Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LLM-Driven E-Commerce Marketing Content Optimization: Balancing Creativity and Conversion

Created by
  • Haebom

저자

Haowei Yang, Haotian Lyu, Tianle Zhang, Dingzhou Wang, Yushang Zhao

개요

본 논문은 전자상거래 환경에서의 경쟁 심화에 따라 효과적인 마케팅 문구 생성의 중요성을 강조하며, 대규모 언어 모델(LLM)을 활용한 새로운 프레임워크를 제안합니다. 이 프레임워크는 프롬프트 엔지니어링, 다목적 미세 조정, 후처리 과정을 통합하여 참여도와 전환율을 모두 높이는 마케팅 문구를 생성합니다. 미세 조정 방법은 감정 조절, 다양성 향상, CTA(행동 촉구) 임베딩을 결합하며, 오프라인 평가와 온라인 A/B 테스트 결과 CTR 12.5%, CVR 8.3% 향상을 달성했습니다. 이는 자동화된 문구 생성을 위한 실용적인 해결책을 제시하며, 향후 다모달, 실시간 개인화를 위한 방향을 제시합니다.

시사점, 한계점

시사점:
LLM 기반 마케팅 문구 생성을 위한 효과적인 프레임워크 제시.
CTR 및 CVR 향상을 통한 실질적인 전자상거래 성과 개선 가능성 입증.
다모달 및 실시간 개인화를 위한 연구 방향 제시.
자동화된 마케팅 문구 생성 시스템 구축의 실현 가능성 제시.
한계점:
A/B 테스트의 범위 및 데이터의 상세한 내용에 대한 정보 부족.
장기적인 효과 및 지속 가능성에 대한 검증 부족.
다양한 제품 카테고리와 고객 세그먼트에 대한 일반화 가능성에 대한 추가 연구 필요.
제안된 프레임워크의 확장성 및 유지보수에 대한 고려 부족.
👍