生成模型与自适应测试提升广告创意表现

研究人员开发了一种将生成模型与自适应测试相结合的广告创意优化新工作流程。该方法在离线阶段使用基于历史A/B测试训练的预测模型来优化和排序生成模型产生的变体。然后，在在线自适应实验中评估最佳候选创意，现场实验表明，与人工创作的创意相比，该方法可显著提高参与率。 AI

影响 这种方法可以显著提高数字广告创意开发和测试的效率和有效性。

排序理由 该条目是一篇研究论文，详细介绍了一种使用生成模型和自适应测试进行创意优化的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• A/B testing
• Adaptive Experiments and a Rigorous Framework for Type I Error Verification and Computational Experiment Design
• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations

• 产品
• 论文

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →