.png){kind=icon}
返回
Assessing Artificial Marketing Intelligence
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijresmar.2026.09.006.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基础营销知识，从消费者行为理论到市场细分框架和定价模型，支持有效的营销决策，但管理者在实践中常难以获取和应用这些知识。本文评估大型语言模型（LLMs）是否能作为可扩展的知识系统，使基础营销知识广泛可用。具体而言，我们评估LLMs对营销的“了解”程度以及它们运用这些知识的有效性。我们构建了一个包含超过30,000个问题的综合数据集，这些问题来自25本常用营销教科书的教师材料，并从三个维度评估LLMs的表现：领域知识、推理能力和用户交互。在模型和提供商之间，当前LLMs达到高准确率（84%–94%），展示了对营销主题的近乎全面覆盖，并在记忆和理解方面表现出色。在高阶推理任务上表现下降，尽管更新的推理模型显著缩小了这些差距。对这些问题进行的实验操纵表明，AI的表现反映了不仅仅是简单的记忆。在人类基准测试中，LLMs显著优于所有抽样的人类受访者群体，同时在与更高级人类推理的互补性方面表现出优势。这些发现表明，LLMs已跨越一个重要的能力门槛：它们现在能可靠地、按需提供学科大部分基础知识的访问，这对营销知识的传播、教学和应用具有重要意义。
Keyword:
artificial intelligence
large language models
knowledge systems
marketing knowledge
期刊
IF:
7.5
论文数:
1.2K
被引数:
6.4K
机构
引用论文
暂无论文信息