genai for marketing

AI generativa para marketing usando Google Cloud

Recursos que permiten casos generativos de uso de marketing con IA en Google Cloud.

Este repositorio muestra la aplicación de la IA generativa de Google Cloud a los escenarios de marketing. Contiene instrucciones detalladas y paso a paso para implementar una solución que implementa capacidades de IA generativas centradas en marketing, incluidas capacidades para crear materiales de marketing como publicaciones de blog y contenido de redes sociales. Este video camina a través de la funcionalidad en la solución.

La arquitectura de la solución implementada:

Además, se proporcionan cuadernos complementarios de Jupyter para ayudar a los usuarios a comprender los conceptos explorados en la solución.

Tabla de contenido

• Estructura de repositorio
• Manifestaciones
• Despliegue
• Cuadernos y muestras de código
• Configuración
• Obtener ayuda

Estructura de repositorio

 .
├── app
└── backend_apis
└── frontend
└── notebooks
└── templates
└── infra

• /app : diagramas e imágenes de arquitectura.
• /backend_apis : código fuente para API de backend.
• /frontend : código fuente para la interfaz de usuario frontend.
• /infra : scripts y configuración para implementar la solución.
• /notebooks : cuadernos que demuestran y explican cómo usar la IA generativa de Google Cloud para los escenarios de marketing, incluidos los escenarios incluidos en la solución.
• /templates : diapositivas del espacio de trabajo, documentos y plantillas de sábanas utilizadas en la solución.

Manifestaciones

La solución implementada admite las siguientes demostraciones:

• Insights de marketing : utilice paneles de aspecto para acceder y visualizar los datos de marketing. Los especialistas en marketing pueden acceder y visualizar datos de marketing para crear campañas de marketing basadas en datos, lo que permite a las empresas conectarse con su público objetivo de manera más eficiente, mejorando así las tasas de conversión.
• La audiencia y el buscador de información : interfaz de conversación que traduce el lenguaje natural en consultas SQL, democratizando el acceso a los datos para usuarios que no son SQL eliminan los cuellos de botella para los equipos de marketing.
• Trendspotting : Identifique las tendencias emergentes en el mercado analizando los datos de Google Trends en un tablero de atención y resume las noticias relacionadas con los principales términos de búsqueda. Esto puede ayudar a las empresas a mantenerse a la vanguardia de la competencia y desarrollar productos y servicios que satisfagan las necesidades e intereses de sus clientes.
• Búsqueda de contenido : Mejore la experiencia de búsqueda de contenido interno o externo con Vertex AI Search para usuarios comerciales.
• Generación de contenido : reduzca el tiempo para la generación de contenido con los modelos de Foundation Vertex. Genere una copia de correo electrónico convincente y cautivadora, artículos del sitio web, publicaciones en redes sociales y activos para PMAX. Todos destinados a lograr objetivos específicos, como aumentar las ventas, generar clientes potenciales o mejorar la conciencia de la marca. Esto abarca elementos textuales y visuales utilizando modelos Vertex Language & Vision.
• Integración del espacio de trabajo : transfiera las ideas y activos que genera al espacio de trabajo de Google y visualice en las diapositivas, documentos y hojas de Google.

Despliegue

Siga las instrucciones en la Guía de implementación para implementar con Terraform.

Este video pasa por el proceso de implementación automatizado.

Cuadernos y muestras de código

Los cuadernos enumerados a continuación se desarrollaron para explicar los conceptos presentados en esta solución:

• Preguntas y respuestas de datos con Palm API y Googlesql (/NoTebooks/Data_Qa_with_sql.ipynb): traducir preguntas del lenguaje natural al googlesql para interactuar con BigQuery.
• Resumen de noticias con agentes de Langchain y Vertex Ai Palm Text Models (news_summarization_langchain_palm.ipynb): resumir los artículos de noticias relacionados con los principales términos de búsqueda utilizando agentes de Langchain y el concepto React.
• Resumen de noticias con Palm API (simple_news_summarization.ipynb): resumen de noticias relacionado con los principales términos de búsqueda.
• Imagen Fine Tuning (imagen_finetune.ipynb): modelo de tono de imagen.

Los siguientes cuadernos adicionales (externos) proporcionan información complementaria sobre los conceptos discutidos en este repositorio:

• Tuning Gemini: ejemplos de cómo ajustar Gemini con su conjunto de datos para mejorar la respuesta del modelo. Esto es útil para la voz de marca porque le permite asegurarse de que el modelo esté generando texto que sea consistente con el tono y el estilo de su marca.
• Técnicas de resumen de documentos: dos cuadernos que explican diferentes técnicas para resumir grandes documentos.
• Preguntas y respuestas de documentos: dos cuadernos que explican diferentes técnicas para hacer preguntas y respuestas de documentos en una gran cantidad de documentos.
• Search de Vertex AI - Búsqueda web: esta demostración ilustra cómo buscar a través de un corpus de documentos utilizando Vertex AI Search. Las características adicionales incluyen cómo buscar en el gráfico de conocimiento de la nube pública utilizando la API del gráfico de conocimiento empresarial.
• Búsqueda de AI Vertex-Búsqueda de documentos: esta demostración ilustra cómo la búsqueda de AI Vertex y la API de Palm Vertex AI ayudan a garantizar que el contenido generado se basa en información validada, relevante y actualizada.
• Comenzando con Langchain y Vertex Ai Palm API: Comenzando con Langchain + Vertex Ai Gemini API.

Configuración

Parte del comportamiento de la solución se puede cambiar ajustando la configuración.

Configuración previa a la implementación

Al implementar la AI generativa de Google Cloud para la solución de marketing, se extraen varias configuraciones para la implementación del archivo infra/variables.tf .

Si sus necesidades de implementación no coinciden con la implementación predeterminada, algunas de sus necesidades de implementación pueden satisfacerse ajustando los valores predeterminados en variables.tf antes de la implementación inicial.

Hacer cambios en variables.tf antes de ejecutar terraform init , hacer cambios después puede dar lugar a un comportamiento inesperado, incluidas fallas de implementación irrecuperables.

Config.toml

Cuando se implementa, después de que terraform apply se complete con éxito, habrá un archivo llamado config.toml en backend_apis/app . config.toml se genera a partir de infra/templates/config.toml.tftpl .

config.toml actúa como un centro de control para una generación de contenido de marketing, proporcionando las configuraciones, indicaciones y datos necesarios para automatizar la creación de materiales de marketing personalizados y consistentes en la marca.

Puede ajustar algunos de los valores en config.toml para cambiar el comportamiento de su implementación. Si ajusta los valores en config.toml , vuelva a ejecutar la implementación de backend ( infra/scripts/backend_deployment.sh ) para empujar la configuración actualizada al backend backend

Las siguientes son las secciones clave de config.toml y sus funciones:

Global:

• Establece la configuración del proyecto principal (ID del proyecto, ubicación).
• Especifica credenciales para el acceso al espacio de trabajo.
• Identifica conjuntos de datos BigQuery y recursos de Vertex AI.
• Define las plantillas y carpetas de documentos del espacio de trabajo.
• Establece el cubo GCS para el almacenamiento de activos.
• Define los ámbitos API de espacio de trabajo (permisos).

Indicaciones:

• Proporciona información detallada de la marca (nombre, visión, misión, etc.) para guiar la generación de contenido.
• Define las plantillas de solicitud para varios tipos de contenido (declaración de marca, mensaje primario, canal de comunicación, correo electrónico, publicación web, anuncios, titulares, descripciones).
• Incluye marcadores de posición ({}) para la inserción de contenido dinámico.

Modelos:

• Especifica los nombres de los modelos AI para usar para el texto y la generación de imágenes.

Muestra de datos:

• Proporciona datos y opciones de muestra (cubos de edad, nombres, idiomas) para personalizar el contenido.

Agregar paneles de apariencia

Puede mostrar sus propios paneles de aspecto en las ideas de marketing y las páginas de rendimiento de la campaña.

Para Marketing Insights, edit /frontend/src/app/marketing-insights/marketing-insights.component.html y para la edición de rendimiento de la campaña /frontend/src/app/marketing-insights/marketing-insights.component.html. El procedimiento es el mismo para ambos archivos:

1. Agregue el nombre del tablero al menú desplegable

1. Busque la línea <select class="select-theme-dropdowns" name="state" ngModel (ngModelChange)="onClick($event)"> . Si está en una nueva implementación, la línea a continuación es <option value="Overview">Overview</option> .
2. Agregue otra línea formateada de manera similar: <option value="Display Name in Dropdown">newdash</option> , donde value es lo que se mostrará en la interfaz de usuario y dentro del > y < es el identificador que usará a continuación para vincular al tablero. En este caso, estamos agregando un tablero que se identificará como "Nombre de pantalla en el menú desplegable" y debajo vinculará este tablero con el identificador newdash .

2. Agregue el enlace del tablero

En una nueva implementación en la parte inferior del archivo, verá algo como esto:

 < div *ngIf =" overview " class =" overviewcss " >
  < iframe width =" 1000 " height =" 1000 " src =" https://googledemo.looker.com/embed/dashboards/2131?allow_login_screen=true " > </ iframe >
</ div >

Al final del archivo, agregue tres líneas similares para cada tablero, reemplazando lo siguiente:

1. Establecer *ngIF= al identificador del nuevo tablero que especificó en el menú desplegable. Por ejemplo <div *ngIf="newdash" class="overviewcss"> .
2. Establezca el src= en el enlace de incrustación a su tablero. El allow_login_screen=true en la URL abrirá la página de autenticación desde Looker para asegurar el acceso a su cuenta. Por ejemplo, <iframe width="1000" height="1000" src="https://googledemo.looker.com/embed/dashboards/YOURDASH?allow_login_screen=true" ></iframe>

Marketing Analytics Jumpstart

Si tiene sus cuentas de Google Ads y Google Analytics 4 en producción, puede implementar la solución Marketing Analytics Jumpstart , construir los paneles y vincularlos en estas páginas en la IA generativa para la interfaz de usuario de marketing.

Obtener ayuda

Si tiene alguna pregunta o si encuentra algún problema con este repositorio, informe a través de problemas de GitHub.