Основанная на данных генерация убедительного языка для автоматизированного маркетинга

Grounded Persuasive Language Generation for Automated Marketing

February 24, 2025

Авторы: Jibang Wu, Chenghao Yang, Simon Mahns, Chaoqi Wang, Hao Zhu, Fei Fang, Haifeng Xu

cs.AI

Аннотация

Данный документ разрабатывает агентский каркас, который использует большие языковые модели (LLM) для автоматизации создания убедительного и обоснованного маркетингового контента, используя описания недвижимости в качестве нашей основной области применения. Наш метод разработан для согласования созданного контента с предпочтениями пользователей, выделяя полезные фактические атрибуты. Этот агент состоит из трех ключевых модулей: (1) Модуль Оснований, имитирующий экспертное человеческое поведение для прогнозирования маркетинговых особенностей; (2) Модуль Персонализации, согласующий контент с предпочтениями пользователя; (3) Модуль Маркетинга, обеспечивающий фактическую точность и включение локализованных особенностей. Мы проводим систематические эксперименты с участием людей в области маркетинга недвижимости, с участием фокусной группы потенциальных покупателей домов. Результаты показывают, что описания маркетинга, созданные нашим подходом, предпочтительнее, чем те, которые написаны экспертами-людьми с большим отрывом. Наши результаты предполагают перспективный агентский каркас на основе LLM для автоматизации масштабного целевого маркетинга, обеспечивая ответственное создание, используя только факты.

English

This paper develops an agentic framework that employs large language models (LLMs) to automate the generation of persuasive and grounded marketing content, using real estate listing descriptions as our focal application domain. Our method is designed to align the generated content with user preferences while highlighting useful factual attributes. This agent consists of three key modules: (1) Grounding Module, mimicking expert human behavior to predict marketable features; (2) Personalization Module, aligning content with user preferences; (3) Marketing Module, ensuring factual accuracy and the inclusion of localized features. We conduct systematic human-subject experiments in the domain of real estate marketing, with a focus group of potential house buyers. The results demonstrate that marketing descriptions generated by our approach are preferred over those written by human experts by a clear margin. Our findings suggest a promising LLM-based agentic framework to automate large-scale targeted marketing while ensuring responsible generation using only facts.