가이드 연계 퀴즈 · 중간 레벨

소매 퀴즈의 AI

의사 결정 상황, 소비자 영향, 하위 그룹 결과, 개인 정보 보호, 수정 경로, 잘못된 결정으로 인한 전체 비용을 기준으로 소매 AI를 평가합니다.

소매 모델을 위해 의사결정 시점에 사용할 수 있는 데이터를 정의하는 이유는 무엇인가요?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

소매 모델을 위해 의사결정 시점에 사용할 수 있는 데이터를 정의하는 이유는 무엇인가요?
- 추천, 가격 책정, 예측, 그리고 사기 검토는 서로 다른 입력값과 오류 비용을 가집니다
- 모든 의사결정에 이후의 구매 데이터를 사용할 수 있습니다
- 데이터 타이밍은 결코 중요하지 않습니다
- 모든 소매 모델은 동일한 결과를 최적화합니다
추천 시스템이 장바구니 크기를 늘리지만 고객들이 관련 없는 제안에 대해 불평합니다. 무엇을 검토해야 합니까?
- 장바구니 크기 증가만 해당
- 고객 결과 및 대리 지표가 서비스에 해를 끼치는지 여부
- 추천 카드의 색상
- 재고 내 제품 수
거짓 거절 예시 사례에서는 소매업체들에게 무엇을 측정하도록 요청했나요?
- 평균 장바구니 크기
- 차단된 사기 시도 횟수만 해당
- 거절된 적법한 고객, 수정 시간, 그리고 더 안전한 인증 옵션
- 모델의 응답 시간
소매 결과를 하위 그룹별로 평가하는 이유는 무엇인가요?
- 반품 모니터링 필요성이 없어집니다
- 모든 고객은 동일한 이력을 가지고 있습니다
- 세분화는 더 나은 수익을 보장합니다
- 평균값은 일부 그룹에 대한 유용성이 떨어지는 서비스나 불공정한 대우를 숨길 수 있습니다
추천 모델의 판매 결과와 함께 어떤 결과가 수반되어야 합니까?
- 클릭률만 해당
- 유용한 발견, 반품, 불만 사항 및 재고 가용성
- 메시지 수만
- 모델 매개변수의 수
가이드에서는 어떤 소매 정보를 보호해야 한다고 식별합니까?
- 영업 시간만
- 공개된 제품 이름만
- 구매 내역, 위치 및 신원 정보
- 모델의 디스플레이 색상
자동화된 시스템이 답변할 수 없거나 거래가 잘못된 경우 무엇을 제공해야 합니까?
- 대안 경로 및 직원이 문제를 수정할 수 있는 방법
- 더 높은 가격
- 숨겨진 점수만
- 설명이나 구제 수단 없음
신제품, 프로모션 및 시즌을 모니터링하는 이유는 무엇입니까?
- 버전 관리의 필요성을 방지합니다
- 모든 추천의 정확도를 높입니다
- They eliminate false declines
- They can change behavior and cause model or policy drift