Predicting Behaviors with Large Language Model (Llm)-Powered Digital Twins of Customers

Lieu : Salle 3.216 - Campus Grand Paris & en ligne 
Horaire : 12h-13h30

Intervenant : Xin (Shane) Wang, Professor of Marketing – Virginia Tech.

Discutant : Natasha Gilani, Directrice de l’accélérateur IA, Hilti

Les jumeaux numériques de clients (DToC) ont émergé comme une approche prometteuse pour simuler la pensée, les émotions et la prise de décision des consommateurs dans des contextes marketing. Cette recherche propose et teste empiriquement un cadre méthodologique qui combine l’ajustement fin (fine-tuning) et la génération augmentée par récupération (RAG) pour construire des jumeaux numériques de clients basés sur des modèles de langage de grande taille (LLM). L’ajustement fin à partir de contenus générés par les utilisateurs permet au modèle d’intérioriser les traits individuels, les préférences et les comportements, tandis que la RAG dote le jumeau d’un accès en temps réel à des informations contextuelles sur les produits. Nous démontrons ce cadre à l’aide de données issues du commerce électronique d’Amazon, en construisant 306 jumeaux numériques personnifiés et en évaluant leur performance dans la prédiction des décisions d’achat et du contenu des avis. Les jumeaux numériques obtenus atteignent une précision élevée dans la prédiction des achats futurs (83 %) et génèrent des avis produits avec une forte correspondance sémantique par rapport aux contenus réels des clients (similarité cosinus supérieure à 0,94). Cette méthode ouvre de nouvelles perspectives pour le marketing personnalisé, les tests de campagnes avant leur déploiement, et la modélisation des consommateurs conforme à la protection de la vie privée. Les résultats contribuent à la littérature émergente sur l’IA générative et les agents synthétiques en marketing, en faisant progresser les bases conceptuelles et techniques pour une simulation client prédictive, interactive et individualisée.

Biographie de l'intervenant: Shane Wang est Professeur de Marketing au Pamplin College of Business de Virginia Tech University. Ses recherches examinent comment les technologies émergentes transforment la stratégie commerciale et le comportement des consommateurs. Actuellement, ses travaux et son enseignement se concentrent sur les agents d'IA et les données synthétiques, avec un accent particulier sur leur impact stratégique sur les entreprises et les marchés de consommation. Ses recherches ont été publiées dans Marketing Science, Journal of Marketing Research, Journal of Marketing, Journal of Consumer Research, Management Science et International Journal of Research in Marketing. Shane a été reconnu comme l'un des 50 chercheurs en marketing les plus productifs (basé sur le nombre de publications dans les quatre revues de marketing les plus prestigieuses : Journal of Consumer Research, Journal of Marketing, Journal of Marketing Research et Marketing Science), selon l'American Marketing Association. Shane a été nommé MSI Young Scholar (2021) et MSI Scholar (2024). Il est membre du conseil académique de l'American Marketing Association et occupe le poste de Vice-président de l'éducation et de la formation pour le groupe d'intérêt spécial sur l'IA de l'AMA. Actuellement, il est Senior Editor pour Production and Operations Management et Associate/Area Editor pour le Journal of Marketing, le Journal of the Academy of Marketing Science, l'International Journal of Research in Marketing et le Journal of Retailing. Il est également membre des comités de révision éditoriale du Journal of Marketing Research et du Journal of Consumer Research.

Pour plus d'informations, merci de contacter Margherita Pagani : margherita.pagani@skema.edu