SOMONITOR：融合可解释人工智能与大语言模型的营销分析
计算机与社会
2024-12-11 v2 多媒体
摘要
线上营销面临着巨大挑战，需管理和解读大量数据以进行竞争对手分析、内容研究和战略品牌规划。人工手工审阅数百至数千条瞬时网络内容是不可能的，部分分析常导致次优结果和表现不佳的营销活动。我们引入一种可解释人工智能框架 SOMONITOR，旨在将人类直觉与 AI 效率相结合，帮助营销人员在营销漏斗的各个阶段，从战略规划、内容创作到活动执行中发挥作用。SOMONITOR 集成了用于广告内容的点击率预测和排序模型，并使用大语言模型(LLM)处理高绩效竞争对手内容，识别核心内容支柱，如目标受众、客户需求和产品功能。这些支柱随后被组织到更广泛的类别中，包括沟通主题和目标客户画像。通过将这些洞察力与品牌自身广告活动的数据相结合，SOMONITOR 为针对新客户画像构建叙事，并生成以用户故事形式的详细内容简报。案例研究表明，这些简报可直接用于营销团队，以简化内容生产和活动执行。SOMONITOR 在日常操作中的采用，使数字营销人员能够快速浏览大量数据集，提供可操作的见解，显著提升活动效果和整体工作满意度。
引用
@article{arxiv.2407.13117,
title = {SOMONITOR: Combining Explainable AI & Large Language Models for Marketing Analytics},
author = {Aleksandr Farseev and Qi Yang and Marlo Ongpin and Ilia Gossoudarev and Yu-Yi Chu-Farseeva and Sergey Nikolenko},
journal= {arXiv preprint arXiv:2407.13117},
year = {2024}
}