論文の概要: Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems

• arxiv url: http://arxiv.org/abs/2606.17443v1
• Date: Tue, 16 Jun 2026 02:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.227232
• Title: Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems
• Title（参考訳）: LLMレコメンデーションシステムにおけるブランドバイアスと認知操作ダイナミクス
• Authors: Xi Chu, Yupeng Hou,
• Abstract要約: 大型言語モデル(LLM)を用いたスキンケア製品検索におけるブランドダイナミクスの研究 有名ブランドが、すべての製品が同じ仕様を持つ時間に100%推奨されることは分かっていますが、この優位性は、競合製品にとって+0.1星以下の評価優位性で消えます。 この結果から, 生産エンジン最適化 (GEO) は, 市場競争を形作る新たなマーケティング手法として研究されるべきであることが示唆された。
• 参考スコア（独自算出の注目度）: 7.25871718341051
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are becoming a major way for consumers to find products, but we do not yet understand how brands compete in this new channel. We study brand dynamics in LLM recommendations using skincare products -- a category where consumers cannot easily judge quality before buying and must rely on brand reputation -- across three commercial LLMs (GPT-4o-mini, Claude Sonnet, Gemini 3 Flash), with a robustness check on search goods. In three experiments, we find: (1) a Conditional Monopoly where well-known brands get recommended 100% of the time (IAI = 10.0) when all products have the same specifications, but this dominance disappears with less than a +0.1-star rating advantage for a competitor; (2) authority-style marketing language, including fabricated clinical-evidence claims, breaks this monopoly at a Bias Surplus Value equal to +0.17 rating points, with each model responding differently; and (3) a social dilemma in multi-brand GEO competition: when all brands adopt the same optimization strategy, individual payoff falls from +0.802 to +0.007 in our payoff proxy, and non-participating brands receive zero recommendations in our tests. Our results suggest that generative engine optimization (GEO) should be studied not only as a security risk, but also as an emerging marketing practice that shapes market competition.
• Abstract（参考訳）: 大型言語モデル(LLM)は、消費者が製品を見つけるための主要な方法になりつつあるが、ブランドがこの新しいチャネルでどのように競合するかはまだ分かっていない。 LLMの推奨品であるスキンケア製品(消費者が購入前に品質を判断しやすく、ブランドの評判に頼らなければならないカテゴリー)を用いてブランドのダイナミクスを研究し、検索商品の堅牢性をチェックする。 3つの実験において,(1) 有名ブランドが同一の仕様を持つ場合,100%の時間を推奨される条件付きモノポリー(IAI = 10.0) が,この優位性は競争相手に対して+0.1星未満の格付けで消滅すること,(2) 製造された臨床証拠請求を含む権威型マーケティング言語が,この独占をバイアス余剰値+0.17の格付けで破ること,(3) マルチブランドGEOコンペティションにおける社会的ジレンマ,(3) 同一の最適化戦略を採用する場合,各ブランドがペイオフプロキシにおいて+0.802から+0.007に該当すること,そして非参加ブランドが当社のテストにおいてゼロの推奨を受けること,の3つが判明した。 この結果から,ジェネレーティブエンジン最適化(GEO)は,セキュリティリスクだけでなく,市場競争を形作る新たなマーケティングプラクティスとして研究されるべきであることが示唆された。

関連論文リスト

• Creativity Benchmark: A benchmark for marketing creativity for large language models [0.509780930114934]
  Creativity Benchmarkは、マーケティングのクリエイティビティにおける大規模言語モデル(LLM)の評価フレームワークである。 このベンチマークは100のブランド(12のカテゴリ)と3つのプロンプトタイプ(Insights, Ideas, Wild Ideas)をカバーする。
  論文  参考訳（メタデータ） (2025-09-05T04:44:29Z)
• SPARTA ALIGNMENT: Collectively Aligning Multiple Language Models through Combat [76.48873047003943]
  SPARTA ALIGNMENT(SPARTA ALIGNMENT)を提案する。 各イテレーションにおいて、1つの命令と2つのモデルがデュエルのために選択され、他のモデルが2つのレスポンスを評価し、それらの評価スコアは、適応されたエロランクベースの評価システムを介して集約される。 ピア評価された戦闘結果は、敗戦よりも勝利の反応が優先される選好ペアとなり、各イテレーションの最後にこれらの選好からすべてのモデルが学習される。
  論文  参考訳（メタデータ） (2025-06-05T07:51:23Z)
• A Multifacet Hierarchical Sentiment-Topic Model with Application to Multi-Brand Online Review Analysis [6.661618396933143]
  提案手法は,階層的ブランド関連トピックモデルを用いてレビュー語を説明する統一的な生成フレームワーク上に構築されている。 トピック階層間の話題語関連性を高めるために,新しい階層型ポリアワール(HPU)方式を提案する。 実験により,提案手法は適切なトピック階層を検出し,正確なブランド関連ランキングを導出するのに有効であることが示された。
  論文  参考訳（メタデータ） (2025-02-26T08:30:06Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• "Global is Good, Local is Bad?": Understanding Brand Bias in LLMs [0.0]
  本研究では,LSMが異なるブランドに対して示すバイアスについて検討する。 世界のブランドを肯定的な属性で結び付け、高所得国の個人に豪華な贈り物を推薦するという観点からも、この分野には一貫した偏見のパターンがある。
  論文  参考訳（メタデータ） (2024-06-20T04:52:19Z)
• Label Distributionally Robust Losses for Multi-class Classification: Consistency, Robustness and Adaptivity [55.29408396918968]
  多クラス分類のためのラベル分布ロバスト(LDR)損失という損失関数群について検討した。 我々の貢献は、多クラス分類のためのLDR損失のトップ$kの一貫性を確立することによって、一貫性と堅牢性の両方を含んでいる。 本稿では,各インスタンスのクラスラベルの雑音度に個別化温度パラメータを自動的に適応させる適応型LDR損失を提案する。
  論文  参考訳（メタデータ） (2021-12-30T00:27:30Z)

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。