論文の概要: Neural Insights for Digital Marketing Content Design
- arxiv url: http://arxiv.org/abs/2302.01416v3
- Date: Wed, 7 Jun 2023 20:23:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 19:41:07.048456
- 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, Ricardo Henao,
Shreya Chakrabarti
- 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
- An explainable machine learning-based approach for analyzing customers'
online data to identify the importance of product attributes [0.6437284704257459]
本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。
提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
論文 参考訳(メタデータ) (2024-02-03T20:50:48Z) - SEOpinion: Summarization and Exploration Opinion of E-Commerce Websites [0.0]
本稿では,SEOpinion(Summa-rization and Exploration of Opinion)と呼ばれる方法論を提案する。
テンプレートの情報と顧客のレビューの組合せを2つの主要なフェーズで組み合わせることで、製品面の要約を提供し、それらに対する意見を示す。
本稿では,Deep LearningベースのBERT技術の適用可能性をテストするため,ノートパソコン用EC Webサイトのトップ5から情報を収集してコーパスを作成する。
論文 参考訳(メタデータ) (2023-12-12T15:45:58Z) - Online Advertisements with LLMs: Opportunities and Challenges [56.7641065682979]
本稿では,オンライン広告システムにおけるLarge Language Models(LLM)の活用の可能性について検討する。
プライバシー、レイテンシ、信頼性、そしてそのようなシステムが満たさなければならないユーザーや広告主の満足度など、基本的な要件を探求します。
論文 参考訳(メタデータ) (2023-11-11T02:13:32Z) - Incentivizing High-Quality Content in Online Recommender Systems [81.99128189574643]
オンライン学習によるインセンティブを考察し,ナッシュ均衡におけるコンテンツの質を分析した。
HedgeやEXP3のような古典的なオンライン学習アルゴリズムは、残念ながらプロデューサに低品質のコンテンツを作る動機を与えています。
このネガティブな結果に動機づけられた我々は、プロデューサに高品質なコンテンツを作るためのインセンティブを正しく与える異なる学習アルゴリズムを設計する。
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。