Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
AI-driven contextual advertising: toward relevant messaging without personal data
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0001-8503-0118
2024 (Engelska)Ingår i: Journal of Current Issues and Research in Advertising, ISSN 1064-1734Artikel i tidskrift (Refereegranskat) Epub ahead of print
Abstract [en]

In programmatic advertising, bids are increasingly based on knowledge of the surrounding media context. This shift toward contextual advertising is in part a counter-reaction to the current dependency on personal data, which is problematic from legal and ethical standpoints. The transition is accelerated by developments in artificial intelligence (AI), which allow for a deeper semantic analysis of the context and, by extension, more effective ad placement. We survey existing literature on the influence of context on the reception of an advertisement, focusing on three context factors: the applicability of the content and the ad, the affective tone of the content, and the involvement of the consumer. We then discuss how AI can leverage these priming effects to optimize ad placement through techniques such as reinforcement learning, data clustering, and sentiment analysis. This helps close the gap between the state of the art in advertising technology and the AI-driven targeting methodologies described in prior academic research.

Ort, förlag, år, upplaga, sidor
Routledge, 2024.
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:umu:diva-224265DOI: 10.1080/10641734.2024.2334939ISI: 001209522500001Scopus ID: 2-s2.0-85192195055OAI: oai:DiVA.org:umu-224265DiVA, id: diva2:1857623
Tillgänglig från: 2024-05-14 Skapad: 2024-05-14 Senast uppdaterad: 2024-05-14

Open Access i DiVA

fulltext(2117 kB)34 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2117 kBChecksumma SHA-512
dc7b03a8eae4cda43f06835c1ac61bfdb8fa368b8076654b9b678f0ccd412e13782731ac154af505699b0283b455c197c0ec65fdd4b926a324139b236789f6b9
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Häglund, EmilBjörklund, Johanna

Sök vidare i DiVA

Av författaren/redaktören
Häglund, EmilBjörklund, Johanna
Av organisationen
Institutionen för datavetenskap
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 34 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 153 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf