基于对比学习微调的 SLM4Offer：面向个性化营销报价的生成式AI模型
计算与语言
2025-08-22 v1
摘要
个性化营销已成为提升客户参与度和驱动业务增长的关键策略。学术界和行业界的研究主要聚焦于推荐系统和个性化广告，但这种个性化还有显著的提升转化率和改善客户满意度的潜力。先前研究表明，得当的个性化策略可使收入提升最高可达40%，凸显了开发智能、数据驱动方法以生成营销报价的战略重要性。本文介绍SLM4Offer，这是一个用于个性化营销报价生成的生成式AI模型，通过对预训练的编码器-解码器语言模型（具体为Google的Text-to-Text Transfer Transformer（T5-Small 60M））进行对比学习方法的微调实现。SLM4Offer采用InfoNCE（信息噪声对比估计）损失函数，将客户画像与相关报价在共享嵌入空间中对齐。SLM4Offer的核心创新在于引入对比损失带来的自适应学习行为，该损失在训练期间重塑潜在空间，增强了模型的泛化能力。该模型在设计用于模拟客户行为和报价接受模式的合成数据集上进行微调和评估。实验结果表明，相较于监督式微调基线，SLM4Offer在报价接受率上实现了提升17个百分点，凸显了对比目标在推动个性化营销方面的有效性。
引用
@article{arxiv.2508.15471,
title = {SLM4Offer: Personalized Marketing Offer Generation Using Contrastive Learning Based Fine-Tuning},
author = {Vedasamhitha Challapalli and Konduru Venkat Sai and Piyush Pratap Singh and Rupesh Prasad and Arvind Maurya and Atul Singh},
journal= {arXiv preprint arXiv:2508.15471},
year = {2025}
}
备注
10 pages, BDA Conference 2025