《Selecting Cover Images for Restaurant Reviews: AI vs. Wisdom of the Crowd》,由 Warut Khern-am-nuai、Hyunji So、Maxime C. Cohen 和 Yossiri Adulyasak 四位作者共同撰写。文章发表在 《Manufacturing and Service Operations Management》。这篇文章探讨了在餐厅评论平台中,采用人工智能(AI)和群体智慧两种不同方法来选择封面图片的效果。研究结果显示,AI方法在提高用户互动方面优于群体智慧。
1. 引言
- 背景: 用户生成内容(UGC)在现代消费者决策和企业运营中起着至关重要的作用。许多在线平台鼓励用户在评论中附带照片,以提供更丰富的媒体内容。然而,随着UGC数量的迅速增加,平台面临着从大量用户生成的照片中挑选少量照片作为封面图片的挑战。这一过程既耗时,又需要大量的人工干预,而且难以系统地评估所选图片的有效性。
- 问题: 选择合适的封面图片不仅是一个操作上的任务,还会显著影响用户的互动。研究表明,图片在吸引用户注意力和提升用户参与度方面起着关键作用。传统上,平台可能依赖群体智慧来选择封面图片,但这种方法随着UGC数量的增加变得不可持续且难以扩展。因此,需要探索一种系统化且可扩展的方法来有效地选择封面图片。
- 研究目的: 本文的研究目的是探讨能否开发一种基于人工智能(AI)的系统,该系统在选择能够激发用户互动的封面图片方面能否优于群体智慧。为此,我们与一家亚洲大型餐厅评论平台合作,开发并评估了一个基于深度学习的AI系统,通过随机现场实验比较AI系统和群体智慧系统的效果。
2. 相关文献
- 群体智慧和用户生成内容: 群体智慧(Wisdom of the Crowd)指的是集体意见往往比个体意见更准确的现象。这个概念广泛应用于管理和经济学领域,用于解释集体决策的优势。许多研究表明,用户生成的内容(UGC),尤其是照片,对平台的运营和用户体验有着显著的影响。例如,研究发现,包含更多用户生成照片的评论更具可信度和帮助性,能更有效地吸引和留住用户。
- 管理研究中的深度学习: 随着非结构化数据(如文本、图像和音频)的重要性不断增加,能够有效处理这些数据的AI模型得到了广泛应用。深度学习作为一种强大的AI技术,被广泛用于文本挖掘和图像分析任务中。例如,情感分析、个性特征挖掘和图像美学质量评估等应用中,深度学习技术展示了其强大的性能