論文の概要: AI-Integrated Decision Support System for Real-Time Market Growth Forecasting and Multi-Source Content Diffusion Analytics

• arxiv url: http://arxiv.org/abs/2511.09962v1
• Date: Fri, 14 Nov 2025 01:21:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.605725
• Title: AI-Integrated Decision Support System for Real-Time Market Growth Forecasting and Multi-Source Content Diffusion Analytics
• Title（参考訳）: リアルタイム市場成長予測とマルチソースコンテンツ拡散分析のためのAI統合意思決定支援システム
• Authors: Ziqing Yin, Xuanjing Chen, Xi Zhang,
• Abstract要約: 本研究では、ソーシャルメディアストリーム、マーケティング支出記録、消費者エンゲージメントログ、感情動態を統合したAI駆動意思決定支援システム(DSS)を提案する。 提案したDSSは、AIGCによるコンテンツの普及と市場成長パターンに対する解釈可能なリアルタイム洞察を提供することで、マーケティングの意思決定を強化する。
• 参考スコア（独自算出の注目度）: 6.89814915373966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid proliferation of AI-generated content (AIGC) has reshaped the dynamics of digital marketing and online consumer behavior. However, predicting the diffusion trajectory and market impact of such content remains challenging due to data heterogeneity, non linear propagation mechanisms, and evolving consumer interactions. This study proposes an AI driven Decision Support System (DSS) that integrates multi source data including social media streams, marketing expenditure records, consumer engagement logs, and sentiment dynamics using a hybrid Graph Neural Network (GNN) and Temporal Transformer framework. The model jointly learns the content diffusion structure and temporal influence evolution through a dual channel architecture, while causal inference modules disentangle the effects of marketing stimuli on return on investment (ROI) and market visibility. Experiments on large scale real-world datasets collected from multiple online platforms such as Twitter, TikTok, and YouTube advertising show that our system outperforms existing baselines in all six metrics. The proposed DSS enhances marketing decisions by providing interpretable real-time insights into AIGC driven content dissemination and market growth patterns.
• Abstract（参考訳）: AIGC(AI- generated content)の急速な普及により、デジタルマーケティングとオンライン消費者行動のダイナミクスが変わりつつある。 しかし, データの均一性, 非線形伝搬機構, 消費者相互作用の進展などにより, 拡散軌道や市場への影響を予測することは依然として困難である。 本研究では,ハイブリッドグラフニューラルネットワーク(GNN)とテンポラルトランスフォーマフレームワークを用いて,ソーシャルメディアストリーム,マーケティング支出記録,消費者エンゲージメントログ,感情ダイナミクスを含むマルチソースデータを統合したAI駆動意思決定支援システムを提案する。 モデルでは、二重チャネルアーキテクチャを通じてコンテンツ拡散構造と時間的影響の進化を共同で学習し、因果推論モジュールは投資(ROI)と市場可視性に対するマーケティング刺激の影響を解き放つ。 Twitter、TikTok、YouTubeなどの複数のオンラインプラットフォームから収集された大規模な実世界のデータセットの実験によると、我々のシステムは6つの指標すべてで既存のベースラインを上回っている。 提案したDSSは、AIGCによるコンテンツの普及と市場成長パターンに対する解釈可能なリアルタイム洞察を提供することで、マーケティングの意思決定を強化する。

関連論文リスト

• DeepCausalMMM: A Deep Learning Framework for Marketing Mix Modeling with Causal Inference [0.0]
  DeepCausalMMMは、ディープラーニング、因果推論、高度なマーケティング科学を組み合わせることで制限に対処するPythonパッケージである。 パッケージはGated Recurrent Units(GRU)を使用して、アドストック(キャリオーバー効果)やラグなどの時間パターンを自動的に学習する。 また、ヒル方程式に基づく飽和曲線を実装し、減少するリターンをモデル化し、予算配分を最適化する。
  論文  参考訳（メタデータ） (2025-10-15T02:02:27Z)
• Against Opacity: Explainable AI and Large Language Models for Effective Digital Advertising [45.512178197258066]
  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。
  論文  参考訳（メタデータ） (2025-04-22T08:46:47Z)
• Smooth Handovers via Smoothed Online Learning [48.953313950521746]
  まず、欧州の商用モバイルネットワークオペレータ(MNO)から4000万人以上のユーザを対象に、HOに対する重要な特徴とパフォーマンスへの影響を理解し、明らかにするために、広範なデータセットを分析した。 本研究は, HO故障/遅延と無線セルとエンドユーザーデバイスの特徴の相関関係を明らかにする。 本稿では,HO最適化にデバイスとセルの機能を組み込むことで,既存のアプローチを拡張したスムーズで高精度なHOのための現実的なシステムモデルを提案する。
  論文  参考訳（メタデータ） (2025-01-14T13:16:33Z)
• MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [92.40586697273868]
  モノのインターネットのタイムリーな更新は、車載メタバースサービスの没入を実現するために不可欠である。 本稿では,フェデレーション学習による効率的なプライバシ保護データ提供を可能にする没入型モデルトレーディングフレームワークを提案する。 実験の結果,提案手法は最先端のベンチマークよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-25T16:20:46Z)
• Exploring the Head Effect in Live Streaming Platforms: A Two-Sided Market and Welfare Analysis [4.084134914321567]
  ライブストリーミングプラットフォームを両面市場として分析し、エリートストリーマーの少数のサブセットが不釣り合いに視聴者の注目を惹きつけるヘッドエフェクトに着目した。 我々の福祉分析は、短期的消費者ユーティリティは、集中的な視聴力の恩恵を受けるかもしれないが、長期的コンテンツ多様性と社会福祉全体に悪影響を及ぼすことを示している。
  論文  参考訳（メタデータ） (2024-10-16T23:30:42Z)
• A Comparative Study on Enhancing Prediction in Social Network Advertisement through Data Augmentation [0.6707149143800017]
  本研究では,ソーシャルネットワーク広告データの生成的拡張フレームワークを提示し,検討する。 データ拡張のための3つの生成モデル - GAN(Generative Adversarial Networks)、VAE(variantal Autoencoders)、Gaussian Mixture Models(GMM) - を探索する。
  論文  参考訳（メタデータ） (2024-04-22T01:16:11Z)
• Images in Discrete Choice Modeling: Addressing Data Isomorphism in Multi-Modality Inputs [77.54052164713394]
  本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。 本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
  論文  参考訳（メタデータ） (2023-12-22T14:33:54Z)
• Generative AI for Physical Layer Communications: A Survey [76.61956357178295]
  生成人工知能(GAI)は、デジタルコンテンツ生産の効率を高める可能性がある。 複雑なデータ分散を分析するGAIの能力は、無線通信にとって大きな可能性を秘めている。 本稿では、信号分類、チャネル推定、等化といった従来の問題から、インテリジェントな反射面やジョイントソースチャネル符号化といった新たなトピックまで、GAIの物理層での通信への応用に関する包括的な調査を行う。
  論文  参考訳（メタデータ） (2023-12-09T15:20:56Z)
• Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
  仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。 帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。 本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
  論文  参考訳（メタデータ） (2023-02-22T15:52:37Z)

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。