Génération de Langage Persuasif Contextualisé pour le Marketing Automatisé

Grounded Persuasive Language Generation for Automated Marketing

February 24, 2025

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

cs.AI

Résumé

Cet article développe un cadre agentique qui utilise des modèles de langage de grande taille (LLM) pour automatiser la génération de contenu marketing persuasif et fondé, en prenant les descriptions de biens immobiliers comme domaine d'application central. Notre méthode est conçue pour aligner le contenu généré avec les préférences des utilisateurs tout en mettant en avant des attributs factuels utiles. Cet agent se compose de trois modules clés : (1) le module de fondation, qui imite le comportement d'experts humains pour prédire les caractéristiques commercialisables ; (2) le module de personnalisation, qui aligne le contenu avec les préférences des utilisateurs ; (3) le module de marketing, qui garantit l'exactitude factuelle et l'inclusion de caractéristiques localisées. Nous menons des expériences systématiques avec des sujets humains dans le domaine du marketing immobilier, en ciblant un groupe de potentiels acheteurs de maisons. Les résultats montrent que les descriptions marketing générées par notre approche sont préférées à celles rédigées par des experts humains avec une marge significative. Nos résultats suggèrent un cadre agentique prometteur basé sur les LLM pour automatiser le marketing ciblé à grande échelle tout en assurant une génération responsable basée uniquement sur des faits.

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.