論文の概要: LLM-Based Multi-Agent System for Simulating and Analyzing Marketing and Consumer Behavior

• arxiv url: http://arxiv.org/abs/2510.18155v1
• Date: Mon, 20 Oct 2025 23:15:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.721123
• Title: LLM-Based Multi-Agent System for Simulating and Analyzing Marketing and Consumer Behavior
• Title（参考訳）: LLMを用いたマーケティングと消費者行動のシミュレーションと分析のためのマルチエージェントシステム
• Authors: Man-Lin Chu, Lucian Terhorst, Kadin Reed, Tom Ni, Weiwei Chen, Rongyu Lin,
• Abstract要約: LLMを利用したマルチエージェント・シミュレーション・フレームワークを導入し,消費者の意思決定とソーシャル・ダイナミクスをモデル化する。 価格割引マーケティングのシナリオでは、システムは実行可能な戦略テスト結果を提供する。
• 参考スコア（独自算出の注目度）: 1.6352616029995921
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating consumer decision-making is vital for designing and evaluating marketing strategies before costly real- world deployment. However, post-event analyses and rule-based agent-based models (ABMs) struggle to capture the complexity of human behavior and social interaction. We introduce an LLM-powered multi-agent simulation framework that models consumer decisions and social dynamics. Building on recent advances in large language model simulation in a sandbox envi- ronment, our framework enables generative agents to interact, express internal reasoning, form habits, and make purchasing decisions without predefined rules. In a price-discount marketing scenario, the system delivers actionable strategy-testing outcomes and reveals emergent social patterns beyond the reach of con- ventional methods. This approach offers marketers a scalable, low-risk tool for pre-implementation testing, reducing reliance on time-intensive post-event evaluations and lowering the risk of underperforming campaigns.
• Abstract（参考訳）: 消費者の意思決定をシミュレートすることは、コストのかかる実世界の展開前にマーケティング戦略を設計し評価するために不可欠である。 しかし、事後分析とルールに基づくエージェントベースモデル(ABM)は、人間の行動と社会的相互作用の複雑さを捉えるのに苦労する。 LLMを利用したマルチエージェント・シミュレーション・フレームワークを導入し,消費者の意思決定とソーシャル・ダイナミクスをモデル化する。 我々のフレームワークは,サンドボックス環境における大規模言語モデルシミュレーションの最近の進歩に基づいて,生成エージェントの対話,内部推論の表現,習慣の形成,事前定義されたルールなしでの購入決定を可能にする。 価格割引マーケティングのシナリオでは、システムは行動可能な戦略テスト結果を提供し、コンベンショナルメソッドの範囲を超えて、創発的な社会的パターンを明らかにする。 このアプローチは、マーケターに対して、事前実装テストのためのスケーラブルでリスクの低いツールを提供し、時間集約的な事後評価への依存を減らし、低パフォーマンスなキャンペーンのリスクを下げる。

関連論文リスト

• Integrating LLM and Diffusion-Based Agents for Social Simulation [28.21329943306884]
  本稿では,大規模言語モデルに基づくエージェントと拡散モデルに基づくエージェントを戦略的に統合するハイブリッドシミュレーションフレームワークを提案する。 本フレームワークは,既存手法の予測精度を向上し,モジュール設計の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-18T06:23:22Z)
• To Trade or Not to Trade: An Agentic Approach to Estimating Market Risk Improves Trading Decisions [0.0]
  大規模言語モデル(LLM)はますますエージェントフレームワークにデプロイされている。 我々は LLM を用いて金融時系列の微分方程式を反復的に発見するエージェントシステムを開発した。 モデルインフォームドトレーディング戦略は標準LLMエージェントよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-11T13:29:32Z)
• Empowering Economic Simulation for Massively Multiplayer Online Games through Generative Agent-Based Modeling [53.26311872828166]
  我々は,MMO経済シミュレーションにおいて,Large Language Models (LLMs) を用いた新しいアプローチを導入するための予備的なステップを採っている。 我々は人間のような意思決定と適応性を備えたLSM駆動型エージェントを設計する。 これらのエージェントはロールプレイング、知覚、記憶、推論の能力を備え、上記の課題を効果的に解決する。
  論文  参考訳（メタデータ） (2025-06-05T07:21:13Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 提案したベンチマーク実験により,EmoDebtは戦略的堅牢性を実現し,非適応的,感情に依存しないベースラインを著しく上回った。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• InfoBid: A Simulation Framework for Studying Information Disclosure in Auctions with Large Language Model-based Agents [1.9368956071944328]
  この研究は、理論的市場設計と実践的応用のギャップを埋め、市場シミュレーション、情報設計、エージェントベースの推論の研究を進める。 LLMエージェントを利用したフレキシブルなシミュレーションフレームワークInfoBidを導入し,マルチエージェントオークション設定における情報開示戦略の効果について検討する。
  論文  参考訳（メタデータ） (2025-03-26T04:46:57Z)
• LMAgent: A Large-scale Multimodal Agents Society for Multi-user Simulation [66.52371505566815]
  大規模言語モデル(LLM)ベースのAIエージェントは、人間のような知性を達成するために、大きな進歩を遂げた。 LMAgentは,マルチモーダル LLM に基づく大規模かつマルチモーダルなエージェント社会である。 LMAgentでは、友人とチャットする以外に、エージェントは自動で商品を閲覧、購入、レビューしたり、ライブストリーミングのeコマースを行うこともできる。
  論文  参考訳（メタデータ） (2024-12-12T12:47:09Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• Consumer Transactions Simulation through Generative Adversarial Networks [0.07373617024876725]
  本稿では,合成小売取引データを生成するためのGAN(Generative Adversarial Networks)の革新的な応用について述べる。 我々は、SKUデータをGANアーキテクチャに統合し、より洗練された埋め込み手法を用いて従来の手法から切り離す。 その結果, 実物と実物を比較することで, シミュレーショントランザクションにおける現実性の向上が示された。
  論文  参考訳（メタデータ） (2024-08-07T09:45:24Z)
• Put Your Money Where Your Mouth Is: Evaluating Strategic Planning and Execution of LLM Agents in an Auction Arena [25.865825113847404]
  オークションをシミュレートする新しい評価スイートであるAucArenaを紹介する。 我々は,最先端の大規模言語モデル(LLM)を用いて,入札エージェントによる計画と実行スキルのベンチマークを行う制御実験を行う。
  論文  参考訳（メタデータ） (2023-10-09T14:22:09Z)

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。