規模言語モデル(LLM)を用いた商品レビューの自動分析

Check out our LLM Solution Accelerators for Retail for more details and to download the notebooks. 翻訳:Junichi Maruyama. - Original Blog Link 会話AIはここ数カ月で多くのメディアの注目を集めたが、大規模言語モデル(LLM)の能力は会話のやり取りをはるかに超えている。クエリ応答、要約、分類、検索など、あまり目立たない機能にこそ、多くの組織が労働力を強化し、顧客体験をレベルアップするための直接的な機会を見出している。...

因果機械学習による販促オファーの最適化

翻訳:Junichi Maruyama. - Original Blog Link 多くの企業は、取引を成立させたり、契約を更新させたり、サービスを購入させたりするために、顧客にプロモーションのオファーを提供している。このようなインセンティブは、販売者にとっては、購入と引き換えに顧客に提供される収益やサービスの面でコストがかかる。しかし、適切に適用されれば、取引を確実に成立させ、購入規模を拡大させることもできる。しかし、インセンティブオファーを受け取ったすべてのアカウントが同じように反応するわけではありません。不適切に適用された販促オファーは、取引の規模や速度に何の影響も与えないかもしれないし、不必要にマージンを損なうかもしれない。顧客にインセンティブを提案する組織は、オファーが取引完了の確率に与える影響を予測し、それが取引の純収益に与える影響を理解することが重要である。 プロモーション・オファーを最適化することで、より良い結果を導くことができる あるソフトウェア会社が、営業チームが異なる提案に対してどのようにオ

MapInPandasとDelta Live Tablesで一般的でないファイル形式を大規模に処理する

August 24, 2023 TJサイコタ による投稿 in 業界
翻訳:Junichi Maruyama. - Original Blog Link 様々なファイル形式 最新のデータエンジニアリングの世界では、 Databricks Lakehouse Platform は信頼性の高いストリーミングおよびバッチ data pipelines の構築プロセスを簡素化します。しかし、曖昧なファイル形式や一般的でないファイル形式を扱うことは、Lakehouseへのデータ取り込みにおいて依然として課題となっています。データを提供する上流のチームは、データの保存と送信方法を決定するため、組織によって標準が異なります。例えば、データエンジニアは、スキーマの解釈が自由なCSVや、ファイル名に拡張子がないファイル、独自のフォーマットでカスタムリーダーが必要なファイルなどを扱わなければならないことがあります。このデータをParquetで取得できないかとリクエストするだけで問題が解決することもあれば、パフォーマンスの高いパイプラインを構築するために、よりクリエイティブなアプローチが必要になることも

複雑な傾向スコアリング・シナリオをDatabricksで管理する

詳細とノートブックのダウンロードについては、 Solution Accelerator for Propensity Scoring をご覧ください。 翻訳:Junichi Maruyama. - Original Blog Link 消費者は、パーソナライズされた方法でのエンゲージメントをますます期待するようになっている。最近の購入を補完する製品を宣伝する電子メール メッセージであれ、よく閲覧するカテゴリの製品のセールを告知するオンライン バナー広告であれ、または表明された (または暗示された) 興味に沿った動画や記事であれ、消費者は個人のニーズや価値観を認識するメッセージングを好むことを実証しています。 ターゲットを絞ったコンテンツでこのような嗜好に応えることができる組織は、消費者とのエンゲージメントからより高い収益を生み出す 機会 がある一方、そうでない組織は、ますます混雑し、分析が高度化する小売業界において顧客離れのリスクを負うことになる。その結果、多くの企業は、他の分野への支出を減速させている経済の不確

Databricks Marketplace for Retailersで数ヶ月から数時間へ

翻訳:Junichi Maruyama. - Original Blog Link 例えば、ある流通業者が、コンビニエンスストアの顧客から炭酸飲料が売れている要因を把握したいと考えたとしよう。従来であれば、コンビニエンスストアの顧客に接触してPOSデータを入手し、追加のパートナーと協力して天候データを取得し、自社の出荷やプロモーション・データとの統合を開発する必要があった。この単純な分析を可能にするには、データエンジニアリングに数週間を要する。 Databricks Marketplaceの発表により、このような分析が数時間でできるようになりました。企業は今、次のことができる: 消費に関する優れた指標である PredictHQ の local event data でソースをリッチ化することで、洞察を得るまでの時間を短縮します アキュウェザー(Accuweather)の履歴および予測気象データ をシームレスに統合して、傾向をよりよく理解し、顧客体験を調整する 40以上の小売業者のPOSソース にアクセスし、在庫と