論文の概要: Automated Comment Moderation Enhances Social Media Advertising Performance

• arxiv url: http://arxiv.org/abs/2609.16005v1
• Date: Wed, 29 Jul 2026 16:03:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.531745
• Title: Automated Comment Moderation Enhances Social Media Advertising Performance
• Title（参考訳）: ソーシャルメディア広告のパフォーマンスを高める自動コメントモデレーション
• Abstract要約: 有害コメントの自動モデレーションは、広告パフォーマンスを因果的に改善することを示す。 モデレーションによる利益は、プラットフォームがブランドのモデレーション動作に対して透明であるかどうかに依存する。 マネージャにとって、AIによるコメントのモデレーションは、実際の広告パフォーマンスに影響を与えるが、プラットフォームレベルの透明性設計に影響を及ぼす可能性がある。
• 参考スコア（独自算出の注目度）: 0.24063592468412265
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media advertising exposes brands not only to potential customers but also to unfiltered consumer discourse in the form of user comments. While comments can enhance authenticity and engagement, they also introduce reputational risks through spam, hate speech, and negative user-generated content. Despite the increasing prevalence of AI-powered comment moderation solutions, little causal evidence exists on whether moderation (i.e., hiding harmful comments) improves ad effectiveness. Across six empirical studies-including two large-scale field experiments and four online studies-we demonstrate that automated moderation of harmful comments causally improves ad performance, including conversion rates, return on ad spend, and purchase intentions. We also identify two important platform-governance boundary conditions: the gains from moderation depend on whether the platform is transparent about the brand's moderation behavior, and what types of comments are moderated. At the same time, the moderation effect persists when the brand is transparent about its own moderation practices. We advance theory on context effects in social media advertising, by uncovering the first targeted, preventative intervention for avoiding negative adjacencies. For managers, the results show that AI-assisted comment moderation impacts real ad performance but may be contingent upon platform-level transparency design.
• Abstract（参考訳）: ソーシャルメディア広告は、潜在的な顧客だけでなく、ユーザーコメントの形で消費者の言論をフィルターしないようブランドを露出させる。 コメントは信頼とエンゲージメントを高めることができるが、スパム、ヘイトスピーチ、ネガティブなユーザー生成コンテンツを通じて評判のリスクを導入する。 AIを使ったコメントモデレーションソリューションの普及にもかかわらず、モデレーション(悪質なコメントを隠すこと)が広告効果を改善するかどうかについての因果的証拠はほとんどない。 大規模フィールド実験2件とオンライン調査4件を含む6つの実証研究において、有害コメントの自動モデレーションは、変換率、広告費の返却、購入意図などの広告パフォーマンスを因果的に改善することを示した。 また、モデレーションから得られるゲインは、ブランドのモデレーション行動に対してプラットフォームが透明であるかどうか、どのコメントが中和されているかによって決まる。 同時に、モデレーション効果は、ブランドが独自のモデレーションプラクティスに対して透明であるときに持続する。 我々は、ソーシャルメディア広告における文脈効果の理論を前進させ、ネガティブな隣接を避けるための最初の標的となる予防的介入を明らかにする。 マネージャにとって、AIによるコメントのモデレーションは、実際の広告パフォーマンスに影響を与えるが、プラットフォームレベルの透明性設計に影響を及ぼす可能性がある。

関連論文リスト

• Reckless Designs and Broken Promises: Privacy Implications of Targeted Interactive Advertisements on Social Media Platforms [3.956142896254297]
  ソーシャルメディアプラットフォームTikTok、Facebook、Instagramは、サードパーティーがターゲット広告キャンペーンをプラットフォーム内でセンシティブな属性で実行できるようにする。 このプラットフォームレベルのデザイン選択は、広告主が広告と対話する人のプロフィールを見ることができるように、プライバシーの抜け穴を生じさせる。 この行動は、プラットフォームが広告主からユーザーデータを隠蔽するという約束と矛盾している。
  論文  参考訳（メタデータ） (2026-03-04T02:27:45Z)
• Investigating the heterogenous effects of a massive content moderation intervention via Difference-in-Differences [0.6918368994425961]
  我々は、Reddit上でのThe Great Banの効果について、因果推論アプローチを適用した。 約34Kユーザーが共有する5300万のコメントを分析し、意図した結果と意図しない結果の両方について詳細な結果を提供する。 以上の結果から,モデレーション介入の有効性に関する新たな知見が得られた。
  論文  参考訳（メタデータ） (2024-11-06T16:34:59Z)
• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• An Image is Worth a Thousand Toxic Words: A Metamorphic Testing Framework for Content Moderation Software [64.367830425115]
  ソーシャルメディアプラットフォームは、ヘイトスピーチ、悪意のある広告、ポルノなど、有害なコンテンツを拡散するためにますます悪用されている。 コンテンツモデレーション手法の開発と展開に多大な努力を払っているにもかかわらず、悪意のあるユーザは、テキストを画像に埋め込むことでモデレーションを回避することができる。 コンテンツモデレーションソフトウェアのためのメタモルフィックテストフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-18T20:33:06Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Learning to Infer User Hidden States for Online Sequential Advertising [52.169666997331724]
  本稿では,これらの問題に対処するディープインテントシーケンス広告(DISA)手法を提案する。 解釈可能性の鍵となる部分は、消費者の購入意図を理解することである。
  論文  参考訳（メタデータ） (2020-09-03T05:12:26Z)
• Do Interruptions Pay Off? Effects of Interruptive Ads on Consumers Willingness to Pay [79.9312329825761]
  本研究は,広告主ブランドの商品に対する消費者の支払い意欲に及ぼす割り込み広告の影響を計測する研究結果である。 本研究は, 広告の経済的影響に関する研究に寄与し, 実験マーケティング研究における実際の(自己申告の)支払意欲を測定する方法を紹介した。
  論文  参考訳（メタデータ） (2020-05-14T09:26:57Z)
• Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics [43.98568073610101]
  ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。 ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。 これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2019-07-13T21:12:08Z)

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。