論文の概要: Against Opacity: Explainable AI and Large Language Models for Effective Digital Advertising
- arxiv url: http://arxiv.org/abs/2504.20064v1
- Date: Tue, 22 Apr 2025 08:46:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.555298
- Title: Against Opacity: Explainable AI and Large Language Models for Effective Digital Advertising
- Title（参考訳）: Opacityに対抗する - 効果的なデジタル広告のための説明可能なAIと大規模言語モデル
- Authors: Qi Yang, Marlo Ongpin, Sergey Nikolenko, Alfred Huang, Aleksandr Farseev,
- Abstract要約: メタ広告と世界のGoogleは、直感に頼っている無数の広告主を惹きつけている。
この透明性の欠如は、広告主が情報的な決定をし、透明性を促進し、業界メトリクスを標準化し、規制フレームワークを強化する努力を必要とする能力を妨げている。
本研究では,コンテンツの分析と評価を目的とした機械学習技術,特に新規広告コンテンツのクリックスルー率(CTR)を予測することによって,マーケターの広告戦略の最適化を支援する新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 45.512178197258066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The opaqueness of modern digital advertising, exemplified by platforms such as Meta Ads, raises concerns regarding their autonomous control over audience targeting, pricing structures, and ad relevancy assessments. Locked in their leading positions by network effects, ``Metas and Googles of the world'' attract countless advertisers who rely on intuition, with billions of dollars lost on ineffective social media ads. The platforms' algorithms use huge amounts of data unavailable to advertisers, and the algorithms themselves are opaque as well. This lack of transparency hinders the advertisers' ability to make informed decisions and necessitates efforts to promote transparency, standardize industry metrics, and strengthen regulatory frameworks. In this work, we propose novel ways to assist marketers in optimizing their advertising strategies via machine learning techniques designed to analyze and evaluate content, in particular, predict the click-through rates (CTR) of novel advertising content. Another important problem is that large volumes of data available in the competitive landscape, e.g., competitors' ads, impede the ability of marketers to derive meaningful insights. This leads to a pressing need for a novel approach that would allow us to summarize and comprehend complex data. Inspired by the success of ChatGPT in bridging the gap between large language models (LLMs) and a broader non-technical audience, we propose a novel system that facilitates marketers in data interpretation, called SODA, that merges LLMs with explainable AI, enabling better human-AI collaboration with an emphasis on the domain of digital marketing and advertising. By combining LLMs and explainability features, in particular modern text-image models, we aim to improve the synergy between human marketers and AI systems.
- Abstract（参考訳）: メタ広告などのプラットフォームが示す現代のデジタル広告の不透明さは、オーディエンスターゲティング、価格体系、広告関連性評価に対する自律的なコントロールに関する懸念を高めている。
は直感に頼っている無数の広告主を惹きつけ、無能なソーシャルメディア広告に何十億ドルも負けた。
プラットフォームのアルゴリズムは、広告主が利用できない膨大なデータを使用し、アルゴリズム自体も不透明である。
この透明性の欠如は、広告主が情報的な決定をし、透明性を促進し、業界メトリクスを標準化し、規制フレームワークを強化する努力を必要とする能力を妨げている。
本研究では,コンテンツの分析と評価を目的とした機械学習技術,特に新規広告コンテンツのクリックスルー率(CTR)を予測することによって,マーケターの広告戦略の最適化を支援する新しい手法を提案する。
もうひとつの重要な問題は、競合する分野、例えば競合の広告で利用可能な大量のデータが、マーケターが有意義な洞察を導き出す能力を妨げていることだ。
これにより、複雑なデータを要約し、理解することのできる、新しいアプローチの必要性が強まります。
大規模言語モデル(LLM)と幅広い非技術的オーディエンスとのギャップを埋めることでChatGPTの成功に触発され、我々はSODAと呼ばれるデータ解釈におけるマーケターの促進を目的とした新しいシステムを提案し、LLMと説明可能なAIを融合させ、デジタルマーケティングと広告の領域に重点を置いて、より良い人間とAIのコラボレーションを可能にする。
LLMと説明可能性機能、特に現代のテキストイメージモデルを組み合わせることで、人間マーケッターとAIシステム間の相乗効果を改善することを目指している。
関連論文リスト
- Are AI Agents interacting with Online Ads? [0.0]
本研究では、異なるAIエージェントがオンライン広告とどのように相互作用するか、広告を意思決定プロセスに組み込むか、どの広告フォーマットが最も効果的かを検討する。
我々は,OpenAI GPT-4o, Anthropic Claude, Google Gemini 2.0 Flashなどのマルチモーダル言語モデルを用いた実験を通じて,インタラクションパターン,クリック行動,意思決定戦略を分析した。
論文 参考訳（メタデータ） (2025-03-20T08:38:57Z) - MindMem: Multimodal for Predicting Advertisement Memorability Using LLMs and Deep Learning [0.0]
我々は,広告記憶可能性のマルチモーダル予測モデルであるMindMemを提案する。
テキスト、視覚、聴覚データを統合することで、MindMemは最先端のパフォーマンスを達成する。
我々はMindMem-ReAdを紹介し、これは大規模言語モデルに基づくシミュレーションを用いて広告内容と配置を最適化する。
論文 参考訳（メタデータ） (2025-02-25T17:09:12Z) - PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。
Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。
Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
論文 参考訳（メタデータ） (2024-09-19T06:28:18Z) - 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) - Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。
次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。
我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文 参考訳（メタデータ） (2022-08-20T07:33:13Z) - 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) - AI-Driven Contextual Advertising: A Technology Report and Implication
Analysis [0.0]
プログラム広告はデジタル広告空間の自動オークションである。
文脈広告に対する関心は、部分的には現在の個人データへの依存に対する反作用である。
人工知能(AI)の発展により、コンテキストのより深いセマンティックな理解が可能になる。
論文 参考訳（メタデータ） (2022-05-02T13:44:58Z) - 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)
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。