AI-Driven Client Acquisition in Social Media: Optimizing Engagement through Convolutional and Recurrent Neural Networks
本研究表明，一种结合了卷积神经网络、循环神经网络以及基于大语言模型的数据增强与内容生成的混合人工智能框架，能够显著优化社交媒体上的客户获取，在对 VKontakte 社群内的目标群体和推广帖子进行分类方面达到了极高的准确率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，互联网就像一座繁忙、喧闹的数字城市，数十亿人在这里不断地聊天、分享照片并发布关于生活的内容。在这座城市中，企业就像是试图为自己的产品寻找完美客户的店主。长期以来，寻找这些客户就像是在拥挤的体育场里大声呼喊，并寄希望于有人能听到。但最近，科学家们开始制造一种叫做“人工智能”（AI）的“智能助手”，来替他们进行这种呼喊。
为了理解这些助手是如何工作的，请想象两种主要的脑力。首先，是卷积神经网络（CNN）。你可以把它们想象成超级快速的扫描仪，它们观察一段文本，并能瞬间发现微小且重要的模式，就像侦探注意到特定的指纹或独特的短语一样。它们擅长观察信息的短片段。第二种是循环神经网络（RNN）。把它们想象成讲故事的人，它们会记住事物的顺序。它们从头到尾阅读一个句子，追踪一个词是如何引向下一个词的，这有助于它们理解对话的流向。大问题在于：营销人员能否将这些智能工具结合起来，从而自动找到合适的人群、弄清楚他们喜欢什么样的信息，甚至为我们撰写这些信息？
这篇由研究团队撰写的论文深入探讨了这个问题。他们构建了一个数字系统，旨在帮助企业在名为 VKontakte（VK）的热门社交媒体平台上寻找新客户，VK 非常类似于 Facebook，但在俄罗斯规模巨大。他们的目标是创建一个能够完成三件事的机器：找到正确的目标人群、弄清楚哪类帖子最能吸引注意力，以及自动撰写新的、引人入胜的帖子。
研究人员设置了一个三步走的机器来测试他们的想法。首先，他们教导 AI 扮演一名侦察兵的角色。他们向 AI 输入了数千个 VK 不同群组的描述。AI 必须做出决定：“这是一个关于外卖服务的群组，还是关于烹饪食谱或音乐之类的其他内容？”他们尝试了不同类型的 AI “大脑”来完成这项工作。他们发现，“扫描仪”大脑（CNN）是这项任务中最出色的。它以惊人的 98.8% 的准确率正确识别出了外卖服务群组。这意味着即使在群组看起来有些复杂的情况下，它也极少出错。而“讲故事”的大脑（RNNs）虽然表现不错，但在这项特定任务中不如“扫描仪”那样敏锐。
接下来，团队希望 AI 扮演一名内容编辑。他们收集了来自这些食品相关群组的数千条实际帖子，并要求 AI 将它们分类。这些帖子是在试图表现友好？还是在提供折扣？免费赠品？返现？或者是承诺快速送达？由于有些帖子的听起来非常相似，这使得这项工作变得更加困难。为了确保公平，研究人员使用了一个特殊的技巧：他们要求一个强大的语言 AI 为那些稀有类别（如“返现”）创造额外的示例，以免 AI 因为缺乏数据而产生困惑。在这些帮助下，CNN 扫描仪再次赢得了比赛，正确分类帖子的准确率达到了 90.6%。它学到了通过简短、有力且带有特定关键词的帖子是吸引人们点击和分享的关键。
最后，研究人员想看看这台机器能否成为一名作家。他们提取了 AI 从成功帖子中学习到的模式，并要求一个语言模型（具体是一个名为 YaGPT 的模型）从零开始撰写新的广告帖子。他们给 AI 一个简单的指令，比如“写一篇提供折扣的帖子”，然后观察发生了什么。结果令人印象深刻。AI 写出的帖子听起来就像真实的帖子一样，使用了正确的表情符号、兴奋的情绪和行动号召。虽然其他一些 AI 模型有时会产生混乱或写出与请求不符的内容，但 YaGPT 始终保持专注，创作出的广告感觉自然且随时可用。
该团队得出结论，他们的系统是有效的。他们证明了你可以实现整个过程的自动化：从发现正确的群组到撰写广告。他们发现，对于短小的社交媒体文本，采用“扫描仪”风格的 AI（CNN）通常比“讲故事”风格的 AI（RNN）更好。他们还证明了使用 AI 来创建额外的练习数据有助于解决因缺乏某些类型帖子示例而导致的问题。虽然这个系统是专门为 VK 构建的，但研究人员建议，只要工具能够连接到其他社交媒体平台，同样的想法也可以在这些平台上运作。这是迈向未来的一步：在那个未来，企业不再仅仅靠猜测客户的需求，而是利用智能工具去寻找他们，并以一种真正有效的方式与他们交流。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。