論文の概要: From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web
- arxiv url: http://arxiv.org/abs/2606.10907v1
- Date: Tue, 09 Jun 2026 14:16:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.047397
- Title: From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web
- Title（参考訳）: Promptから買収へ:AIブランドの勧告がいかに消費者をオープンWebに移動させるか
- Authors: Michael Iannelli, Alan Ai,
- Abstract要約: 会話アシスタントがユーザーにブランドを推薦すると、ユーザーの同じ名前のGoogle検索が+4.3ポイント(pp)[3.1, 5.5]増加し、ブランド自身のサイトへ+2.4pp[1.4, 3.5]、ブランド固有の小売店ページへの訪問+1.0pp[0.3, 1.7]がマッチした後方プラシーボに表示される。
多くの言及は、ユーザーが既に使用しているブランド(Netflixダウンロード)への偶発的な参照であり、ダウンストリーム訪問は、既存の顧客自身の振る舞いと、ブランド固有のプレトランドとして表面化している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When a conversational assistant recommends a brand to a user with no recent observed engagement, that user's same-name Google search rises +4.3 percentage points (pp) [3.1, 5.5], visits to the brand's own site +2.4 pp [1.4, 3.5], and brand-specific retailer-page visits +1.0 pp [0.3, 1.7] over matched backward placebos. Recovering that estimate is the work. The mention creates a brand exposure no web log attributes to the assistant, and the naive all-mention funnel that seems to measure it is confounded: many mentions are incidental references to brands the user already uses ("your Netflix download"), whose downstream visits are that existing customer's own behavior and surface as a brand-specific pre-trend. We measure off-platform response on a panel that joins opt-in clickstream to the same users' ChatGPT, Claude, and Gemini conversations, and isolate the effect with a pre-trend event study, a stance classifier, non-customer conditioning, and a within-response same-category control: incidental name-drops then move behavior far less (+1.8/+1.1/+0.3), and the named brand moves far more than unnamed same-category brands in the same response. The downstream path is mostly search-mediated and reaches both own sites and retailer pages, with a destination mix that tracks baseline brand-directed behavior rather than redirecting toward either. The design is observational and we do not observe transactions, so retail is purchase-adjacent. Standard referrer-based and last-click measurement miss this upstream exposure: assistants move observably-unengaged users into open-web brand navigation along a path attributed elsewhere.
- Abstract（参考訳）: 会話アシスタントが最近観察されたエンゲージメントのないユーザに対してブランドを推薦すると、Googleの同名の検索は、+4.3ポイント(pp)[3.1, 5.5]、ブランド自身のサイトへの訪問+2.4pp[1.4, 3.5]、ブランド固有の小売店ページ訪問+1.0pp[0.3, 1.7]がマッチした後方プラシーボに対して上昇する。
その見積もりを取り戻すことが仕事です。
多くの言及は、ユーザがすでに使用しているブランドへの偶発的な参照("Your Netflix download")であり、ダウンストリームの訪問は、既存の顧客自身の振る舞いと、ブランド固有のプレトランドとして表面化している。
我々は、オプトインクリックストリームを同一ユーザのChatGPT、Claude、Geminiの会話に結合するパネル上のオフプラットフォーム応答を測定し、その効果を、事前のイベントスタディ、スタンス分類器、非アセトマー条件付け、および応答内同カテゴリコントロールで分離する: 偶発的な名滴は、動作をはるかに少なく(+1.8/+1.1/+0.3)、名前付きブランドは、同じ応答において、名前のない同じカテゴリブランドよりもはるかに多く移動する。
ダウンストリームの経路は、主に検索経由で、サイトと小売店のページの両方に到達し、目的地のミックスは、どちらもリダイレクトするのではなく、ベースラインのブランド指向の行動を追跡する。
デザインは観察的であり、取引を観察しないので、小売業は購買寄りです。
標準のレファラーベースで最後のクリック測定では、このアップストリームの露出を見逃している: アシスタントは、観察不能なユーザを、他の場所にあるパスに沿って、オープンなWebブランドのナビゲーションに移行する。
関連論文リスト
- Following the Eye-Tracking Evidence: Established Web-Search Assumptions Fail in Carousel Interfaces [60.155970399741214]
カルーセルインターフェースは10年以上にわたって、ストリーミングメディアサービスのデファクトスタンダードだった。
これまでの研究では、FパターンのようなシングルリストのWeb検索インタフェースで確立された動作がカルーセルインタフェースにも適用されると推測されていた。
私たちの研究は、これらのインターフェースでユーザ動作のモデルを構築するための信頼性の高い基盤が欠如していることを示しています。
論文 参考訳（メタデータ） (2026-04-22T19:07:52Z) - SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。
我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。
1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
論文 参考訳（メタデータ） (2025-07-27T09:04:17Z) - Machine-Readable Ads: Accessibility and Trust Patterns for AI Web Agents interacting with Online Advertisements [0.0]
マルチモーダル言語モデルは、Webエージェントに急速に進化し、ユーザに代わってアイテムを閲覧、クリック、購入することができます。
しかし、これらのエージェントが広告とどのように相互作用するか、あるいはどの設計原則が信頼できるエンゲージメントを保証するのかについては、ほとんど分かっていない。
我々は、様々な広告でシードされたニュースサイトTT.comの忠実なクローンを使用して、制御された実験を行った。
論文 参考訳（メタデータ） (2025-07-17T07:10:27Z) - RecGaze: The First Eye Tracking and User Interaction Dataset for Carousel Interfaces [58.695627866883065]
カルーセルに関する最初の包括的なフィードバックデータセットであるRecGazeデータセットを紹介します。
データセットは、3つの映画選択タスクからのインタラクションと、ユーザ毎に40の異なるカルーセルインターフェースで構成されている。
カルーセル設計に関する調査結果とカルーセルの視線データを初めて分析した結果から,黄金の三角形やFパターンの閲覧行動が明らかになった。
論文 参考訳（メタデータ） (2025-04-29T14:09:20Z) - Proactive Recommendation in Social Networks: Steering User Interest via Neighbor Influence [54.13541697801396]
我々は,PRSN(Proactive Recommendation in Social Networks)という新しいタスクを提案する。
PRSNは、社会的隣人の影響力を生かして、間接的に利用者の関心を喚起する。
本稿では,2つの主要なモジュールを持つNighbor Interference Recommendation (NIRec) フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-13T15:53:40Z) - Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。
参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。
この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
論文 参考訳（メタデータ） (2024-05-09T07:36:08Z) - Enhancing User Intent Capture in Session-Based Recommendation with
Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。
FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。
FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文 参考訳（メタデータ） (2023-12-23T03:28:18Z) - A Deep Behavior Path Matching Network for Click-Through Rate Prediction [9.800832176496002]
本稿では,ユーザの現在の行動経路と過去の行動経路とを一致させて,ユーザの行動を予測することを提案する。
我々は,行動経路マッチングのためのディープニューラルネットワークを設計し,行動経路の空間性,ノイズ干渉,行動経路の正確なマッチングという3つの問題を解決する。
本モデルでは,2つの実世界のデータセットにおいて,最先端のCTRモデルよりも優れた性能を示す。
論文 参考訳（メタデータ） (2023-02-01T08:08:21Z) - Causal Intervention for Fairness in Multi-behavior Recommendation [40.938727601434195]
異なるユーザ行動(例えば変換率)間の関係は、実際にはアイテムの品質を反映している、と我々は主張する。
本稿では,不公平な問題に対処するため,複数のユーザの行動を考慮した人気バイアスを軽減することを提案する。
論文 参考訳（メタデータ） (2022-09-10T04:21:25Z) - Reviews in motion: a large scale, longitudinal study of review
recommendations on Yelp [24.34131115451651]
我々は、プラットフォームがレビューのためにフィルタリング決定を変更する「再分類」に焦点を当てる。
私たちは1250万以上のレビューをコンパイルします。
我々のデータは、人口密度の低下と低中間所得地域の変化により、再分類における人口格差が示唆されている。
論文 参考訳（メタデータ） (2022-02-18T03:27:53Z)
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。