論文の概要: Demand-Side Measurement for Generative Engine Optimization: Constructing and Validating a Million-Persona, Intent-Annotated Buyer Corpus
- arxiv url: http://arxiv.org/abs/2608.30023v1
- Date: Sun, 30 Aug 2026 20:28:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.158643
- Title: Demand-Side Measurement for Generative Engine Optimization: Constructing and Validating a Million-Persona, Intent-Annotated Buyer Corpus
- Title（参考訳）: ジェネレーティブエンジン最適化のための需要側測定:100万パーソナインテントアノテートバイヤーコーパスの構築と検証
- Abstract要約: ChatGPT、Gemini、Perplexityなどのジェネレーティブエンジンは、直接購入者の質問に答え、回答の中にブランドのショートリストを付ける。
我々は,511の業界ラベルと4つの市場コンテキストにまたがる1,031,732の総合購入者ペルソナであるペルソナGen-1Mを構築し,検証した。
それぞれのペルソナには、クエリセットをカバーする1つのプライマリ_intentラベルと、購入者が信頼するソースタイプを指定した推奨_sourcesフィールドがある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative engines such as ChatGPT, Gemini, and Perplexity answer buyer questions directly and name a shortlist of brands inside the answer. Studying how brands enter or fail to enter that shortlist requires demand-side data: what buyers in a category ask, what information they need, and which sources they trust. Existing large persona corpora are built for training-data diversity and carry neither a staged search-intent label nor a preferred-sources field, so they cannot be joined to supply-side recommendation measurements. We built and validated PersonaGen-1M, a corpus of 1,031,732 synthetic buyer personas spanning 511 industry labels and 4 market contexts, carrying 19,416,821 structured behavioral attributes, 5,160,046 of them search queries. Each persona carries a single primary_intent label covering its query set (78.3% informational, 17.4% commercial, 4.3% transactional) and a preferred_sources field naming the source types that buyer would trust. The corpus was built from roughly 40 million raw persona descriptions drawn from four public datasets through GPU-accelerated MinHash LSH plus semantic deduplication, then enriched to a fixed schema. The intent field selects the commercial-evaluation personas whose queries drive recommendation, and the preferred_sources field pairs against citation-provenance data; that join is the primary intended use, and its controlled empirical estimate is future work. Among million-scale persona corpora surveyed in August 2026, one other carries a source-preference attribute, as a six-value media-channel enum; PersonaGen-1M pairs named per-persona source lists with a staged commercial search-intent label and an attached query set. The full corpus is shared on request for non-commercial research; a stratified subset is published openly so the protocol, the schema and the validation can be inspected and reused without asking us.
- Abstract（参考訳）: ChatGPT、Gemini、Perplexityなどのジェネレーティブエンジンは、直接購入者の質問に答え、回答の中にブランドのショートリストを付ける。
ブランドがそのショートリストに入るか、あるいは入らないかを研究するには、どのカテゴリーの購入者が求めるか、必要な情報、どのソースを信頼するかという、需要側のデータが必要です。
既存の大ペルソナコーパスは、データ多様性をトレーニングするために構築されており、段階的な検索インテントラベルや優先ソースフィールドは持たないため、サプライサイドレコメンデーション測定には参加できない。
我々は,511の業界ラベルと4つの市場コンテキストにまたがる1,031,732の総合購入者ペルソナであるペルソナGen-1Mを構築し,検証した。
各ペルソナには、クエリセットをカバーする1つのプライマリ_intentラベル(78.3%のインフォメーション、17.4%のコマーシャル、4.3%のトランザクション)と、購入者が信頼するソースタイプを命名する推奨の_sourceフィールドがある。
コーパスは、GPUアクセラレーションされたMinHash LSHとセマンティック重複によって4つの公開データセットから引き出された約4000万の生のペルソナ記述から構築され、固定スキーマに強化された。
インテントフィールドは、クエリがレコメンデーションを駆動する商業評価ペルソナを選択し、推奨_sourcesフィールドペアは、引用保証データに対して、その結合が第一の目的の使用であり、その制御された経験的推定が将来の作業である。
2026年8月に調査された百万規模のペルソナコーパスのうち、一方は6値のメディアチャネルエナムとしてソース参照属性を持ち、ペルソナGen-1Mペアは1人あたりのソースリストにステージドされた商用検索インテントラベルとアタッチドクエリセットを持つ。
階層化されたサブセットは公開公開されており、プロトコル、スキーマ、バリデーションは私たちに尋ねずに検査および再利用することができる。
関連論文リスト
- Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。
反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
論文 参考訳（メタデータ） (2026-09-02T08:10:22Z) - Autoresearch for Marketplace Catalogs: From Legacy Forms to AI-Native Matching [9.919270135258108]
両面のサービスマーケットプレースは、決定論的リクエストフォームの取り込みから、AIネイティブな確率的マッチングへと移行している。
固定形フィールドよりも推論意図に頼れば、これらのプラットフォームはプロバイダ側の選好分類を再生せざるを得ない。
我々は、この分類を一度に生成する自動検索ループを提示し、2026年4月から米国の大手消費者サービス市場において、132の職業にまたがって生産されている。
論文 参考訳（メタデータ） (2026-08-31T19:18:07Z) - One Token Is Enough: Fingerprinting and Verifying Large Language Models from Single-Token Output Distributions [0.0]
APIアグリゲータ、再販業者、推論プロバイダは、大きな言語モデル(LLM)を使用する。
既存の識別技術には、長いテキスト、トークンレベルのログ確率、反対に作られたプロンプト、またはモデル所有者の協力が必要である。
我々は,LLMの行動指紋を,自明なワンワードプロンプトに対する応答の実証的分布として定義する。
論文 参考訳（メタデータ） (2026-07-11T10:34:17Z) - Synthetic Personalities: How Well Can LLMs Mimic Individual Respondents Using Socio-Economic Microdata? [0.0]
我々はドイツ社会経済パネルから詳細な個別レベルの双子を構築した。
建設工法グリッドの3倍の5倍の2倍の2倍の3倍の評価を行う。
論文 参考訳（メタデータ） (2026-06-03T08:30:03Z) - Machine Learning for Coding Retail Product Names to Consumer-Price Categories: A Rule-plus-Bag-of-Words Pipeline with Reliability-Weighted Human-in-the-Loop Labeling [0.0]
本稿では,一般的な再現可能な手法としてのマッピングについて検討する。
我々は、アノテータが二項有効/再帰の判断を下す、Human-in-the-loopプロトコルを使用する。
モンテカルロのラベリングプロトコルに関する調査では、信頼性に富んだ投票がほぼ多数派を圧倒している。
論文 参考訳（メタデータ） (2026-06-01T09:59:29Z) - FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。
各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。
FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-30T10:21:20Z) - Persona Conditioning of Brand Recommendations in Retrieval-Augmented Commercial Chat: A Prominence-Stratified Cross-Provider Audit [0.0]
モデルが推奨するブランドの状況変化がどれほど強く影響するかを監査します。
監査サンプル2,000は、10のペルソナ x 8 の設計空間上で実行され、x 3 モデル構成 x N=10 のレポジトリがプロンプトされる。
AIブランドの認識のあらゆる測定は、クエリを提供する購入者ペルソナに条件を定めなければならない。
論文 参考訳（メタデータ） (2026-05-28T16:43:38Z) - ORBIT: Scalable and Verifiable Data Generation for Search Agents on a Tight Budget [56.6320292944541]
ORBITは20Kの推論集約クエリと短い検証可能な回答を備えたトレーニングデータセットである。
私たちのフレームワーク、コード、データセットはオープンソースで公開されています。
論文 参考訳（メタデータ） (2026-04-01T17:42:41Z) - AgentIR: Reasoning-Aware Retrieval for Deep Research Agents [76.29382561831105]
ディープリサーチエージェントは、各検索の前に明示的な自然言語推論を生成する。
Reasoning-Aware Retrievalは、クエリと一緒にエージェントの推論トレースを埋め込む。
DR-Synthは、標準的なQAデータセットからDeep Researchレトリバーのトレーニングデータを生成する。
AgentIR-4Bは、オープンウェイトエージェントであるTongyi-DeepResearchで68%の精度を達成する。
論文 参考訳（メタデータ） (2026-03-04T18:47:26Z) - HuggingR$^{4}$: A Progressive Reasoning Framework for Discovering Optimal Model Companions [50.61510609116118]
HuggingR$4$は、Reasoning、Retrieval、Refinement、Reflectionを組み合わせて効率的にモデルを選択する新しいフレームワークである。
作業性率は92.03%、理性率は82.46%に達し、それぞれ26.51%、33.25%を超える。
論文 参考訳（メタデータ） (2025-11-24T03:13:45Z) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳（メタデータ） (2022-02-03T17:25:46Z)
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。