論文の概要: Using item recommendations and LLMs in marketing email titles

• arxiv url: http://arxiv.org/abs/2508.20024v2
• Date: Tue, 09 Sep 2025 05:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:26.9353
• Title: Using item recommendations and LLMs in marketing email titles
• Title（参考訳）: 電子商取引におけるレコメンデーションとLCMの利用
• Authors: Deddy Jobson, Muktti Shukla, Phuong Dinh, Julio Christian Young, Nick Pitton, Nina Chen, Ryan Ginstrom,
• Abstract要約: Eコマースのマーケットプレースは、メールやプッシュ通知などのマーケティングチャネルを利用して、ユーザーにリーチし、購入を刺激している。 特にパーソナライズされたメールは、マーケティング担当者が最新の商品の在庫をユーザーに知らせるのに人気がある。 このようなメールには、各ユーザーの興味に合わせたパーソナライズされたレコメンデーションが含まれており、ユーザーは関連するアイテムを購入することを意図している。 これらのメールの共通する制限は、メールのタイトルである主要なエントリポイントが固定テンプレートに従う傾向にあり、コンテンツに対する十分な関心を喚起しないことである。
• 参考スコア（独自算出の注目度）: 1.2019888796331233
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-commerce marketplaces make use of a number of marketing channels like emails, push notifications, etc. to reach their users and stimulate purchases. Personalized emails especially are a popular touch point for marketers to inform users of latest items in stock, especially for those who stopped visiting the marketplace. Such emails contain personalized recommendations tailored to each user's interests, enticing users to buy relevant items. A common limitation of these emails is that the primary entry point, the title of the email, tends to follow fixed templates, failing to inspire enough interest in the contents. In this work, we explore the potential of large language models (LLMs) for generating thematic titles that reflect the personalized content of the emails. We perform offline simulations and conduct online experiments on the order of millions of users, finding our techniques useful in improving the engagement between customers and our emails. We highlight key findings and learnings as we productionize the safe and automated generation of email titles for millions of users.
• Abstract（参考訳）: Eコマースのマーケットプレースは、メールやプッシュ通知などのマーケティングチャネルを利用して、ユーザーにリーチし、購入を刺激している。 特にパーソナライズされたメールは、マーケティング担当者が最新の商品の在庫をユーザーに知らせるのに人気がある。 このようなメールには、各ユーザーの興味に合わせたパーソナライズされたレコメンデーションが含まれており、ユーザーは関連するアイテムを購入することを意図している。 これらのメールの共通する制限は、メールのタイトルである主要なエントリポイントが固定テンプレートに従う傾向にあり、コンテンツに対する十分な関心を喚起しないことである。 本研究では,メールのパーソナライズされた内容を反映したテーマタイトルを生成するため,大規模言語モデル(LLM)の可能性を検討する。 オフラインでシミュレーションを行い、何百万というユーザの順番でオンライン実験を行い、顧客とメール間のエンゲージメントを改善するのに有用な技術を見つけました。 何百万ものユーザーのために、安全で自動化されたEメールのタイトルを制作する上で、重要な発見と学習を強調します。

関連論文リスト

• Grounded Persuasive Language Generation for Automated Marketing [59.175257431078435]
  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の自動生成を実現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。 我々は、不動産マーケティングの分野において、潜在的住宅購入者の焦点を絞った体系的な人物実験を行う。
  論文  参考訳（メタデータ） (2025-02-24T03:36:57Z)
• Why You've Got Mail: Evaluating Inbox Privacy Implications of Email Marketing Practices in Online Apps and Services [0.6835148838117711]
  本研究は,メールアドレスなどの個人情報を利用者の同意なく共有・販売できるという認識の広汎化を考察する。 私たちは、最も人気のある150のオンラインサービスやアプリにサインアップした後、ユーザーが受信したメールのソース、ボリューム、頻度、内容を収集し、分析しました。
  論文  参考訳（メタデータ） (2024-10-10T18:44:18Z)
• Prompted Contextual Vectors for Spear-Phishing Detection [41.26408609344205]
  スパイアフィッシング攻撃は重大なセキュリティ上の課題を示す。 本稿では,新しい文書ベクトル化手法に基づく検出手法を提案する。 提案手法は, LLM生成したスピアフィッシングメールの識別において, 91%のF1スコアを達成する。
  論文  参考訳（メタデータ） (2024-02-13T09:12:55Z)
• Sequence-aware item recommendations for multiply repeated user-item interactions [0.0]
  項目推薦のタスクにおいて時間次元を誘導するレコメンデータシステムを設計する。 推薦を行うために、各ユーザに対するアイテムインタラクションのシーケンスを検討する。 本手法は,小売環境におけるユーザとユーザ間のインタラクションを高精度に予測する試みである。
  論文  参考訳（メタデータ） (2023-04-02T17:06:07Z)
• Towards Personalized Answer Generation in E-Commerce via Multi-Perspective Preference Modeling [62.049330405736406]
  Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。 なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。 PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-27T07:51:49Z)
• User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
  推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。 ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。 実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T02:08:52Z)
• Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
  本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。 メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-26T23:41:05Z)
• Smart To-Do : Automatic Generation of To-Do Items from Emails [41.77035468305908]
  我々は、送信者がアクションを実行することを約束したメールからTo-Doアイテムを自動的に生成する新しいタスクとデータセットを導入する。 ニューラルテキスト生成とシーケンス・ツー・シーケンス学習の最近の進歩を活用した2段階のプロセスの設計を行う。 われわれの知る限りでは、メールからTo-Doアイテムを作るという問題に対処する最初の取り組みだ。
  論文  参考訳（メタデータ） (2020-05-05T02:21:40Z)

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。