Impact of AI on Customer Experience in E-commerce in Egypt
Notice bibliographique
Résumé
In a world shifting from being product centric to become customer centric, customers are at the center of attention for each company since they are the key to any desired success and profitability. The e-commerce industry is exponentially growing with rising number of customers shifting to the online shopping experience as opposed to the physical one, causing challenges for businesses to sustain their competitiveness while addressing the diversified tastes of their increasing customer base. With the change in consumer behavior, offering a unique customer experience tailored according to each customer requirements and needs can be an added value & a main differentiator in a rapidly growing and competitive market in order to retain current consumers as well as attracting new ones. Shoppers moving to the virtual experience are looking for convenience which differs in perspective according to each one and this requires understanding of their decision-making drivers and purchase motivators that varies from one customer to another that entail the need for personalization. Artificial intelligence allows businesses to have deep understanding of clients’ requirements providing insights derived from different resources like historical data & customers behavior providing accordingly personalized experiences realizing the desired convenience. This paper can assist businesses to comprehend the impact of AI on the customer experience in e-commerce industry & how it influences the personalization efforts an organization use in its process as well as the convenience with focus on Egypt as a country and for population of age ranging from 15-59 years old.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».