利用大型語言模型輔助小型零售店行銷文案生成
arXiv - Human-Computer InteractionShiori Nakamura, Masato Kikuchi, Tadachika Ozono
本研究提出一原型系統，透過人機協作提升小型零售店的行銷文案品質，並證明此系統能顯著改善文案的整體評分。
AI 幫你先抓重點
AI 重點 1
人機協作提升行銷文案品質。
滑鼠懸停看 AI 判斷理由
此研究證明了大型語言模型與人工協作在提升行銷文案品質上的有效性，對於希望利用 AI 工具優化行銷策略的零售商或行銷人員具有重要參考價值，能有效降低文案製作成本及時間。
AI 重點 2
模擬人物評估文案的創新方法。
滑鼠懸停看 AI 判斷理由
透過模擬人物進行文案評估，提供了一種更具情境化的反饋機制，有助於更準確地判斷文案是否能有效吸引目標客戶，這對於行銷文案的優化至關重要。
核心研究發現
- 1
結合大型語言模型（LLM）與人工洞察，能有效協助非專業人士創建銷售點（POP）行銷材料。
- 2
LLM 生成的文案雖能快速產出，但往往缺乏創意多樣性，而使用者可能缺乏行銷專業知識。
- 3
該系統支援使用者理解目標客戶、生成草稿、精煉表達，並透過模擬人物評估文案。
- 4
實驗結果顯示，使用該系統的文案平均評分提升了 2.37 分（-3 至 +3 分的尺度）。
- 5
人機協作能有效彌補 LLM 在創意性方面的不足，以及使用者在行銷知識方面的限制。
對教育工作者的啟發
本研究為小型零售店提供了一種實用的解決方案，透過人機協作，即使缺乏專業行銷知識，也能創建更具吸引力的行銷文案。系統設計強調理解目標客戶、生成草稿、精煉表達和評估，這四個步驟可作為小型零售店提升行銷效率的參考。此外，模擬人物評估文案的概念，可應用於其他行銷活動，以提升文案的準確性和有效性。
原始文獻資訊
- 英文標題：
- Customer Analysis and Text Generation for Small Retail Stores Using LLM-Generated Marketing Presence
- 作者：
- Shiori Nakamura, Masato Kikuchi, Tadachika Ozono
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。