3. State-of-the-Art

Dieses Kapitel vertieft die neuesten Methoden zum Aufbau von Universal Customer Representations (UCR) und aufgabenspezifischen Kundenrepräsentationen, wobei der Schwerpunkt auf deren Anwendungen im personalisierten Kundenansprechen liegt. Es beginnt mit der Erforschung verschiedener UCR-Ansätze, die darauf abzielen, wiederverwendbare Kundenrepräsentationen zu schaffen, die für mehrere Aufgaben anwendbar sind. Diese Ansätze werden auf der Grundlage von Inputtypen (textbasiert, aktivitätsbasiert, multimodal) und Lerntechniken (selbstüberwachtes Lernen, kontrastives Lernen, Multi-Task-Lernen und rekonstruktionsbasierte Ansätze) kategorisiert. Das Kapitel beleuchtet die Dominanz von Transformer-basierten Modellen bei der Verbesserung der Verallgemeinerung über Domänen hinweg und bewertet diese Darstellungen bei verschiedenen nachgelagerten Aufgaben, um ihre Übertragbarkeit und Anpassungsfähigkeit zu demonstrieren. Im Gegensatz dazu sind aufgabenspezifische Darstellungen für unterschiedliche Vorhersageaufgaben wie Click-Through-Rate (CTR) -Vorhersage, Einkaufsprognose und Churn-Prediction optimiert. Während UCR-Methoden die Übertragbarkeit betonen, priorisieren aufgabenspezifische Modelle die Vorhersagegenauigkeit innerhalb bestimmter Bereiche. Das Kapitel diskutiert auch die Entwicklung von End-to-End-Lernmethoden als vielversprechende Alternative zu traditionellen, auf Feature Engineering basierenden Ansätzen, die eine automatisierte Feature-Extraktion und eine verbesserte Verallgemeinerung bieten. Allerdings sind diese Methoden mit Herausforderungen wie hohen Rechenkosten, Datenanforderungen und Datenschutzbedenken verbunden. Das Kapitel schließt mit der Einführung eines zweistufigen End-to-End-Ansatzes zur Kundenansprache, der das Lernen und die Vorhersage von Kundenrepräsentationen in einen einzigen Lernprozess integriert und die Anpassungsfähigkeit und Effektivität des Modells verbessert. Dieser umfassende Überblick bietet Fachleuten ein detailliertes Verständnis der aktuellen Methoden des Lernens der Kundenrepräsentation und ihres Potenzials zur Weiterentwicklung der personalisierten Kundenansprache.