자동화 마케팅을 위한 근거 기반 설득적 언어 생성

Grounded Persuasive Language Generation for Automated Marketing

February 24, 2025

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

cs.AI

초록

본 논문은 대규모 언어 모델(LLM)을 활용하여 설득력 있고 근거가 충실한 마케팅 콘텐츠 생성을 자동화하는 에이전트 기반 프레임워크를 개발하며, 부동산 매물 설명을 주요 응용 분야로 삼는다. 우리의 방법은 생성된 콘텐츠가 사용자 선호도와 일치하도록 설계되었으며, 동시에 유용한 사실적 속성을 강조한다. 이 에이전트는 세 가지 핵심 모듈로 구성된다: (1) 근거 모듈(Grounding Module)은 전문가의 행동을 모방하여 시장성이 높은 특징을 예측하고, (2) 개인화 모듈(Personalization Module)은 콘텐츠를 사용자 선호도에 맞춰 조정하며, (3) 마케팅 모듈(Marketing Module)은 사실적 정확성과 지역적 특징의 포함을 보장한다. 우리는 잠재적 주택 구매자를 대상으로 한 부동산 마케팅 분야에서 체계적인 인간 대상 실험을 수행했다. 실험 결과, 우리의 접근 방식으로 생성된 마케팅 설명이 인간 전문가가 작성한 설명보다 명확한 차이로 선호되는 것으로 나타났다. 이러한 결과는 사실만을 사용해 책임 있는 생성을 보장하면서 대규모 타겟 마케팅을 자동화할 수 있는 LLM 기반 에이전트 프레임워크의 유망한 가능성을 시사한다.

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.