Agentic 个性化在营销中的持久影响：一个纵向案例研究
人工智能
2026-04-13 v1 人机交互
机器学习
摘要
在消费类应用中，客户关系管理（CRM）传统上依赖于对静态、基于规则的 messaging 策略进行手动优化。尽管自适应和自主学习系统提供了可扩展个性化的 promise，但人类在环（human-in-the-loop）监督是否为维持长期性能提升所必需，仍不明确。本文提出了一个纵向案例研究，分析了一个面向大规模用户群的实际应用，利用 agentic 基础设施在11个月期间对营销 messaging 进行个性化。我们比较了两个时期：一个活跃阶段，市场营销人员直接策划内容、受众和策略；随后紧接着一个被动阶段，agent 完全自主运行，基于固定的组件库。我们的结果表明，尽管主动的人类管理可实现最高的相对 engagement 提升，但自主 agent 仍能在被动阶段维持正向的提升。这些发现表明，一种共生模型：人类干预驱动初始策略初始化和发现，而自主 agent 能够确保可扩展的性能保持和保留。
引用
@article{arxiv.2604.08621,
title = {Sustained Impact of Agentic Personalisation in Marketing: A Longitudinal Case Study},
author = {Olivier Jeunen and Eleanor Hanna and Schaun Wheeler},
journal= {arXiv preprint arXiv:2604.08621},
year = {2026}
}
备注
To appear in the 34th ACM International Conference on User Modeling, Adaptation and Personalization (UMAP '26) Industry Track