Improved Decision Support for Product Returns using Probabilistic Prediction

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: onr:"swepub:oai:DiVA.org:his-23269" > Improved Decision S...

1 av 1
Föregående post
Nästa post
Till träfflistan

Sweidan, DirarHögskolan i Skövde,Institutionen för informationsteknologi,Forskningsmiljön Informationsteknologi,Deptartment of Information Technology, University of Borås, Sweden (författare)

Improved Decision Support for Product Returns using Probabilistic Prediction

Artikel/kapitelEngelska2023

Förlag, utgivningsår, omfång ...

IEEE,2023
electronicrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:his-23269
https://urn.kb.se/resolve?urn=urn:nbn:se:his:diva-23269URI
https://doi.org/10.1109/CSCE60160.2023.00258DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:kon swepub-publicationtype

Anmärkningar

©2023 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works.This research is a part of the industrial graduate research school in digital retailing (INSiDR) at the University of Borås, funded by The Swedish Knowledge Foundation, grants nr. 20160035, 20170215.
Product returns are not only costly for e-tailers, but the unnecessary transports also impact the environment. Consequently, online retailers have started to formulate policies to reduce the number of returns. Determining when and how to act is, however, a delicate matter, since a too harsh approach may lead to not only the order being cancelled, but also the customer leaving the business. Being able to accurately predict which orders that will lead to a return would be a strong tool, guiding which actions to be taken. This paper addresses the problem of data-driven product return prediction, by conducting a case study using a large real-world data set. The main results are that well-calibrated probabilistic predictors are essential for providing predictions with high precision and reasonable recall. This implies that utilizing calibrated models to predict some instances, while rejecting to predict others can be recommended. In practice, this would make it possible for a decision-maker to only act upon a subset of all predicted returns, where the risk of a return is very high.

Ämnesord och genrebeteckningar

NATURVETENSKAP Data- och informationsvetenskap hsv//swe
NATURAL SCIENCES Computer and Information Sciences hsv//eng
NATURVETENSKAP Data- och informationsvetenskap Systemvetenskap, informationssystem och informatik hsv//swe
NATURAL SCIENCES Computer and Information Sciences Information Systems hsv//eng
NATURVETENSKAP Matematik Sannolikhetsteori och statistik hsv//swe
NATURAL SCIENCES Mathematical sciences Probability Theory and Statistics hsv//eng
SAMHÄLLSVETENSKAP Ekonomi och näringsliv Företagsekonomi hsv//swe
SOCIAL SCIENCES Economics and Business Business Administration hsv//eng
Product Returns
Decision Support
Probabilistic Predictions
Calibration
Predict with Reject Option.
INF301 Data Science
INF301 Data Science
Interaction Lab (ILAB)
Interaction Lab (ILAB)

Biuppslag (personer, institutioner, konferenser, titlar ...)

Johansson, UlfDepartment of Computing, Jönköping University, Sweden (författare)
Alenljung, Beatrice,1971-Högskolan i Skövde,Institutionen för informationsteknologi,Forskningsmiljön Informationsteknologi,Interaction Lab (ILAB)(Swepub:his)aleb (författare)
Gidenstam, AndersDeptartment of Information Technology, University of Borås, Sweden (författare)
Högskolan i SkövdeInstitutionen för informationsteknologi (creator_code:org_t)

Sammanhörande titlar

Ingår i:Proceedings 2023 Congress in Computer Science, Computer Engineering, & Applied Computing, CSCE 2023: IEEE, s. 1567-1573979835032760197983503275959798350327588

Internetlänk

Hitta via bibliotek

Proceedings 2023 Congress in Computer Science, Computer Engineering, & Appli... (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Sweidan, Dirar; Johansson, Ulf; Alenljung, Beatr ...; Gidenstam, Ander ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Systemvetenskap ...

NATURVETENSKAP: NATURVETENSKAP; och Matematik; och Sannolikhetsteor ...

SAMHÄLLSVETENSKAP: SAMHÄLLSVETENSKA ...; och Ekonomi och näri ...; och Företagsekonomi

Artiklar i publikationen: Proceedings 2023 ...

Av lärosätet: Högskolan i Skövde

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst. Hantera kakor

LIBRIS.kb.se