Geração de Linguagem Persuasiva Fundamentada para Marketing Automatizado

Grounded Persuasive Language Generation for Automated Marketing

February 24, 2025

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

cs.AI

Resumo

Este artigo desenvolve um framework agencial que emprega modelos de linguagem de grande escala (LLMs) para automatizar a geração de conteúdo de marketing persuasivo e fundamentado, utilizando descrições de listagens imobiliárias como nosso domínio de aplicação focado. Nosso método foi projetado para alinhar o conteúdo gerado com as preferências dos usuários, ao mesmo tempo em que destaca atributos factuais úteis. Este agente consiste em três módulos principais: (1) Módulo de Fundamentação, que imita o comportamento de especialistas humanos para prever características comercializáveis; (2) Módulo de Personalização, que alinha o conteúdo com as preferências do usuário; (3) Módulo de Marketing, que garante a precisão factual e a inclusão de características localizadas. Realizamos experimentos sistemáticos com sujeitos humanos no domínio do marketing imobiliário, com um grupo focal de potenciais compradores de imóveis. Os resultados demonstram que as descrições de marketing geradas por nossa abordagem são preferidas em relação às escritas por especialistas humanos por uma margem significativa. Nossos achados sugerem um framework agencial baseado em LLMs promissor para automatizar o marketing direcionado em larga escala, ao mesmo tempo em que garante uma geração responsável utilizando apenas fatos.

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.