Promotie F.J.L. (Luuk) van Maasakkers

Hieronder volgt een korte samenvatting van het proefschrift:

Taalmodellen als ChatGPT zijn tegenwoordig niet meer weg te denken uit ons dagelijks leven. Transformers (de 'T' in ChatGPT) zijn geavanceerde neurale netwerken die het fundament vormen van deze grote taalmodellen. Hoewel transformers vooral bekend staan om hun vermogen om taalpatronen te leren, is hun ontwerp niet beperkt tot het verwerken van taal. Sterker nog, transformers kunnen getraind worden om patronen in allerlei datareeksen te leren, en nieuwe data te genereren op basis van deze geleerde patronen.
Deze flexibiliteit biedt ook nieuwe mogelijkheden voor het analyseren van klantgedrag. In ons onderzoek passen we moderne deep learning-technieken, zoals transformers, toe om aankoopgedrag beter te begrijpen en voorspellen. We analyseren bijvoorbeeld het scenario waarin klanten een winkelmandje vullen in een online supermarkt. Net zoals transformers kunnen leren om een ontbrekend woord in een zin te voorspellen op basis van de context, kunnen we ze ook trainen om een ontbrekend product in een winkelmandje te voorspellen op basis van de producten die er al in zitten. Die voorspellingen kunnen vervolgens gebruikt worden voor gepersonaliseerde aanbiedingen, wat kansen biedt tot omzetverhoging en verbetering van klantenservice. 
We laten zien dat onze deep learning aanpak betere voorspellingen oplevert dan traditionele, statistische marketingmethoden. Hetzelfde geldt voor ander klantgedrag dat we analyseren, bijvoorbeeld online zoek- en klikgedrag in aanloop naar een aankoop. Samen laten onze bevindingen zien hoe geavanceerde deep learning-technieken bedrijven beter in staat stellen hun klanten te begrijpen en te bedienen in een digitaliserende markt.