論文の概要: Purchase Advice and Observable Buyer Responses in Real AI Conversations
- arxiv url: http://arxiv.org/abs/2609.09878v1
- Date: Wed, 09 Sep 2026 08:31:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.952382
- Title: Purchase Advice and Observable Buyer Responses in Real AI Conversations
- Title（参考訳）: リアルAI会話における購入アドバイスと購入者の反応
- Abstract要約: 我々は,AIアシスタントとの対話に関するAIsoの独自研究データベースから,歴史的インタラクションを317件監査する。
シングルエージェントAIによるスクリーニングでは、68件の購入指向のレコードが識別される。
47件のフォローアップメッセージが保持され、明示的な製品購入のコミットメントがなく、完結したカテゴリの放棄声明が観察される。
- 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: How often does a generative assistant persuade someone to buy, or persuade them not to buy? Conversation logs contain recommendations, but they do not necessarily record subsequent decisions. We audit 317 historical interactions from Aiso's proprietary research database of licensed, consent-based, de-identified conversations with commercially available AI assistants. Single-agent AI-assisted screening identifies 68 purchase-directed records; collapsing one shared-prefix copy yields 67 retained episodes, dated April 2023 to July 2025. Assistant responses provide candidate options, acquisition channels, or conditional preferences in 52 episodes (77.6%). One episode contains conditional redirection away from a named accommodation candidate. No episode is coded as advice to abandon or defer the purchase category. Only 18 episodes (26.9%) contain a subsequent user turn within the same purchase-related mission, compared with 23 (34.3%) that contain any later user turn. Using conversation depth alone therefore overstates this follow-up availability by 27.8%. Across 47 retained user follow-up messages, no explicit post-advice purchase commitment, completed-purchase report, or purchase-category abandonment statement is observed. These zeros describe recorded statements, not conversion or persuasion rates. The paper supplies operational definitions, text-free annotations, and reproducible descriptive results. Its central finding is a measurement limitation: recommendation content is observable much more often than a buyer's subsequent decision. The selected historical sample, unvalidated AI annotations, and missing transaction outcomes do not support a population-level or causal estimate of persuasion.
- Abstract（参考訳）: 生成アシスタントは、どのくらいの頻度で誰かを説得するか、購入しないよう説得するのか?
会話ログにはレコメンデーションが含まれているが、必ずしもその後の決定を記録するとは限らない。
市販のAIアシスタントとのライセンス付き、同意ベース、未確認の会話に関する、Aisoの独自研究データベースから、317の歴史的なインタラクションを監査する。
2023年4月から2025年7月までの1回の共有プレフィックスコピーで67回再生される。
アシスタント・レスポンスは52エピソード(77.6%)の候補オプション、取得チャンネル、条件付き嗜好を提供する。
1つのエピソードは、名前付き宿泊候補から条件付きリダイレクトを含む。
購入カテゴリを捨てたり延期したりするためのアドバイスとして、エピソードがコード化されることはない。
わずか18話 (26.9%) のユーザー・ターンが同じ購入関連ミッションに含まれており、23話 (34.3%) は後のユーザー・ターンを含んでいる。
したがって、会話の深さのみを使用することで、このフォローアップの可用性は27.8%向上する。
47件以上のユーザフォローアップメッセージ、明示的な更新後購入コミットメント、完成購入報告、購入カテゴリー放棄声明が観察される。
これらのゼロは、変換や説得率ではなく、記録されたステートメントを記述する。
本論文は、操作定義、テキスト不要アノテーション、再現可能な記述結果を提供する。
推奨コンテンツは、購入者のその後の決定よりもはるかに頻繁に観察可能である。
選択された歴史的なサンプル、検証されていないAIアノテーション、トランザクション結果の欠落は、集団レベルのパースケーションの因果推定をサポートしない。
関連論文リスト
- Evaluating Open-Weight E-Commerce Agents with Environment-Grounded Verification [5.646213674986304]
ショッピング会話は、同じカートへの多くのルートを持ち、タスク・サクセス・レートは、それら全てを1つのスコアに還元する。
決定論的かつ再現可能なeコマース環境を構築し、各トライアルの顧客と軌道パラメータをプリコミットする。
20Bから35Bパラメータのオープンウェイトエージェントが8つあり、1エージェントあたり160のトライアルと44のメトリクスがあり、結果として得られる能力プロファイルは、アンダーアクション、過剰購入、サポート対象の製品属性、貧弱な検索を区別する。
論文 参考訳（メタデータ） (2026-09-14T13:35:32Z) - Turkish MMLU Pro: Traceable Option Augmentation and Its Validity Limits in Turkish Multiple-Choice Evaluation [0.0]
回答オプションを追加することで、評価の妥当性を向上することなく、複数の選択のスコアを下げることができる。
トルコのMMLU Proは58のセクションで12,000のトルコ語ソースの質問を用いてこの区別を検証している。
論文 参考訳（メタデータ） (2026-09-14T12:28:09Z) - FinalityBench: An Effect-Level Benchmark for Agent Decisions Under Delayed and Conflicting Financial Finality [1.350933217151331]
FinalityBenchは、ファイナリティゲーティング決定のための実行可能なベンチマークである。
グラディングは実行された金銭的効果に基づいており、あるエピソードは商人の経済的な立場によって記録される。
権威的ファイナリティプローブ上の不可逆的なアクションをゲーティングするランタイムは85.4%に達し、全てのポーリングポリシーとは異なり、パス5には何も失われない。
論文 参考訳（メタデータ） (2026-09-04T04:24:10Z) - Same Request, Different Boundary: Evaluating Cybersecurity Assistance across Conversational Contexts [25.330089031016076]
大規模言語モデル(LLM)は複雑な問題を解決することができるが、リスクの高いドメインでの誤用は深刻な結果をもたらす可能性がある。
3R-Benchは、現実の150のサイバーセキュリティ要求のベンチマークで、2つの対向的な会話設定が強化されている。
論文 参考訳（メタデータ） (2026-09-01T02:16:56Z) - One note in three: a verified census of three deployed AI scribes, and the instrument that counted it [0.0]
私たちは、同じ142のコンサルティングで3人の商用AIスクリプタを監査しました。
重要なフィルタをクリアする5,898個のモデルが2つのモデルからなる対向パネルに到達した。
3分の1のメモは、アレルギーや薬物情報に集中して、確認された失敗をもたらす。
論文 参考訳（メタデータ） (2026-08-31T16:00:27Z) - Beyond the Final Prompt: Measuring the Effect of Within-Conversation Context on AI Answers [0.0]
管理された商用コーパスと公開PRISMデータセットからサンプリングされた180の英語マルチターン会話に対して、最終ユーザメッセージと要求された回答モデル定数を保持する。
1つはロールラベリングされた会話から、もう1つは最終メッセージから、もう1つは最終メッセージから、もう1つはプレフィックスのみの再構築で160語に制限された。
許容コホートに対する逆確率重み付けの後、完全な会話と孤立した最終回答は44.7%のケースで実質的に異なる。
論文 参考訳（メタデータ） (2026-08-03T17:40:46Z) - The Prompt Is Not the Query: How Request State Evolves Across Multi-Turn AI Conversations [0.0]
を観測可能な構成、会話条件の要求状態に置き換え、その状態がユーザターン間でどのように分散されているかを測定します。
この分析は、前回の会話研究の凍結ルールと統制されたコホートを再利用する。
論文 参考訳（メタデータ） (2026-07-24T15:16:26Z) - Do LLMs Benefit From Their Own Words? [56.73014497206615]
先行するアシスタント応答の除去は,少数のターンにおいて応答品質に影響を与えないことがわかった。
アシスタント側コンテキストのオミッティングは、累積コンテキストの長さを最大10倍に減らすことができる。
本研究は, 記憶量削減を図り, アシスタント履歴を選択的に省略することで, 応答品質を向上できることを示唆する。
論文 参考訳（メタデータ） (2026-02-27T18:58:26Z) - Learning Steerable Clarification Policies with Collaborative Self-play [67.67872810596839]
不明瞭なクエリを処理するために、AIアシスタントは不確実性を管理するためのポリシーが必要である。
我々は,この不確実性を管理するために,自己再生を用いて評価可能な政策を訓練することを提案する。
このことが、提供されたコストに応じて予測可能な振る舞いを変更する、評価可能なポリシーにつながることを示す。
論文 参考訳（メタデータ） (2025-12-03T18:49:54Z) - Algorithmic Persuasion Through Simulation [51.23082754429737]
本研究では、送信者が受信機にバイナリアクションを取るよう説得するベイズ説得ゲームについて検討する。
送信者は、製品の品質などの世界の(実価値の高い)状態について通知されるが、受信者の信念やユーティリティに関する情報は限られている。
顧客の調査やユーザスタディ、最近のAIの進歩によって、送信側は受信者についてより深く学ぶことができるようになりました。
論文 参考訳（メタデータ） (2023-11-29T23:01:33Z) - Salespeople vs SalesBot: Exploring the Role of Educational Value in
Conversational Recommender Systems [78.84530426424838]
既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。
このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。
私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
論文 参考訳（メタデータ） (2023-10-26T19:44:06Z) - Phrase Retrieval for Open-Domain Conversational Question Answering with
Conversational Dependency Modeling via Contrastive Learning [54.55643652781891]
Open-Domain Conversational Question Answering (ODConvQA)は、マルチターン会話を通じて質問に答えることを目的としている。
そこで本研究では,単語列に対する句検索方式を用いて,回答を直接予測する手法を提案する。
論文 参考訳（メタデータ） (2023-06-07T09:46:38Z) - Seamlessly Unifying Attributes and Items: Conversational Recommendation
for Cold-Start Users [111.28351584726092]
コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。
会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
論文 参考訳（メタデータ） (2020-05-23T08:56:37Z)
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。