Robot håller kundvagn med kartonger.

Doktorandprojekt: Utforska AI-driven drift för prognoser i data-light-miljöer - Multishop-konceptet

Tillkomsten av big data och AI gav nya möjligheter för företag. I den här forskningen undersöker vi hur vi kan utnyttja kraften hos AI för rekommendationer och prognoser i data-light-miljöer. Detta arbete är fokuserat kring WM3 multishop-plattformen som fungerar som en e-handelsplattform för både business-to-business (B2B) och business-to-consumer (B2C) transaktioner. Införlivandet av rekommenderade system, AI och maskininlärning i WM3-plattformen syftar till att ge en bättre kundupplevelse med butiken samt mer intäkter för butikerna. Denna forskning kommer att bestå av att identifiera de bästa AI- och ML-modellerna som lägger lika stor vikt vid konsumentnytta såväl som företagens lönsamhet för att leda till den högsta kumulativa vinsten på lång sikt.

Fakta om projektet

Doktorand
Kailash Chowdary
Huvudhandledare
Arianit Kurti
Biträdande handledare
Francis Palma, Ilir Jusufi
Deltagande organisationer
Linnéuniversitetet, HL Design
Finansiärer
HL Design, KK-stiftelsen (Industriforskarskolan för Data Intensive Applications (DIA)
Tidsplan
Januari 2022 – januari 2026
Ämne
Data- och informationsvetenskap (institutionen för datavetenskap och medieteknik, fakulteten för teknik)
Linnaeus Univerity Centres
Linnaeus University Centre for Data Intensive Sciences and Applications (DISA)

Mer om projektet

Detta arbete är fokuserat kring WM3 multishop-plattformen som fungerar som en e-handelsplattform för både business-to-business (B2B) och business-to-consumer (B2C) transaktioner. Införlivandet av rekommenderade system, AI och maskininlärning i WM3-plattformen syftar till att ge en bättre kundupplevelse med butiken samt mer intäkter för butikerna.

Denna forskning kommer att bestå av att identifiera de bästa AI- och ML-modellerna som lägger lika vikt vid konsumentnytta såväl som företagens lönsamhet för att leda till den högsta kumulativa vinsten på lång sikt och erbjuder dem följande fördelar:

  1. Mer lönsam marknadsföring och produktrekommendationer som är mer exakta och effektiva.
  2. Minskade kostnader genom automatisering.
  3. Ökade intäkter genom högre konverteringsfrekvens.
  4. Bättre förståelse för kraven på deras målmarknad.
  5. Aktuella insikter om befintlig marknadsutveckling.
  6. Förbättrat produktsortiment.

Doktorandprojektet utförs inom ramen för forskningen i Linnaeus University Centre for Data Intensive Sciences and Applications (DISA).