論文の概要: Neural Insights for Digital Marketing Content Design

• arxiv url: http://arxiv.org/abs/2302.01416v1
• Date: Thu, 2 Feb 2023 21:04:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 18:16:52.968165
• Title: Neural Insights for Digital Marketing Content Design
• Title（参考訳）: デジタルマーケティングコンテンツデザインのためのニューラルインサイト
• Authors: Fanjie Kong, Yuan Li, Houssam Nassif, Tanner Fiez, Shreya Chakrabarti, Ricardo Henao
• Abstract要約: 本稿では,マーケティングコンテンツデザインから洞察を収集・抽出するニューラルネットワークシステムを提案する。 私たちの洞察は、与えられた現在のコンテンツの利点と欠点を指摘するだけでなく、過去のデータに基づいたデザインレコメンデーションも提供します。
• 参考スコア（独自算出の注目度）: 22.922947923206756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In digital marketing, experimenting with new website content is one of the key levers to improve customer engagement. However, creating successful marketing content is a manual and time-consuming process that lacks clear guiding principles. This paper seeks to close the loop between content creation and online experimentation by offering marketers AI-driven actionable insights based on historical data to improve their creative process. We present a neural-network-based system that scores and extracts insights from a marketing content design, namely, a multimodal neural network predicts the attractiveness of marketing contents, and a post-hoc attribution method generates actionable insights for marketers to improve their content in specific marketing locations. Our insights not only point out the advantages and drawbacks of a given current content, but also provide design recommendations based on historical data. We show that our scoring model and insights work well both quantitatively and qualitatively.
• Abstract（参考訳）: デジタルマーケティングでは、新しいwebサイトコンテンツの実験が顧客エンゲージメントを向上させる重要なレバーの1つだ。 しかし、マーケティングコンテンツを成功させることは、明確な指針に欠ける手作業と時間を要するプロセスである。 本稿では,コンテンツ作成とオンライン実験のループを閉じるために,マーケターが過去のデータに基づくAIによる行動可能な洞察を提供することにより,創造プロセスを改善する。 本稿では、マーケティングコンテンツデザインからインサイトをスコアし抽出するニューラルネットワークシステム、すなわち、マルチモーダルニューラルネットワークがマーケティングコンテンツの魅力を予測し、ポストホック属性法は、マーケターが特定のマーケティングロケーションでコンテンツを改善するための実用的なインサイトを生成する。 私たちの洞察は、与えられた現在のコンテンツの利点と欠点を指摘するだけでなく、過去のデータに基づいたデザインレコメンデーションも提供します。 評価モデルと洞察は定量的にも質的にもうまく機能することを示す。

関連論文リスト

• Crafting Tomorrow: The Influence of Design Choices on Fresh Content in Social Media Recommendation [7.522454850008496]
  コンテントプログレクション(CVP)やコンテンツサバイバル(CSR)といった指標によって測定されたコンテンツ長寿に、一見小さな決定がどのような影響を及ぼすかを検討する。 また、コンテンツが各ステージの戦略を1つのサイズに合うように調整する必要性が、すべてのアプローチが効果的でないことを強調する段階を認識することの重要性も強調する。
  論文  参考訳（メタデータ） (2024-10-19T18:28:06Z)
• A Deep Learning Approach for Imbalanced Tabular Data in Advertiser Prospecting: A Case of Direct Mail Prospecting [0.6990493129893112]
  本稿では,新たな顧客を特定するための教師付き学習手法を提案する。 このフレームワークは、膨大な数の数値的および分類的特徴を持つ大きな不均衡データセットに取り組むように設計されている。 我々のフレームワークは、オートエンコーダとフィードフォワードニューラルネットワークの2つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2024-10-02T01:19:40Z)
• Context-aware Advertisement Modeling and Applications in Rapid Transit Systems [1.342834401139078]
  本稿では,行動分析と追跡分析を用いた広告モデルを提案する。 本稿では,エージェント・ベース・モデリング(ABM)技術を用いたモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-16T02:59:36Z)
• SOMONITOR: Explainable Marketing Data Processing and Analysis with Large Language Models [43.28262218695844]
  説明可能なAIフレームワークであるSoMonitorを紹介します。 SoMonitorは、人間の直感とAIベースの効率の相乗効果を目指している。 マーケティングのあらゆる段階におけるマーケターを助ける。
  論文  参考訳（メタデータ） (2024-07-18T02:55:52Z)
• Incentivizing High-Quality Content in Online Recommender Systems [80.19930280144123]
  プロデューサー間のゲームについて検討し、均衡で作成されたコンテンツを分析する。 HedgeやEXP3のような標準的なオンライン学習アルゴリズムは、残念なことにプロデューサに低品質コンテンツを作る動機を与えています。
  論文  参考訳（メタデータ） (2023-06-13T00:55:10Z)
• Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
  人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。 実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-25T14:37:18Z)
• Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable Framework [69.5850969606885]
  マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。 精度とモデルの複雑さの両面で大きな改善が見られた。 この研究で提示されるランキングと解釈のテクニックは、任意のマルチメディアランキングタスクに一般化することができる。
  論文  参考訳（メタデータ） (2021-07-29T13:04:25Z)
• Feedback Shaping: A Modeling Approach to Nurture Content Creation [10.31854532203776]
  コンテンツ消費者からのフィードバックがクリエーターにインセンティブを与えるかを予測するためのモデリング手法を提案する。 次に、このモデルを利用して、フィードバック分布を再構築することで、コンテンツクリエーターのニュースフィード体験を最適化する。 我々は、LinkedInのニュースフィードに展開されたユースケースを提示し、消費者の体験を損なうことなく、コンテンツ作成を大幅に改善するためにこのアプローチを使用しました。
  論文  参考訳（メタデータ） (2021-06-21T22:53:16Z)
• Estimating Fund-Raising Performance for Start-up Projects from a Market Graph Perspective [58.353799280109904]
  市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。 具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T02:39:30Z)
• SoMin.ai: Personality-Driven Content Generation Platform [60.49416044866648]
  世界初のパーソナリティ駆動型マーケティングコンテンツ生成プラットフォームであるSoMin.aiを紹介します。 このプラットフォームは、ディープ・マルチビュー・パーソナリティ・プロファイリング・フレームワークと、スタイル・ジェネレーティブ・敵ネットワークを組み合わせている。 ソーシャルネットワーキングのユーザエクスペリエンスの向上や、コンテンツマーケティングのルーチンに使用できる。
  論文  参考訳（メタデータ） (2020-11-30T08:33:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。