Skip to content
Publikuj i Dystrybuuj
Rozwiązania Wydawnicze
Rozwiązania Dystrybucyjne
Usługi biblioteczne
Dziedziny
Architektura i projektowanie
Bibliotekoznawstwo i bibliologia
Biznes i ekonomia
Chemia
Chemia przemysłowa
Filozofia
Fizyka
Historia
Informatyka
Inżynieria
Inżynieria materiałowa
Językoznawstwo i semiotyka
Kulturoznawstwo
Literatura
Matematyka
Medycyna
Muzyka
Nauki farmaceutyczne
Nauki klasyczne i starożytne studia bliskowschodnie
Nauki o Ziemi
Nauki o organizmach żywych
Nauki społeczne
Prawo
Sport i rekreacja
Studia judaistyczne
Sztuka
Teologia i religia
Zagadnienia ogólne
Publikacje
Czasopisma
Książki
Materiały konferencyjne
Wydawcy
Journal Matcher
Blog
Kontakt
Wyszukiwanie
Polski
English
Deutsch
Polski
Español
Français
Italiano
Koszyk
Home
Czasopisma
NIM Marketing Intelligence Review
Tom 16 (2024): Zeszyt 1 (Maj 2024)
Otwarty dostęp
Bye-bye Bias: What to Consider When Training Generative AI Models on Subjective Marketing Metrics
Christina Schamp
Christina Schamp
Full Professor of Marketing, Institute of Digital Marketing and Behavioral Insights, Vienna University of Economics and Business
Wyszukaj tego autora
Sciendo
|
Google Scholar
Schamp, Christina
,
Jochen Hartmann
Jochen Hartmann
Assistant Professor of Digital Marketing, TUM School of Management, GenAI Lab, Technical University of Munich
Wyszukaj tego autora
Sciendo
|
Google Scholar
Hartmann, Jochen
oraz
Dennis Herhausen
Dennis Herhausen
Associate Professor of Marketing, School of Business and Economics, Vrije Universiteit Amsterdam
Wyszukaj tego autora
Sciendo
|
Google Scholar
Herhausen, Dennis
25 kwi 2024
NIM Marketing Intelligence Review
Tom 16 (2024): Zeszyt 1 (Maj 2024)
O artykule
Poprzedni artykuł
Następny artykuł
Artykuł
Ilustracje i tabele
Referencje
Autorzy
Artykuły w tym zeszycie
Podgląd
PDF
Zacytuj
Udostępnij
Pobierz okładkę
Data publikacji:
25 kwi 2024
Zakres stron:
42 - 48
DOI:
https://doi.org/10.2478/nimmir-2024-0007
Słowa kluczowe
Large Language Models (LLMs)
,
Generative AI
,
Data Quality
,
Bias
,
Marketing Metrics
© 2024 Christina Schamp et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial 4.0 International License.