[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-seo-291231-105":3,"detail-sidebar-cat-0-en-105":80,"doc-detail-291231-en":130},{"code":4,"msg":5,"data":6},0,"ok",{"site_id":7,"language":8,"slug":9,"title":10,"keywords":11,"description":12,"schema_data":13,"social_meta":73,"head_meta":75,"extra_data":77,"updated_unix":79},105,"en","from-cars-to-clinics-interpretable-machine-learning-for-luxury-automotive-lifecycle-and-clinical-case-studies-abstract","FROM CARS TO CLINICS: INTERPRETABLE MACHINE LEARNING FOR LUXURY AUTOMOTIVE LIFECYCLE AND CLINICAL CASE STUDIES - Abstract","","In the luxury automotive market, strategic success increasingly depends on three tightly connected dimensions of the customer lifecycle: personalization, retention, and residual value. Personalization increases emotional attachment and exclusivity, while retention keeps engagement alive during long bespoke waiting periods. This stabilizes residual value, attracting reinvestment from existing clients and new purchases from prospects. The work combines corporate exposure with day-to-day market observation, leveraging first-party data to link analytical insights with operational decisions in marketing and after-sales.",{"@graph":14,"@context":72},[15,34,55],{"@type":16,"itemListElement":17},"BreadcrumbList",[18,23,27,31],{"item":19,"name":20,"@type":21,"position":22},"https://docshare.wps.com","Home","ListItem",1,{"item":24,"name":25,"@type":21,"position":26},"https://docshare.wps.com/document/","Document",2,{"item":28,"name":29,"@type":21,"position":30},"https://docshare.wps.com/document/research-report/","Research & Report",3,{"item":32,"name":10,"@type":21,"position":33},"https://docshare.wps.com/document/from-cars-to-clinics-interpretable-machine-learning-for-luxury-automotive-lifecycle-and-clinical-case-studies-abstract/291231/",4,{"url":32,"name":10,"@type":35,"image":36,"author":41,"headline":10,"publisher":44,"fileFormat":47,"inLanguage":8,"description":12,"dateModified":48,"datePublished":49,"encodingFormat":47,"isAccessibleForFree":50,"interactionStatistic":51},"DigitalDocument",{"url":37,"@type":38,"width":39,"height":40},"https://docshare.wps.com/thumbnails/from-cars-to-clinics-interpretable-machine-learning-for-luxury-automotive-lifecycle-and-clinical-case-studies-abstract/291231.png","ImageObject",300,407,{"name":42,"@type":43},"Ophelia","Person",{"url":19,"name":45,"@type":46},"DocShare","Organization","application/pdf","2026-10-19","2026-09-17",true,{"@type":52,"interactionType":53,"userInteractionCount":33},"InteractionCounter",{"@type":54},"ViewAction",{"@type":56,"mainEntity":57},"FAQPage",[58,64,68],{"name":59,"@type":60,"acceptedAnswer":61},"What customer lifecycle dimensions are central to the thesis?","Question",{"text":62,"@type":63},"The thesis focuses on personalization, retention, and residual value, showing how they reinforce each other across the customer journey.","Answer",{"name":65,"@type":60,"acceptedAnswer":66},"What is the first technical contribution described in the abstract?",{"text":67,"@type":63},"A hybrid recommender system that combines collaborative and content-based learning for highly configurable luxury vehicles.",{"name":69,"@type":60,"acceptedAnswer":70},"How does the retention model provide interpretability?",{"text":71,"@type":63},"An interpretable model uses SHAP explanations to identify key churn drivers and goes further by translating predictions into actionable insights for dealerships with an LLM.","https://schema.org",{"og:url":32,"og:type":74,"og:title":10,"og:site_name":45,"og:description":12},"article",{"robots":76,"canonical":32},"index,follow",{"doc_id":78,"site_id":7},291231,1790722430,{"code":4,"msg":81,"data":82},"success",[83,87,91,95,100,105,110,114,119,122,126],{"id":22,"doc_module":4,"doc_module_name":25,"category_name":84,"show_sort_weight":85,"slug":86},"Story & Novel",90,"story-novel",{"id":26,"doc_module":4,"doc_module_name":25,"category_name":88,"show_sort_weight":89,"slug":90},"Literature",80,"literature",{"id":33,"doc_module":4,"doc_module_name":25,"category_name":92,"show_sort_weight":93,"slug":94},"Exam",70,"exam",{"id":96,"doc_module":4,"doc_module_name":25,"category_name":97,"show_sort_weight":98,"slug":99},5,"Comic",60,"comic",{"id":101,"doc_module":4,"doc_module_name":25,"category_name":102,"show_sort_weight":103,"slug":104},6,"Technology",50,"technology",{"id":106,"doc_module":4,"doc_module_name":25,"category_name":107,"show_sort_weight":108,"slug":109},7,"Healthcare",40,"healthcare",{"id":111,"doc_module":4,"doc_module_name":25,"category_name":29,"show_sort_weight":112,"slug":113},8,30,"research-report",{"id":115,"doc_module":4,"doc_module_name":25,"category_name":116,"show_sort_weight":117,"slug":118},9,"Religion & Spirituality",20,"religion-spirituality",{"id":117,"doc_module":4,"doc_module_name":25,"category_name":120,"show_sort_weight":117,"slug":121},"World Cup","world-cup",{"id":123,"doc_module":4,"doc_module_name":25,"category_name":124,"show_sort_weight":123,"slug":125},10,"Lifestyle","lifestyle",{"id":127,"doc_module":4,"doc_module_name":25,"category_name":128,"show_sort_weight":96,"slug":129},19,"General","general",{"code":4,"msg":81,"data":131},{"doc_id":78,"user_id":132,"nickname":42,"user_avatar":133,"doc_module":4,"category_id":111,"category_name":29,"doc_title":10,"doc_description":12,"doc_content":134,"file_id":135,"file_url":136,"file_type":137,"file_size":138,"view_count":33,"is_deleted":4,"is_public":22,"is_downloadable":22,"audit_status":22,"page_count":139,"language":140,"language_code":8,"site_id":7,"html_lang":8,"table_of_contents":141,"faqs":142,"seo_title":143,"seo_description":12,"update_tm":144,"read_time":145,"preview_page_count":4},7971461741311,"https://ap-avatar.wpscdn.com/avatar/74000253aff267980c6?x-image-process=image/resize,m_fixed,w_180,h_180&k=1779345379180704826","DOTTORATO DI RICERCA IN  \nCOMPUTER SCIENCE AND ENGINEERING  \nCiclo 38  \nSettore Concorsuale: 01/B1-INFORMATICA  \nSettore Scientifico Disciplinare: INF/01-INFORMATICA  \nFROM CARS TO CLINICS: INTERPRETABLE MACHINE LEARNING FOR LUXURY AUTOMOTIVE LIFECYCLE AND CLINICAL CASE STUDIES  \nPresentata da: Alessandro Ghibellini  \nCoordinatore Dottorato  \nPaola Salomoni  \nSupervisore  \nMaurizio Gabbrielli  \nCo-supervisori  \nLuciano Bononi Mauro Coletto  \nEsame finale anno 2026  \nFinanziato dall’Unione europea-Next Generation EU, Missione 4, Componente 2, Investimento 3.3 (D.M. 117/2023) CUP J33C22001400009  \nAcknowledgement  \nIntraprendere un dottorato di ricerca significa porsi l’obiettivo di raggiungere le frontiere della conoscenza: una sfida ambiziosa, carica di oneri e onori, che per me è stata fonte di immense soddisfazioni e, inevitabilmente, di profondi pensieri.  \nIl merito più grande dei miei supervisori, Maurizio e Luciano, è stato quello di aversaputo guidare la mia curiosità verso i temi portanti di questa tesi senza mai caricarmi dieccessive pressioni, permettendomi di apprezzare appieno ogni traguardo raggiunto. Laloro esperienza è stata per me una bussola costante. Un pilastro fondamentale di questopercorso è stata Ferrari, l’azienda che ha co-finanziato la mia ricerca. Il mio grazie vainnanzitutto a Mauro, per avermi accolto nel suo team, e ai colleghi Andrea, Paolo e Simone, compagni di viaggio preziosi. Oltre alla sfida tecnica legata al Machine Learning, ho avuto l’opportunità di immergermi in un business unico come quello dell’auto di lusso. Imparare da professionisti esperti è stato un privilegio: ringrazio Claudia e Andrea M. per il Marketing; Andrea S. per la pazienza e le ore dedicate a spiegarmi le dinamiche del mercato Pre-owned; e l’intero team Personalizzazioni che mi ha ospitato. In particolare, un ringraziamento a Marco e Andrea B. per l’intuizione iniziale, e a Marialaura, Eleonora e Jessica per il supporto quotidiano.  \nIl versante medico della ricerca ha beneficiato della competenza del team R&D di Isokinetic. Grazie a Francesco DV e Stefano per la costante fiducia e supporto, e ad Eileen per la cura premurosa con cui ha seguito il mio lavoro (per i tanti tè e tisane) . Ringrazio inoltre il team di Neurologia dell’ospedale di Reggio Emilia partendo da Francesco C. e, in particolare, Giulia per le innumerevoli ore spese insieme a svilupparei progetti che hanno arricchito questo percorso.  \nL’ultima fase di questo viaggio mi ha portato oltreoceano. Grazie a Tommaso peraver reso possibile il mio periodo alla Cornell Tech di New York, e a tutto il team Ferrari North America (FNA) per il supporto totale. Un grazie speciale a Ivanoper l’accoglienza, a Luca per la fiducia, a Carlotta per gli insegnamenti e a Marco e Federica, a cui devo moltissimo. Grazie anche a Patrizio ed Enzo per i preziosi consigli ea Lorenzo per le corse del sabato a Central Park! Infine, il ringraziamento più importanteva alla mia famiglia, che mi ha sopportato e supportato costantemente, facendomi sentire la sua vicinanza anche dall’altra parte dell’oceano. Soprattutto Mamma, grazie peresserci sempre stata. Grazie alla mia ragazza, che ha saputo condividere con me questopercorso nonostante le distanze. Grazie ai miei amici di sempre, che non sono maimancati anche quando la testa era altrove, e ai nuovi amici incontrati a New York, che hanno saputo farmi sentire a casa in una città così diversa dalle mie abitudini.  \nSono certo di aver dimenticato qualcuno in queste righe, e me ne scuso, ma spero diavere presto l’occasione di ringraziarvi di persona. Grazie a tutti voi.  \nAbstract  \nIn the luxury automotive market, strategic success increasingly depends on three tightly connected dimensions of the customer lifecycle: personalization, retention, and residual value. Personalization strengthens emotional attachment and reinforces exclusivity, but its benefits endure only if customers remain engaged throughout the long waiting periods typical ","cbCaityx848vEbOu","https://ap.wps.com/l/cbCaityx848vEbOu","pdf",4994611,176,"English","# Acknowledgement\n## Dottorato di ricerca in Computer Science and Engineering\n## Final exam (anno 2026)\n# Abstract\n## Customer lifecycle mechanisms\n## First contribution: hybrid recommender system\n## Second contribution: interpretable retention model\n## Third contribution","[{\"question\":\"What customer lifecycle dimensions are central to the thesis?\",\"answer\":\"The thesis focuses on personalization, retention, and residual value, showing how they reinforce each other across the customer journey.\"},{\"question\":\"What is the first technical contribution described in the abstract?\",\"answer\":\"A hybrid recommender system that combines collaborative and content-based learning for highly configurable luxury vehicles.\"},{\"question\":\"How does the retention model provide interpretability?\",\"answer\":\"An interpretable model uses SHAP explanations to identify key churn drivers and goes further by translating predictions into actionable insights for dealerships with an LLM.\"}]","FROM CARS TO CLINICS: INTERPRETABLE MACHINE LEARNING FOR LUXURY AUTOMOTIVE LIFECYCLE AND CLINICAL CASE STUDIES - Abstract | PDF",1789643813,444]