AI-Driven Client Acquisition in Social Media: Optimizing Engagement through Convolutional and Recurrent Neural Networks
Deze studie toont aan dat een hybride AI-framework, dat Convolutional en Recurrent Neural Networks combineert met op LLM gebaseerde data-augmentatie en contentgeneratie, de acquisitie van klanten op sociale media aanzienlijk kan optimaliseren, waarbij een hoge nauwkeurigheid wordt bereikt bij het classificeren van doelgroepen en promotieberichten binnen VKontakte-communities.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je het internet voor als een enorme, bruisende digitale stad waar miljarden mensen constant chatten, foto's delen en posten over hun leven. In deze stad zijn bedrijven als winkeliers die proberen de perfecte klanten voor hun producten te vinden. Lange tijd was het vinden van deze klanten alsof je in een vol stadion schreeuwde en hoopte dat iemand je hoorde. Maar onlangs zijn wetenschappers begonnen met het bouwen van "slimme helpers" genaamd Kunstmatige Intelligentie (AI) om dat geschreeuw voor hen te doen.
Om te begrijpen hoe deze helpers werken, kun je denken aan twee hoofdtypen hersenkracht. Ten eerste zijn er Convolutional Neural Networks (CNN's). Je kunt deze zien als supersnelle scanners die naar een stuk tekst kijken en direct kleine, belangrijke patronen opmerken, zoals een detective die een specifieke vingerafdruk of een unieke zin ziet. Ze zijn geweldig in het bekijken van korte momentopnames van informatie. Ten tweede zijn er Recurrent Neural Networks (RNN's). Denk aan deze als verhalenvertellers die de volgorde van dingen onthouden. Ze lezen een zin van begin tot eind en houden bij hoe het ene woord naar het volgende leidt, wat helpt om de flow van een gesprek te begrijpen. De grote vraag voor marketeers is: kunnen we deze slimme hulpmiddelen combineren om automatisch de juiste mensen te vinden, te achterhalen wat voor soort berichten zij leuk vinden, en zelfs die berichten voor ons te schrijven?
Dit artikel, geschreven door een team van onderzoekers, duikt direct in die vraag. Ze bouwden een digitaal systeem ontworig om bedrijven te helpen nieuwe klanten te vinden op een populair sociaal mediaplatform genaamd VKontakte (VK), dat erg lijkt op Facebook maar enorm groot is in Rusland. Hun doel was om een machine te creëren die drie dingen kon doen: de juiste groepen mensen vinden om te targeten, uitzoeken welk type posts de meeste aandacht krijgt, en vervolgens automatisch nieuwe, pakkende posts schrijven.
De onderzoekers stelden een machine met drie stappen op om hun ideeën te testen. Eerst leerden ze hun AI om als een scout te fungeren. Ze voerden de AI duizenden beschrijvingen van verschillende groepen op VK. De AI moest beslissen: "Is dit een groep over voedselbezorging, of gaat het over iets anders, zoals kookrecepten of muziek?" Ze probeerden verschillende soorten AI-hersenen voor deze taak. Ze ontdekten dat het "scanner"-brein (de CNN) absoluut het beste was in deze taak. Het identificeerde groepen voor voedselbezorging met een verbazingwekkende nauwkeurigheid van 98,8%. Dit betekent dat het zeer weinig fouten maakte, zelfs wanneer de groepen een beetje lastig waren. De "verhalenverteller"-hersenen (de RNN's) waren goed, maar niet zo scherp als de scanner voor deze specifieke taak.
Vervolgens wilden de onderzoekers dat de AI als een contentredacteur zou fungeren. Ze verzamelden duizenden werkelijke posts uit deze voedselgroepen en vroegen de AI om ze in categorieën in te delen. Waren deze posts alleen maar vriendelijk? Booden ze een korting aan? Een gratis cadeau? Cashback? Of een belofte van snelle levering? Dit was moeilijker omdat sommige posts erg op elkaar leken. Om de taak eerlijk te maken, gebruikten de onderzoekers een speciale truc: ze vroegen een krachtige taal-AI om extra voorbeelden te verzinnen voor de zeldzame categorieën (zoals "cashback"), zodat de AI niet in de war zou raken door een gebrek aan data. Met deze hulp won de CNN-scanner opnieuw de race, waarbij hij de posts 90,6% van de tijd correct sorteerde. Het leerde dat korte, krachtige posts met specifieke trefwoorden de sleutel waren om mensen te laten klikken en delen.
Ten slotte wilden de onderzoekers zien of de machine een schrijver kon zijn. Ze namen de patronen die de AI had geleerd van de succesvolle posts en vroegen een taalmodel (specifiek één genaamd YaGPT) om nieuwe advertentieposts vanaf nul te schrijven. Ze gaven de AI een eenvoudige instructie, zoals "Schrijf een post die een korting aanbiedt," en keken wat er gebeurde. De resultaten waren indrukwekkend. De AI schreef posts die net zo klonken als de echte, inclusief het juiste gebruik van emoji's, enthousiasme en oproepen tot actie. Hoewel sommige andere AI-modellen soms in de war raakten of over dingen schreven die niet bij de vraag pasten, bleef YaGPT op koers en creëerde het advertenties die natuurlijk aanvoelden en klaar waren voor gebruik.
Het team concludeerde dat hun systeem werkt. Ze lieten zien dat je het hele proces van het vinden van klanten kunt automatiseren: van het opsporen van de juiste groepen tot het schrijven van de advertenties. Ze ontdekten dat voor korte teksten op sociale media de "scanner"-stijl van AI (CNN) meestal beter is dan de "verhalenverteller"-stijl (RNN). Ze bewezen ook dat het gebruik van AI om extra oefendata te creëren helpt bij het oplossen van het probleem van het gebrek aan voorbeelden voor zeldzame soorten posts. Hoewel dit systeem specifiek voor VK is gebouwd, suggereren de onderzoekers dat dezelfde ideeën op andere sociale mediaplatforms kunnen werken, mits de tools hiermee kunnen verbinden. Het is een stap naar een toekomst waarin bedrijven niet alleen gokken wat hun klanten willen, maar slimme tools gebruiken om hen te vinden en op een manier met hen te communiceren die ook echt werkt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.