April 2018 – Improving Native Ads CTR Prediction by Large Scale Event Embedding and Recurrent Networks Mehul Parsana et al. zeigen in ihrem Paper, wie sie anhand von rekurrenten Netzwerken und einem Attention Layer (der die Vergangenheit des Nutzers modelliert) eine besser CTR (Click Through Rate) Prediction erreichen, als andere State of the Art Systeme. [Zum Paper] November 2016 – When Fashion Meets Big Data: Discriminative Mining of Best Selling Clothing Features Kuan-Ting Chen und Jiebo Luo. Es wird ein Recommendation- und Advertising-System vorgestellt, das verschiedene Aufgaben im Bereich Clothing abdeckt. Neben der Aufgabe, Ähnlichkeiten zwischen verschiedenen Kleidungsstücken zu erkennen, kann das System aufgrund der User-Vergangenheit auch verschiedene Kleidungsstücke vorschlagen – auch basierend auf verschiedenen Jahreszeiten. [Zum Paper]   Oktober 2016 – Urban association rules: uncovering linked trips for shopping behavior Yuji Yoshimuraa et al. Die Studie untersucht das Shopping-Verhalten in Barcelona. Es werden Daten ausgewertet, die zeigen, welchen Weg die Käufer für welche Art von Ware zurücklegen wollen. Daraus lassen sich viele Assoziationen ableiten, die besonders wichtig für Werbeoptionen sind. [Zum Paper]   April 2016 – Attribute Extraction from Product Titles in eCommerce Ajinkya More. Diese Forschung der Walmart Labs präsentiert einen Named Entity Tagger, der auf CRF basiert. Der Tagger wird nach der Konzeption auch auf Daten von Walmart angewendet. [Zum Paper]   Mai 2016 – Do Price Ranges Increase Click-throughs? Patrick Ng et al. Inwiefern beeinflussen Preise  und Darstellung der preise die Durchklickraten auf Preisvergleichsportalen? Dieser Frage geht dieses Paper nach. Bei bestimmten Einstellungen und Konfigurationen konnten die Autoren dabei einen signifikanten Uplift feststellen. [Zum Paper]   Dezember 2015 – Portrait of an Online Shopper: Understanding and Predicting Consumer Behavior Farshad Kooti. Um das Käuferverhalten vorher zu sagen und demografische Attribute statistisch auszuwerten, benötigt man viele Methoden. Diese Veröffentlichung arbeitet auf verschiedenen großen Datensets und zeigt in vielen Graphen wertvolle Erkenntnisse über Käuferattribute. [Zum Paper]   April 2015 – Investigating the Impacts of Recommendation Agents on Impulsive Purchase Behaviour Hui Zhu et al. Im Paper wird das neobehaviouristische SOR-Modell (Stimulus-Organismus-Reaktion) benutzt, um den Einfluss von Impulskäufen zu analysieren. Dafür haben die Forscher ein entsprechendes Framework aufgebaut. [Zum Paper]   Juni 2014 – When relevance is not Enough: Promoting Visual Attractiveness for Fashion E-commerce Wei Di et al. Nach welchen Kriterien wählt ein potentieller Käufer die Ware aus? Dieses versucht verschiedene Kleidungsstücke in 3 verschiedenen Formen: Mannequin, Person & Flat darzustellen und daraus zu lernen, welche Darstellungen für welche Kleidungsstücke am besten performen. [Zum Paper]   September 2009 – A Study on the Factors That Influence the Consumers’ Trust on E-commerce Adoption Yi Yi Thaw et al. Marken und Stores müssen beim eCommerce vor allem Vertrauen aufbauen. Immerhin geht es dabei um Geld. Diese Studie untersucht die Faktoren die besonders wichtig sind, um dieses Vertrauen aufzubauen. [Zum Paper]]]>