网站主页制作教程,苏州网站建设方案策划,网站添加白名单,商业地产网站建设KDD-2023 很值得读的文章#xff01;
1 摘要
电商里#xff0c;营销内容的实验#xff0c;很重要。 然而#xff0c;创作营销内容是一个手动和耗时的过程#xff0c;缺乏明确的指导原则。 本文通过 基于历史数据的AI驱动的可行性洞察#xff0c;来弥补 营销内容创作 和…KDD-2023 很值得读的文章
1 摘要
电商里营销内容的实验很重要。 然而创作营销内容是一个手动和耗时的过程缺乏明确的指导原则。 本文通过 基于历史数据的AI驱动的可行性洞察来弥补 营销内容创作 和 在线实验 之间的差距以改善营销内容的创作过程。 本文提出了一个基于神经网络的系统该系统对营销内容设计进行评分 并提取洞察。 具体来说是一个多模态神经网络 预测营销内容的吸引力。不仅指出了当前营销内容的优点和缺点还根据历史数据提供了设计建议。 本文的评分模型和洞察 在定量和定性上都工作得很好。
2 引言 本文贡献 1首个在数字营销设计过程中应用深度学习提供了如何利用神经网络解释 来帮助和分析 数字营销设计并提出了一个 基于多模态深度神经网络 洞察生成框架。 2以交互式的视觉格式呈现可解释的洞察。
3 模型
BERT和ResNet
4 方案
基于点击/曝光 或者 订单/曝光 日志作为正负样例 训练模型
4.1 分析模型的特征贡献度
用特征显著性分析工具分析出哪些特征的影响大
4.2 预测阶段推荐设计元素
示例
5 推荐结果的评估
计算 模型预测结果 和 当前人工设计结果 的距离 然后展示在交互式界面
6 总结
本文是首次尝试使用深度学习来促进数字营销的设计过程本文提出了多模态神经网络解决这个问题并利用 特征贡献度分析的方法 提供了指导营销人员改进现有设计的洞察。
