Проблема адаптивности в рекламных текстах
Генерация заголовков для онлайн-рекламы — критически важная задача, от которой зависит эффективность кампаний. Существующие методы часто не справляются с эволюцией форматов рекламы: то, что работает для десктопа, не подходит для мобильных баннеров или Stories. Основная сложность заключается в необходимости одновременно оптимизировать заголовок под алгоритмы кликабельности (CTR) и строго соблюдать технические ограничения по длине символов.
Решение: COBART
Команда авторов (Yashal Shakti Kanungo, Gyanendra Das, Pooja A, Sumit Negi) предложила архитектуру COBART (Controlled, Optimized, Bidirectional and Auto-Regressive Transformer). Ключевая инновация заключается во внедрении префиксных управляющих токенов (prefix control tokens) в процесс тонкой настройки (fine-tuning) модели BART. Это позволяет пользователю явно задавать желаемую длину заголовка, получая при этом текст, оптимизированный под максимальный CTR.
Результаты экспериментов
Метод демонстрирует статистически значимое улучшение показателей по сравнению с сильными базовыми моделями (strong baselines). Гибкость архитектуры позволяет легко адаптировать её под другие креативные требования и критерии оптимизации, выходя за рамки только длины текста.
| Метрика | Результат COBART | Улучшение над базой |
|---|---|---|
| Rouge-L | — | +25.82% |
| Estimated CTR | — | +5.82% |
Значение для индустрии
Публикация работы в ACM SIGKDD '22 (Вашингтон, США) подтверждает научную состоятельность подхода. Внедрение таких систем позволяет рекламным платформам автоматизировать создание креативов, которые не только грамматически корректны, но и коммерчески эффективны, экономя время маркетологов и повышая ROI рекламных кампаний.
Источник: arXiv cs.CL ↗