通过可解释 AI 实现增强型交叉销售——来自能源零售的案例
机器学习
2022-08-25 v1 人工智能
计算机与社会
人机交互
摘要
机器学习（ML）的发展引发了人们利用该技术辅助决策的浓厚兴趣。尽管复杂的 ML 模型所提供的预测通常比传统工具更准确，但此类模型往往向用户隐藏了预测背后的推理过程，这可能导致采用率降低且缺乏洞察。受这一矛盾的驱动，研究提出了可解释人工智能（XAI）技术以揭示 ML 发现的模式。尽管对 ML 和 XAI 都寄予厚望，但关于其对传统业务益处的实证证据甚少。为此，我们分析了某能源零售商 220,185 名客户的数据，以高达 86% 的准确率（AUC）预测交叉购买，并表明 XAI 方法 SHAP 所提供的解释对实际购买者成立。我们进一步阐述了其对信息系统、XAI 和关系营销研究的启示。
引用
@article{arxiv.2208.11404,
title = {Augmented cross-selling through explainable AI -- a case from energy retailing},
author = {Felix Haag and Konstantin Hopf and Pedro Menelau Vasconcelos and Thorsten Staake},
journal= {arXiv preprint arXiv:2208.11404},
year = {2022}
}