論文の概要: Harnessing the Potential of Large Language Models in Modern Marketing Management: Applications, Future Directions, and Strategic Recommendations

• arxiv url: http://arxiv.org/abs/2501.10685v1
• Date: Sat, 18 Jan 2025 07:47:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:23:23.699110
• Title: Harnessing the Potential of Large Language Models in Modern Marketing Management: Applications, Future Directions, and Strategic Recommendations
• Title（参考訳）: 現代マーケティングマネジメントにおける大規模言語モデルの可能性--応用,今後の方向性,戦略的勧告
• Authors: Raha Aghaei, Ali A. Kiaei, Mahnaz Boush, Javad Vahidi, Mohammad Zavvar, Zeynab Barzegar, Mahan Rofoosheh,
• Abstract要約: 大規模言語モデル(LLM)は、顧客エンゲージメント、キャンペーン最適化、コンテンツ生成のプロセスに革命をもたらした。 この記事では、マーケティング戦略にこれらの強力なLCMを統合するためのベストプラクティスを利用することによって、マーケターに必要なガイダンスを提供することを目的としている。
• 参考スコア（独自算出の注目度）: 0.5235143203977018
• License:
• Abstract: Large Language Models (LLMs) have revolutionized the process of customer engagement, campaign optimization, and content generation, in marketing management. In this paper, we explore the transformative potential of LLMs along with the current applications, future directions, and strategic recommendations for marketers. In particular, we focus on LLMs major business drivers such as personalization, real-time-interactive customer insights, and content automation, and how they enable customers and business outcomes. For instance, the ethical aspects of AI with respect to data privacy, transparency, and mitigation of bias are also covered, with the goal of promoting responsible use of the technology through best practices and the use of new technologies businesses can tap into the LLM potential, which help growth and stay one step ahead in the turmoil of digital marketing. This article is designed to give marketers the necessary guidance by using best industry practices to integrate these powerful LLMs into their marketing strategy and innovation without compromising on the ethos of their brand.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、マーケティング管理における顧客エンゲージメント、キャンペーン最適化、コンテンツ生成のプロセスに革命をもたらした。 本稿では,LLMの変革的可能性と,現在の応用,今後の方向性,マーケターへの戦略的勧告について考察する。 特に、パーソナライズ、リアルタイム対話型顧客インサイト、コンテンツ自動化など、LLMの主要なビジネスドライバに注目し、顧客とビジネス成果をどのように実現するかに注目します。 例えば、データのプライバシー、透明性、偏見の緩和に関するAIの倫理的側面もカバーされており、ベストプラクティスを通じてテクノロジーの責任ある利用を促進すること、ビジネスがLSMの可能性に取り組み、成長とデジタルマーケティングの混乱の一歩を踏み出すのに役立つ新しいテクノロジーの利用を目標としている。 この記事では、マーケティング戦略とイノベーションにこれらの強力なLCMを統合するためのベストプラクティスを、ブランドの倫理を損なうことなく、マーケターに必要なガイダンスを提供することを目的としている。

関連論文リスト

• From Selection to Generation: A Survey of LLM-based Active Learning [153.8110509961261]
  大きな言語モデル(LLM)は、全く新しいデータインスタンスを生成し、よりコスト効率の良いアノテーションを提供するために使われています。 本調査は,LSMに基づくAL手法の直感的な理解を目指して,研究者や実践者の最新のリソースとして機能することを目的としている。
  論文  参考訳（メタデータ） (2025-02-17T12:58:17Z)
• Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles [52.43886862287498]
  本稿では,大規模言語モデル(LLM)のエネルギー管理への統合について検討する。 本稿では、自動問題定式化、コード生成、カスタマイズ最適化のために、LLMを検索拡張生成で強化する革新的なソリューションを提案する。 本稿では,電気自動車の充電スケジューリングと最適化における提案手法の有効性を示すケーススタディを提案する。
  論文  参考訳（メタデータ） (2025-01-26T14:31:03Z)
• The Potential of Large Language Models in Supply Chain Management: Advancing Decision-Making, Efficiency, and Innovation [0.5497663232622965]
  大規模言語モデル(LLM)とサプライチェーン管理(SCM)の統合は、業界に革命をもたらしている。 本稿では、需要予測、在庫管理、サプライヤー関係管理、物流最適化など、LCMが様々なSCM機能に与える影響について検討する。 バイアス軽減とデータ保護を含む倫理的考慮は、公正で透明なAIプラクティスを保証するために考慮される。
  論文  参考訳（メタデータ） (2025-01-26T05:41:50Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• AI in Food Marketing from Personalized Recommendations to Predictive Analytics: Comparing Traditional Advertising Techniques with AI-Driven Strategies [0.0]
  人工知能(AI)は、パーソナライズされたレコメンデーション、消費者行動予測、キャンペーン最適化のための高度な技術を提供することで、食品マーケティングに革命をもたらした。 伝統的なアプローチはブランドの認知を高めることに成功していたが、現代の消費者が求めるパーソナライゼーションのレベルに欠けていた。 本稿では,従来のAI駆動食品マーケティング技術の長所と短所を比較検討する。
  論文  参考訳（メタデータ） (2024-09-14T17:53:32Z)
• Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
  大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。 提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
  論文  参考訳（メタデータ） (2024-08-07T08:43:32Z)
• SOMONITOR: Combining Explainable AI & Large Language Models for Marketing Analytics [43.28262218695844]
  我々は、人間の直感とAIベースの効率を相乗化することを目的とした説明可能なAIフレームワークを導入する。 SoMONITORは広告コンテンツにCTR予測とランキングモデルを導入し、大きな言語モデル(LLM)を使用して高いパフォーマンスの競合コンテンツを処理する。 日々の操作でSOMONITORを採用することで、デジタルマーケターは広範なデータセットを素早く解析し、実用的な洞察を提供することができる。
  論文  参考訳（メタデータ） (2024-07-18T02:55:52Z)
• A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
  大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。 我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。 これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
  論文  参考訳（メタデータ） (2024-05-02T22:43:02Z)
• LLM App Store Analysis: A Vision and Roadmap [5.1875389249043415]
  大規模言語モデル(LLM)アプリストアは、研究者、開発者、ユーザ、アプリストアマネージャにとって新たな機会と課題を生み出している。 本稿では,データマイニング,セキュリティリスクの識別,開発支援,市場ダイナミクスといった重要な側面に着目し,LCMアプリストアを前方から分析する。
  論文  参考訳（メタデータ） (2024-04-19T09:30:07Z)
• Rethinking Machine Unlearning for Large Language Models [85.92660644100582]
  大規模言語モデル(LLM)の領域における機械学習の研究 このイニシアチブは、望ましくないデータの影響(機密情報や違法情報など)と関連するモデル機能を排除することを目的としている。
  論文  参考訳（メタデータ） (2024-02-13T20:51:58Z)
• Making Large Language Models Better Knowledge Miners for Online Marketing with Progressive Prompting Augmentation [34.37733369078883]
  マーケティング指向の知識グラフをLLMで抽出するためのプログレッシブプロンプトであるPAIRを提案する。 特に,LLMをベースとした適応的関係フィルタリングプロセスにおける純粋関係生成を知識駆動型プロンプト技術により削減する。 オンラインサービスに関しては,中小のPAIR(LightPAIR)を専門とし,強力な教師LLMによって提供される高品質のコーパスを微調整する。
  論文  参考訳（メタデータ） (2023-12-08T03:44:09Z)

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。