说服：简·奥斯汀会如何书写

Moumita Sinha，Jennifer Healey，Faran Ahmad，Varun Gupta，Niloy Ganguly
IJCAI 2019 第3届情感计算人工智能研讨会论文集，PMLR 122:36-43，2020。

摘要

本文展示了开发在线“说服力评分”的初步结果，该评分将使数字营销内容作者能够编写和编辑具有更好说服力的材料。受到与数字营销专业人士的初步洞察以及对说服力基础（病态、伦理和逻辑）的研究的启发，我们从一个包含超过三百万消费者对为期三个月的电子邮件营销活动反应的数据集中提取了特征。我们报告了内容的最重要特征，包括图像位置和文本可读性，以及最显著的客户特征，例如自注册以来的时间以及自上次打开同一营销品牌电子邮件以来的时间。

引用本文

BibTeX
@InProceedings{pmlr-v122-sinha20a, title = {说服：{J}ane {A}ustin 会如何书写}, author = {Sinha, Moumita and Healey, Jennifer and Ahmad, Faran and Gupta, Varun and Ganguly, Niloy}, booktitle = {IJCAI 2019 第3届情感计算人工智能研讨会论文集}, pages = {36--43}, year = {2020}, editor = {Hsu, William}, volume = {122}, series = {机器学习研究论文集}, month = {10 Aug}, publisher = {PMLR}, pdf = {https://pmlr.com.cn/v122/sinha20a/sinha20a.pdf}, url = {https://pmlr.com.cn/v122/sinha20a.html}, abstract = {本文展示了开发在线“说服力评分”的初步结果，该评分将使数字营销内容作者能够编写和编辑具有更好说服力的材料。受到与数字营销专业人士的初步洞察以及对说服力基础（病态、伦理和逻辑）的研究的启发，我们从一个包含超过三百万消费者对为期三个月的电子邮件营销活动反应的数据集中提取了特征。我们报告了内容的最重要特征，包括图像位置和文本可读性，以及最显著的客户特征，例如自注册以来的时间以及自上次打开同一营销品牌电子邮件以来的时间。} }
Endnote
%0 会议论文 %T 说服：简·奥斯汀会如何书写 %A Moumita Sinha %A Jennifer Healey %A Faran Ahmad %A Varun Gupta %A Niloy Ganguly %B IJCAI 2019 第3届情感计算人工智能研讨会论文集 %C 机器学习研究论文集 %D 2020 %E William Hsu %F pmlr-v122-sinha20a %I PMLR %P 36--43 %U https://pmlr.com.cn/v122/sinha20a.html %V 122 %X 本文展示了开发在线“说服力评分”的初步结果，该评分将使数字营销内容作者能够编写和编辑具有更好说服力的材料。受到与数字营销专业人士的初步洞察以及对说服力基础（病态、伦理和逻辑）的研究的启发，我们从一个包含超过三百万消费者对为期三个月的电子邮件营销活动反应的数据集中提取了特征。我们报告了内容的最重要特征，包括图像位置和文本可读性，以及最显著的客户特征，例如自注册以来的时间以及自上次打开同一营销品牌电子邮件以来的时间。
APA
Sinha, M., Healey, J., Ahmad, F., Gupta, V. & Ganguly, N. (2020). 说服：简·奥斯汀会如何书写. IJCAI 2019 第3届情感计算人工智能研讨会论文集, in 机器学习研究论文集 122:36-43 可从 https://pmlr.com.cn/v122/sinha20a.html 获取。

相关材料