基于强化学习的医药电商自适应用户旅程：来自 SwipeRx 的见解
机器学习
2024-08-16 v1 人工智能
机器学习
摘要
本文介绍了一个强化学习（RL）平台，通过个性化增强医疗数字工具中的端到端用户旅程。我们以 SwipeRx（东南亚最受药剂师欢迎的全能应用）为案例研究，展示了该平台如何用于个性化和适应用户体验。我们的 RL 框架通过一系列实验进行了测试，实验基于每家药店的实时购买历史和应用程序内参与信息，提供个性化产品推荐，结果显示购物篮规模显著增加。通过将自适应干预集成到现有的移动健康解决方案中并丰富用户旅程，我们的平台提供了一种可扩展的解决方案，以改善药品供应链管理、卫生工作者能力建设以及临床决策和患者护理，最终有助于改善健康结果。
引用
@article{arxiv.2408.08024,
title = {Adaptive User Journeys in Pharma E-Commerce with Reinforcement Learning: Insights from SwipeRx},
author = {Ana Fernández del Río and Michael Brennan Leong and Paulo Saraiva and Ivan Nazarov and Aditya Rastogi and Moiz Hassan and Dexian Tang and África Periáñez},
journal= {arXiv preprint arXiv:2408.08024},
year = {2024}
}
备注
Presented at the Third Workshop on End-to-End Customer Journey Optimization at KDD 2024 (KDD CJ Workshop '24), August 26, Barcelona, Spain