引導式測驗 · 中等 等級
零售業人工智慧測驗
透過決策背景、消費者影響、子群體結果、隱私、糾正路徑以及錯誤決策的全部成本來評估零售人工智慧。
問題 1 的 8
為什麼要定義零售模型在決策時刻可用的資料?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 為什麼要定義零售模型在決策時刻可用的資料?
- 推薦、定價、預測和詐欺審查有不同的輸入和錯誤成本
- 每一項決策都可以使用後續的購買資料
- 資料的時間點從不重要
- 所有零售模型都優化相同的結果
- 推薦系統增加了購物籃大小,但客戶抱怨推薦內容不相關。應該審查什麼?
- 僅審查購物籃大小的增加
- 客戶成果以及代理指標是否損害了服務
- 推薦卡片的顏色
- 庫存中的產品數量
- 錯誤拒絕(false-decline)的實作範例要求零售商衡量什麼?
- 平均購物籃大小
- 僅衡量被阻擋的詐欺嘗試次數
- 被拒絕的合法客戶、修正時間以及更安全的驗證選項
- 模型的反應時間
- 為什麼要按子群組評估零售成果?
- 這消除了監控退貨的需求
- 所有客戶都有相同的歷史記錄
- 細分市場保證了更好的營收
- 平均值可能會掩蓋對某些群體較無用的服務或不公平的對待
- 哪些成果應該與推薦模型的銷售結果一併呈現?
- 僅點擊率
- 有用的發現、退貨、投訴和庫存可用性
- 僅訊息數量
- 模型參數個數
- 指南指出哪些零售資訊需要保護?
- 僅限店鋪營業時間
- 僅限公開的產品名稱
- 購買記錄、位置與身分資訊
- 模型的顯示顏色
- 當自動化系統無法回答或交易出錯時,應該提供什麼?
- 替代路線以及讓員工修正問題的方法
- 更高的價格
- 僅限隱藏評分
- 不提供解釋或補救措施
- 為什麼要監控新產品、促銷活動和季節?
- 它們不需要版本控制
- 它們使所有推薦更準確
- 它們消除了錯誤拒絕
- 它們會改變行為並導致模型或政策偏移