Hosting conversational responses on the official websites of products and services companies is an essential marketing aspect. With Artificial Intelligence’s help to make conversational interactivity more intuitive to existing and potential customers visiting the websites, managers can notch up the return on marketing investments. This motivated us to study empirically and develop the MarkBot framework, a chatter robot on the management design principles. The framework uses an Artificial Intelligence application to respond to a website visitor’s browse through the product catalog. Neural network (NN) architectures are known to achieve remarkable performances in synthetic text predictions. We use a long short-term memory recurrent neural network (LSTM) to predict the user’s responses through a chatbot in the current work. The proposed framework reduces the lead time for the firms to adopt MarkBot. We empirically prove using user-generated content on social media platforms like Twitter in responses and queries to digital campaigns on the same product. With new businesses failing to venture into the space of hosting a chatbot owing to no historical data or existing firms yet to host a chatbot, the proposed MarkBot fuelled by user-generated content can have a substantial managerial implication. The management frameworks used to theorize the MarkBot also make it a theoretical contribution for future Information Systems scholars to conceptualize in the marketing field.

在产品和服务公司的官方网站上托管对话式回复是必不可少的营销方面。借助人工智能帮助访问网站的现有和潜在客户更直观地进行对话交互，管理人员可以提高营销投资的回报。这促使我们进行实证研究并开发 MarkBot 框架，这是一个基于管理设计原则的聊天机器人。该框架使用人工智能应用程序来响应网站访问者对产品目录的浏览。众所周知，神经网络 (NN) 架构可在合成文本预测中取得卓越的性能。在当前工作中，我们使用长短期记忆循环神经网络（LSTM）通过聊天机器人来预测用户的反应。提议的框架缩短了公司采用 MarkBot 的准备时间。我们凭经验证明在 Twitter 等社交媒体平台上使用用户生成的内容来响应和查询同一产品的数字营销活动。由于没有历史数据或现有公司尚未托管聊天机器人，新企业未能冒险进入托管聊天机器人的领域，因此由用户生成的内容推动的拟议 MarkBot 可能具有重大的管理意义。用于将 MarkBot 理论化的管理框架也使其成为未来信息系统学者在营销领域概念化的理论贡献。由于没有历史数据或现有公司尚未托管聊天机器人，新企业未能冒险进入托管聊天机器人的领域，因此由用户生成的内容推动的拟议 MarkBot 可能具有重大的管理意义。用于将 MarkBot 理论化的管理框架也使其成为未来信息系统学者在营销领域概念化的理论贡献。由于没有历史数据或现有公司尚未托管聊天机器人，新企业未能冒险进入托管聊天机器人的领域，因此由用户生成的内容推动的拟议 MarkBot 可能具有重大的管理意义。用于将 MarkBot 理论化的管理框架也使其成为未来信息系统学者在营销领域概念化的理论贡献。