Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Utilizing Embeddings to Learn a Universal Customer Behavior Representation in E-Commerce

Miguel Alves Gomes (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
E-commerce operates in a highly dynamic and competitive environment, where customer satisfaction is key to success. Delivering personalized experiences at scale requires systems capable of reliably modeling individual customer behavior while respecting privacy and data protection constraints such as the GDPR. This book proposes a universal, privacy-compliant customer representation that is task-agnostic and incrementally adaptable. A decoupled three-stage approach is introduced, combining self-supervised learning of customer embeddings from behavioral data with flexible downstream models for predicting customer intentions. Temporal extensions improve performance, particularly under sparse information conditions, while lifelong learning enables dynamic adaptation to new interactions and evolving product spaces without full retraining. Comprehensive experiments across multiple real-world e-commerce datasets demonstrate consistent performance improvements over state-of-the-art baselines. By decoupling personalization from personal data, this work offers a scalable and privacy-preserving foundation for next-generation personalization systems.
106,99 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
25.02.2026
Sprache
Englisch
EAN
9783658507800
Herausgeber
Springer Fachmedien Wiesbaden GmbH
Sonderedition
Nein
Autor
Miguel Alves Gomes
Seitenanzahl
220
Einbandart
Broschiert
Schlagwörter
Customer Representation, Self-Supervised Learning, Lifelong Learning, E-Commerce, Privacy-Preserving AI, Personalization
Thema-Inhalt
UXJ - Computer-Anwendungen in den Sozial- und Verhaltenswissenschaften KJE - E-Commerce: geschäftliche Aspekte JMJ - Arbeits-, Wirtschafts- und Organisationspsychologie UYQM - Maschinelles Lernen
Höhe
210 mm
Breite
14.8 cm

Hersteller: Springer VS, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!