論文の概要: Grounded Persuasive Language Generation for Automated Marketing

• arxiv url: http://arxiv.org/abs/2502.16810v1
• Date: Mon, 24 Feb 2025 03:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:56:28.752132
• Title: Grounded Persuasive Language Generation for Automated Marketing
• Title（参考訳）: 自動マーケティングのための接地型説得言語生成
• Authors: Jibang Wu, Chenghao Yang, Simon Mahns, Chaoqi Wang, Hao Zhu, Fei Fang, Haifeng Xu,
• Abstract要約: 本稿では,大規模言語モデル(LLM)を用いて,説得力のあるマーケティングコンテンツを自動生成するエージェントフレームワークを開発する。 提案手法は,生成したコンテンツとユーザの好みを一致させると同時に,有用な事実属性を強調表示するように設計されている。
• 参考スコア（独自算出の注目度）: 55.61700785451037
• License:
• Abstract: This paper develops an agentic framework that employs large language models (LLMs) to automate the generation of persuasive and grounded marketing content, using real estate listing descriptions as our focal application domain. Our method is designed to align the generated content with user preferences while highlighting useful factual attributes. This agent consists of three key modules: (1) Grounding Module, mimicking expert human behavior to predict marketable features; (2) Personalization Module, aligning content with user preferences; (3) Marketing Module, ensuring factual accuracy and the inclusion of localized features. We conduct systematic human-subject experiments in the domain of real estate marketing, with a focus group of potential house buyers. The results demonstrate that marketing descriptions generated by our approach are preferred over those written by human experts by a clear margin. Our findings suggest a promising LLM-based agentic framework to automate large-scale targeted marketing while ensuring responsible generation using only facts.
• Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)を用いたエージェント・フレームワークを開発し,不動産一覧記述を焦点アプリケーション・ドメインとして利用し,説得力のあるマーケティング・コンテンツの自動生成を実現する。 提案手法は,生成したコンテンツとユーザの好みを一致させると同時に,有用な事実属性を強調表示するように設計されている。 本エージェントは,(1)グラウンド・モジュール,(2)グラウンド・モジュール,(2)グラウンド・モジュール,(2)パーソナライズ・モジュール,コンテンツとユーザの嗜好の整合,(3)マーケティング・モジュール,事実の正確性と局所的特徴の包摂,という3つの重要なモジュールから構成される。 我々は、不動産マーケティングの分野において、潜在的な住宅購入者の焦点をあてて、体系的な人物実験を行う。 以上の結果から,本手法によるマーケティング記述は,人間専門家が作成したものよりも明確なマージンで好まれることが示された。 本研究は, 大規模ターゲットマーケティングを自動化し, 事実のみを用いた責任生成を確実にするための, LLMベースのエージェント・フレームワークを提案する。

関連論文リスト

• SmartAgent: Chain-of-User-Thought for Embodied Personalized Agent in Cyber World [50.937342998351426]
  COUT(Chain-of-User-Thought)は、新しい推論パラダイムである。 我々は、サイバー環境を認識し、パーソナライズされた要求を推論するエージェントフレームワークであるSmartAgentを紹介する。 我々の研究は、まずCOUTプロセスを定式化し、パーソナライズされたエージェント学習を具体化するための予備的な試みとして役立ちます。
  論文  参考訳（メタデータ） (2024-12-10T12:40:35Z)
• Shifting NER into High Gear: The Auto-AdvER Approach [5.0571483350418]
  Auto-AdvERは、このドメインにおけるテキストマイニング分析を強化するように設計されている。 コンディション、ヒストリック、セールオプションの3つのラベルからなるスキーマを提案する。 我々は,エンコーダのみのモデルであるBERT,DeBERTaV3,デコーダのみのオープンかつクローズドソースのLarge Language Models (LLMs) を用いて,性能を比較した。
  論文  参考訳（メタデータ） (2024-12-07T14:00:06Z)
• AgentOccam: A Simple Yet Strong Baseline for LLM-Based Web Agents [52.13695464678006]
  本研究は, 観察空間と行動空間を簡略化することで, LLMベースのWebエージェントを強化する。 AgentOccam は以前の最先端および同時処理を 9.8 (+29.4%) と 5.9 (+15.8%) で上回っている。
  論文  参考訳（メタデータ） (2024-10-17T17:50:38Z)
• 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)
• Generating Attractive and Authentic Copywriting from Customer Reviews [7.159225692930055]
  本稿では,顧客のレビューに基づいて,商品の実践的体験を手軽に提供し,コピーライティングを生成することを提案する。 そこで我々は,強化学習により強化されたシーケンス・ツー・シーケンス(Sequence-to-Sequence)フレームワークを開発した。 我々のフレームワークは、LLaMA-2-chat-7BやGPT-3.5など、既存のベースラインやゼロショットの大規模言語モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-04-22T06:33:28Z)
• FOFO: A Benchmark to Evaluate LLMs' Format-Following Capability [70.84333325049123]
  FoFoは、大規模言語モデル(LLM)の複雑なドメイン固有のフォーマットに従う能力を評価するための先駆的なベンチマークである。 本稿では,大規模言語モデル(LLM)の複雑なドメイン固有フォーマットに従う能力を評価するための先駆的ベンチマークであるFoFoを提案する。
  論文  参考訳（メタデータ） (2024-02-28T19:23:27Z)
• Professional Agents -- Evolving Large Language Models into Autonomous Experts with Human-Level Competencies [28.492095703621267]
  本稿では,プロフェッショナルエージェント(PAgents)の概念を紹介する。 提案するPAgentsフレームワークは, 生成, 進化, シナジーのための三層構造である。 我々は、PAgentの高度化と統合が、複雑なドメインに対する専門的な熟達を示すAIシステムに繋がる可能性があると主張している。
  論文  参考訳（メタデータ） (2024-02-06T01:48:53Z)
• Named Entity Recognition Under Domain Shift via Metric Learning for Life Sciences [55.185456382328674]
  名前付きエンティティ認識モデルの拡張のための転写学習の適用性について検討する。 本モデルでは,(1)アノテートイベントからの知識を付加してエンティティ間の関係を確立するソースドメインにおけるエンティティグループ化,2) 対象ドメインにおけるエンティティの識別を擬似ラベリングとコントラスト学習に頼って,2つのドメイン内のエンティティ間の識別を強化する,という2つの段階で構成されている。
  論文  参考訳（メタデータ） (2024-01-19T03:49:28Z)
• 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)
• Towards Socially Intelligent Agents with Mental State Transition and Human Utility [97.01430011496576]
  対話エージェントに精神状態と実用性モデルを取り入れることを提案する。 ハイブリッド精神状態は、対話とイベント観察の両方から情報を抽出する。 ユーティリティモデルは、クラウドソースのソーシャルコモンセンスデータセットから人間の好みを学習するランキングモデルである。
  論文  参考訳（メタデータ） (2021-03-12T00:06:51Z)

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。