AI-Driven Client Acquisition in Social Media: Optimizing Engagement through Convolutional and Recurrent Neural Networks
यह अध्ययन प्रदर्शित करता है कि कन्वल्यूशनल और रिकरेंट न्यूरल नेटवर्क को LLM-आधारित डेटा संवर्धन और सामग्री निर्माण के साथ संयोजित करने वाला एक हाइब्रिड AI ढांचा सोशल मीडिया पर क्लाइंट अधिग्रहण को महत्वपूर्ण रूप से अनुकूलित कर सकता है, जो VKontakte समुदायों के भीतर लक्षित समूहों और प्रचार पोस्टों को वर्गीकृत करने में उच्च सटीकता प्राप्त करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
इंटरनेट की कल्पना एक विशाल, हलचल भरे डिजिटल शहर के रूप में करें जहाँ अरबों लोग लगातार चैट कर रहे हैं, तस्वीरें साझा कर रहे हैं और अपने जीवन के बारे में पोस्ट कर रहे हैं। इस शहर में, व्यवसाय उन दुकानदारों की तरह हैं जो अपने उत्पादों के लिए सही ग्राहकों को खोजने की कोशिश कर रहे हैं। लंबे समय तक, इन ग्राहकों को खोजना एक भीड़ भरे स्टेडियम में चिल्लाने और इस उम्मीद में रहने जैसा था कि कोई आपकी आवाज़ सुनेगा। लेकिन हाल ही में, वैज्ञानिकों ने उनके लिए चिल्लाने के लिए "स्मार्ट सहायक" बनाने शुरू कर दिए हैं जिन्हें आर्टिफिशियल इंटेलिजेंस (AI) कहा जाता है।
इन सहायकों के काम करने के तरीके को समझने के लिए, दो मुख्य प्रकार की मानसिक शक्ति के बारे में सोचें। पहला, कन्वोल्यूशनल न्यूरल नेटवर्क (CNNs) हैं। आप इन्हें सुपर-फास्ट स्कैनर के रूप में कल्पना कर सकते हैं जो टेक्स्ट के एक टुकड़े को देखते हैं और तुरंत छोटे, महत्वपूर्ण पैटर्न को पहचान लेते हैं, जैसे कि एक जासूस किसी विशिष्ट उंगलियों के निशान या अनूठे वाक्यांश को नोटिस करता है। ये जानकारी के छोटे स्नैपशॉट देखने में बहुत माहिर हैं। दूसरा, रिकरेंट न्यूरल नेटवर्क (RNNs) हैं। इन्हें कहानीकारों के रूप में सोचें जो चीजों के क्रम को याद रखते हैं। वे एक वाक्य को शुरू से अंत तक पढ़ते हैं, इस बात का ध्यान रखते हुए कि कैसे एक शब्द दूसरे शब्द की ओर ले जाता है, जिससे उन्हें बातचीत के प्रवाह को समझने में मदद मिलती है। बड़ा सवाल मार्केटर्स के लिए यह है: क्या हम इन स्मार्ट उपकरणों को स्वचालित रूप से सही लोगों को खोजने, यह समझने और यहाँ तक कि हमारे लिए संदेश लिखने के लिए जोड़ सकते हैं?
यह शोध पत्र, जिसे शोधकर्ताओं की एक टीम द्वारा लिखा गया है, सीधे इसी सवाल में उतरता है। उन्होंने एक डिजिटल सिस्टम बनाया जो व्यवसायों को व कॉन्टैक्टे (VK) नामक एक लोकप्रिय सोशल मीडिया प्लेटफॉर्म पर नए ग्राहक खोजने में मदद करने के लिए डिज़ाइन किया गया है, जो फेसबुक के समान है लेकिन रूस में बहुत बड़ा है। उनका लक्ष्य एक ऐसी मशीन बनाना था जो तीन चीजें कर सके: लोगों के सही समूहों को लक्षित करना, यह पता लगाना कि किस प्रकार की पोस्ट सबसे अधिक ध्यान आकर्षित करती है, और फिर स्वचालित रूप से नई, आकर्षक पोस्ट लिखना।
शोधकर्ताओं ने अपने विचारों का परीक्षण करने के लिए एक तीन-चरणीय मशीन सेट की। सबसे पहले, उन्होंने अपने AI को एक स्काउट (जासूस) की तरह कार्य करने के लिए प्रशिक्षित किया। उन्होंने इसे VK पर विभिन्न समूहों के हजारों विवरण दिए। AI को यह तय करना था: "क्या यह फूड डिलीवरी के बारे में है, या यह कुछ और है, जैसे खाना पकाने की रेसिपी या संगीत?" उन्होंने इस काम के लिए विभिन्न प्रकार के AI मस्तिष्क आज़माए। उन्होंने पाया कि "स्कैनर" मस्तिष्क (CNN) इस कार्य के लिए बिल्कुल सर्वश्रेष्ठ था। इसने फूड डिलीवरी समूहों की 98.8% सटीकता के साथ सही पहचान की। इसका मतलब है कि इसने बहुत कम गलतियाँ कीं, भले ही समूह थोड़े पेचीदा लग रहे हों। "कहानीकार" मस्तिष्क (RNNs) अच्छे थे, लेकिन इस विशिष्ट कार्य के लिए स्कैनर जितने तेज नहीं थे।
इसके बाद, टीम चाहती थी कि AI एक कंटेंट एडिटर की तरह कार्य करे। उन्होंने फूड ग्रुप्स से हजारों वास्तविक पोस्ट एकत्र किए और AI को उन्हें श्रेणियों में वर्गीकृत करने के लिए कहा। क्या ये पोस्ट केवल मिलनसार होने की कोशिश कर रही थीं? क्या वे छूट दे रही थीं? एक मुफ्त उपहार? कैशबैक? या तेज़ डिलीवरी का वादा? यह कठिन था क्योंकि कुछ पोस्ट बहुत समान लगती थीं। काम को निष्पक्ष बनाने के लिए, शोधकर्ताओं ने एक विशेष ट्रिक का उपयोग किया: उन्होंने एक शक्तिशाली लैंग्वेज AI से दुर्लभ श्रेणियों (जैसे "कैशबैक") के लिए अतिरिक्त उदाहरण बनाने के लिए कहा ताकि AI डेटा की कमी के कारण भ्रमित न हो। इस मदद के साथ, CNN स्कैनर ने फिर से दौड़ जीत ली, और 90.6% बार पोस्ट को सही ढंग से वर्गीकृत किया। इसने सीखा कि लोगों को क्लिक करने और शेयर करने के लिए प्रेरित करने की कुंजी छोटे, प्रभावशाली पोस्ट और विशिष्ट कीवर्ड्स में है।
अंत में, शोधकर्ता यह देखना चाहते थे कि क्या मशीन एक लेखक बन सकती है। उन्होंने सफल पोस्ट से सीखी गई पैटर्न्स को लिया और एक लैंग्वेज मॉडल (विशेष रूप से YaGPT नामक) से शुरुआत से नए विज्ञापन पोस्ट लिखने के लिए कहा। उन्होंने AI को एक सरल निर्देश दिया, जैसे "डिस्काउंट देने वाली एक पोस्ट लिखें," और देखा कि क्या होता है। परिणाम प्रभावशाली थे। AI ने ऐसी पोस्ट लिखीं जो बिल्कुल वास्तविक पोस्ट की तरह लग रही थीं, जिनमें सही इमोजी, उत्साह और कॉल टू एक्शन का उपयोग किया गया था। जबकि कुछ अन्य AI मॉडल कभी-कभी भ्रमित हो जाते थे या ऐसी चीजों के बारे में लिखते थे जो अनुरोध के अनुकूल नहीं थीं, YaGPT ट्रैक पर रहा, और ऐसे विज्ञापन बनाए जो स्वाभाविक और उपयोग के लिए तैयार महसूस होते थे।
टीम ने निष्कर्ष निकाला कि उनका सिस्टम काम करता है। उन्होंने दिखाया कि आप पूरी प्रक्रिया को स्वचालित कर सकते हैं: सही समूहों को खोजने से लेकर विज्ञापन लिखने तक। उन्होंने पाया कि सोशल मीडिया के छोटे टेक्स्ट के लिए, "स्कैनर" शैली का AI (CNN) आमतौर पर "कहानीकार" शैली (RNN) की तुलना में बेहतर होता है। उन्होंने यह भी सिद्ध किया कि अतिरिक्त अभ्यास डेटा बनाने के लिए AI का उपयोग करना दुर्लभ प्रकार की पोस्ट के उदाहरणों की कमी की समस्या को हल करने में मदद करता है। हालांकि यह सिस्टम विशेष रूप से VK के लिए बनाया गया था, शोधकर्ताओं का सुझाव है कि यही विचार अन्य सोशल मीडिया प्लेटफॉर्म पर भी काम कर सकते हैं, बशर्ते कि उपकरण उनसे जुड़ सकें। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ व्यवसाय केवल अनुमान नहीं लगाएंगे कि उनके ग्राहक क्या चाहते हैं, बल्कि स्मार्ट उपकरणों का उपयोग करके उन्हें खोजने और उनसे उस तरह से बात करने के लिए करेंगे जो वास्तव में काम करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।