CXSimulator: A User Behavior Simulation using LLM Embeddings for Web-Marketing Campaign Assessment

要約

このペーパーでは、ユーザー行動シミュレーションを通じてテストされていない Web マーケティング キャンペーンの効果を評価するために設計された新しいフレームワークであるカスタマー エクスペリエンス (CX) シミュレーターについて説明します。
提案されたフレームワークは、大規模言語モデル (LLM) を利用して、アイテムの閲覧、クーポンの適用、アイテムの購入など、ユーザーの行動履歴におけるさまざまなイベントを意味論的な埋め込みベクトルとして表現します。
LLM 埋め込みからイベント間の遷移を予測するモデルをトレーニングします。これは、さまざまなトレーニング データから学習することで、目に見えないイベントにまで一般化することもできます。
Web マーケティング アプリケーションでは、この移行予測モデルを活用して、新しいキャンペーンや製品がユーザーに提示されたときにユーザーがどのように異なる反応を示すかをシミュレートします。
これにより、コストのかかるオンライン テストの必要性がなくなり、マーケティング担当者の洞察を明らかにする能力が強化されます。
Google Merchandise Store の BigQuery 公開データセットを利用した数値評価とユーザー調査により、フレームワークの有効性が実証されました。

要約(オリジナル)

This paper presents the Customer Experience (CX) Simulator, a novel framework designed to assess the effects of untested web-marketing campaigns through user behavior simulations. The proposed framework leverages large language models (LLMs) to represent various events in a user’s behavioral history, such as viewing an item, applying a coupon, or purchasing an item, as semantic embedding vectors. We train a model to predict transitions between events from their LLM embeddings, which can even generalize to unseen events by learning from diverse training data. In web-marketing applications, we leverage this transition prediction model to simulate how users might react differently when new campaigns or products are presented to them. This allows us to eliminate the need for costly online testing and enhance the marketers’ abilities to reveal insights. Our numerical evaluation and user study, utilizing BigQuery Public Datasets from the Google Merchandise Store, demonstrate the effectiveness of our framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google