Neural Insights for Digital Marketing Content Design 阅读笔记

KDD-2023 很值得读的文章！

1 摘要

电商里，营销内容的实验，很重要。
然而，创作营销内容是一个手动和耗时的过程，缺乏明确的指导原则。
本文通过 基于历史数据的AI驱动的可行性洞察，来弥补 营销内容创作 和 在线实验 之间的差距，以改善营销内容的创作过程。
本文提出了一个基于神经网络的系统，该系统对营销内容设计进行评分 并提取洞察。
具体来说，是一个多模态神经网络 预测营销内容的吸引力。不仅指出了当前营销内容的优点和缺点，还根据历史数据提供了设计建议。
本文的评分模型和洞察 在定量和定性上都工作得很好。

2 引言

本文贡献：
（1）首个在数字营销设计过程中应用深度学习，提供了如何利用神经网络解释 来帮助和分析 数字营销设计，并提出了一个 基于多模态深度神经网络 洞察生成框架。
（2）以交互式的视觉格式呈现可解释的洞察。

3 模型

BERT和ResNet

4 方案

基于点击/曝光 或者 订单/曝光 日志作为正负样例 训练模型：

4.1 分析模型的特征贡献度

用特征显著性分析工具，分析出哪些特征的影响大

4.2 预测阶段：推荐设计元素

示例：

5 推荐结果的评估

计算 模型预测结果 和 当前人工设计结果 的距离
然后展示在交互式界面：

6 总结

本文是首次尝试使用深度学习来促进数字营销的设计过程，本文提出了多模态神经网络解决这个问题，并利用 特征贡献度分析的方法 提供了指导营销人员改进现有设计的洞察。