因为这是我们作为营销人员都希望找到的

Apuroos1452

包括著名的 实验。我们在想， 我们作为研究人员和实践者所做的工作就是为了更好地了解客户的偏好；也许我们可以使用 来实际提取这些类型的偏好。 对于大型语言模型，其想法是它们将为您提供最有可能的下一个单词。语言就是这样产生的。我们在想， 也许如果我们要求 或诱导它在两件事之间做出选择，也许答案（最有可能的下一个词）实际上会反映人群中最可能的反应。从这个意义上说，我们本质上会查询 ，但会得到我们在人群中看到的偏好的潜在分布。 我们开始尝试这个想法。我们专注于。

消费产品 因为我们假设 所了解的数据主要围绕消费产品，可能来自评论网站或类似的东西 看看这个想法是否真的可行？ ：是吗？ ：有点！ ：那太棒了。请告诉我们更多信息。 ：我们的第一反应是， 好吧，让我们看看它是否能产生我们对经济学的期望的非常基本的东西。例如，当价格较高时，它是否知道拒绝报价？它知道在价格和选择之间进 手机号码数据 行权衡吗？ 我们确实看到了一条向下倾斜的需求曲线，这正是我们在查询 数千次以获得答案时所期望看到的。我们还看到这样的事情， 哦，我们可以告诉它一些关于它的收入的信息，它会对此做出反应。 当它的收入较高时，它对价格的敏感度就会降低，这是有道理的 这也是我们对人们的期望。 我们还看到，它可以对有关自身的。



信息做出反应： 哦，上次您在这个类别中购买时，您购买了这个特定品牌 ，这使得它将来更有可能选择这个品牌。所以这些是我们对 它是否真的以人类在调查中的方式做出反应？ 的测试。然后我们更进一步，我们试图让人们愿意为产品或某些属性付费。然后我们基本上将价格分布与我们在市场上看到的价格分布进行比较，这非常一致。 对我们来说，真正有趣和令人兴奋的事情是能够了解为属性付费的意愿，东西。在我们的例子中，它是牙膏，我们试图弄清楚有多少人愿意为氟化物。