ETD

• ai framework
• ai-based detection framework
• artificial intelligence
• digital marketing
• generative AI
• large language models
• persuasion detection
• persuasion detection framework
• persuasion principles
• Robert Cialdini
• social media advertising

This thesis is focused on the development of an AI-based framework for detecting persuasion techniques in digital advertising assets (specifically from Meta Ads). Drawing on Robert Cialdini’s seven principles of influence (reciprocity, commitment and consistency, social proof, authority, liking, scarcity, and unity) the framework translates each principle into a set of observable visual and textual elements, enabling their systematic identification in image and video advertising assets.
The dataset consists of several hundred of advertisements collected through the Meta Ads Library across three industry sectors selected for their differing use of persuasive strategies. Detection is performed using a few-shot prompt-based large language model (specifically Claude), with results validated against a manually coded sample and presented in a binary detection matrix.
To conclude, the thesis also includes a generative experiment in which the framework is applied in reverse: AI is used to create advertising assets (exclusively images) incorporating predefined combinations of persuasion principles, testing the framework's potential for both analytical and creative tasks.
By combining perspectives from digital humanities, persuasion theory, and computational methods, this research offers a scalable approach to auditing and generating persuasive content in social media advertising.

La presente tesi è incentrata sullo sviluppo di un framework basato sull’intelligenza artificiale con l’obiettivo di individuare tecniche di persuasione negli asset pubblicitari digitali (nello specifico gli annunci presenti su Meta Ads). Prendendo come riferimento i sette principi della persuasione elaborati da Robert Cialdini (reciprocità, impegno e coerenza, riprova sociale, autorevolezza, simpatia, scarsità e unità), il framework traduce ciascuna tecnica in un insieme di elementi visivi e testuali osservabili all’interno di contenuti pubblicitari (immagini e video), consentendone l’identificazione sistematica.
Il dataset preso in osservazione è composto da diverse centinaia di annunci raccolti tramite la Meta Ads Library in tre differenti settori, selezionati in base al diverso utilizzo dei sette principi di persuasione. L’individuazione di tali principi viene effettuata facendo uso di LLM (nello specifico, Claude) basato su prompting few-shot, i cui risultati sono stati validati attraverso il confronto con un campione analizzato a mano e successivamente presentati sotto forma di una matrice binaria.

La tesi comprende inoltre un esperimento generativo nel quale il framework viene applicato in senso contrario: l’IA viene impiegata per generare asset pubblicitari (esclusivamente immagini) che incorporano combinazioni di principi persuasivi, al fine di valutarne il potenziale sia in ambito analitico sia in ambito creativo.
Combinando prospettive provenienti dal mondo delle digital humanities, dalla teoria della persuasione e dai metodi computazionali, la presente ricerca propone un approccio scalabile per l’analisi e la generazione di contenuti persuasivi nell’ambito della pubblicità sui social media.