genai for marketing

AI générative pour le marketing à l'aide de Google Cloud

Ressources permettant des cas d'utilisation marketing génératifs alimentés par AI sur Google Cloud.

Ce référentiel présente l'application de l'IA génératrice de Google Cloud aux scénarios de marketing. Il contient des instructions détaillées et étape par étape pour déployer une solution mettant en œuvre des capacités de génération d'IA générationnelles centrées sur le marketing, y compris des capacités pour élaborer du matériel de marketing comme les articles de blog et le contenu des médias sociaux. Cette vidéo traverse la fonctionnalité de la solution.

L'architecture de la solution déployée:

De plus, des carnets de jupyter supplémentaires sont fournis pour aider les utilisateurs à saisir les concepts explorés dans la solution.

Table des matières

• Structure de référentiel
• Manifestations
• Déploiement
• Cahiers et échantillons de code
• Configuration
• Obtenir de l'aide

Structure de référentiel

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

• /app : Diagrammes d'architecture et images.
• /backend_apis : code source pour les API backend.
• /frontend : code source pour l'interface utilisateur du frontend.
• /infra : scripts et configuration pour le déploiement de la solution.
• /notebooks : ordinateurs portables démontrant et expliquant comment utiliser l'IA génératrice de Google Cloud pour les scénarios de marketing, y compris les scénarios inclus dans la solution.
• /templates : Modèles d'espace de travail, documents et modèles de feuilles utilisés dans la solution.

Manifestations

La solution déployée prend en charge les démonstrations suivantes:

• Informations sur le marketing : utilisez des tableaux de bord Looker pour accéder et visualiser les données marketing. Les spécialistes du marketing peuvent accéder et visualiser les données marketing pour créer des campagnes de marketing basées sur les données, ce qui permet aux entreprises de se connecter plus efficacement avec leur public cible, améliorant ainsi les taux de conversion.
• Audience et Insight Finder : Interface conversationnelle qui traduit le langage naturel en requêtes SQL, démocratisant l'accès aux données pour les utilisateurs non-SQL supprimant ainsi les goulots d'étranglement pour les équipes marketing.
• Trendspotting : Identifiez les tendances émergentes sur le marché en analysant les données sur les tendances Google sur un tableau de bord du spectateur et en résumant les nouvelles liées aux meilleurs termes de recherche. Cela peut aider les entreprises à rester en avance sur la concurrence et à développer des produits et services qui répondent aux besoins et aux intérêts de leurs clients.
• Recherche de contenu : améliorez l'expérience de recherche pour le contenu interne ou externe avec Vertex Ai Recherche pour les utilisateurs professionnels.
• Génération de contenu : Réduisez le temps pour la génération de contenu avec des modèles de fondation de sommet. Générer une copie de courrier électronique convaincante et captivante, des articles de site Web, des publications sur les réseaux sociaux et des actifs pour PMAX. Tous visaient à atteindre des objectifs spécifiques tels que l'augmentation des ventes, la génération de prospects ou l'amélioration de la notoriété de la marque. Cela englobe à la fois des éléments textuels et visuels à l'aide de modèles de langue et de vision Vertex.
• Intégration de l'espace de travail : transférez les idées et les actifs que vous générez dans Google Workspace et visualisez dans Google les diapositives, les documents et les feuilles.

Déploiement

Suivez les instructions du Guide de déploiement pour déployer avec Terraform.

Cette vidéo traverse le processus de déploiement automatisé.

Cahiers et échantillons de code

Les cahiers énumérés ci-dessous ont été développés pour expliquer les concepts présentés dans cette solution:

• Questions et réponses de données avec API PALM et GooglesQL (/notebooks/data_qa_with_sql.ipynb): traduire les questions du langage naturel à Googlesql pour interagir avec BigQuery.
• Résumé des nouvelles avec les agents de Langchain et les modèles de texte Palm Vertex AI (news_summarisation_langchain_palm.ipynb): résumer des articles de presse liés aux termes de recherche supérieurs à l'aide d'agents de Langchain et du concept React.
• Résumé des nouvelles avec API PALM (Simple_News_Summarisation.Ipynb): Résumé des nouvelles lié aux termes de recherche supérieurs.
• Imagen Fine Tuning (ImageN_FineTune.Ipynb): Fine Ting Imagen Model.

Les cahiers supplémentaires suivants (externes) fournissent des informations supplémentaires sur les concepts discutés dans ce référentiel:

• Régler les Gémeaux: Exemples de la façon de régler les Gémeaux avec votre ensemble de données pour améliorer la réponse du modèle. Ceci est utile pour la voix de la marque car il vous permet de vous assurer que le modèle génère du texte cohérent avec le ton et le style de votre marque.
• Techniques de résumé des documents: deux ordinateurs portables expliquant différentes techniques pour résumer de grands documents.
• Document Q&R: Deux cahiers expliquant différentes techniques pour documenter les questions et réponses sur une grande quantité de documents.
• Vertex AI Search - Recherche Web: cette démo illustre comment rechercher dans un corpus de documents à l'aide de la recherche Vertex AI. Les fonctionnalités supplémentaires incluent comment rechercher le graphique de connaissances du cloud public à l'aide de l'API du graphique de connaissance d'entreprise.
• Vertex AI Search - Recherche de documents: cette démo illustre comment la recherche Vertex Ai et l'API Vertex AI Palm aident à garantir que le contenu généré est fondé sur les informations validées, pertinentes et à jour.
• Partage avec Langchain et Vertex Ai Palm API: Début avec Langchain + Vertex Ai Gemini API.

Configuration

Une partie du comportement de la solution peut être modifiée en ajustant la configuration.

Configuration de pré-déploiement

Lors du déploiement de la solution Generative Générative pour la marketing Google Cloud, divers paramètres pour le déploiement sont extraits du fichier infra/variables.tf .

Si vos besoins de déploiement ne correspondent pas au déploiement par défaut, certains de vos besoins de déploiement peuvent être satisfaits en ajustant les valeurs par défaut en variables.tf avant de commencer le déploiement.

Apporter des modifications aux variables.tf avant d'exécuter terraform init , apporter des modifications par la suite peut entraîner un comportement inattendu, notamment des défaillances de déploiement irrécupérables.

Config.toml

Lors du déploiement, une fois terraform apply avec succès, il y aura un fichier appelé config.toml dans backend_apis/app . config.toml est généré à partir d' infra/templates/config.toml.tftpl .

config.toml agit comme un centre de contrôle pour une génération de contenu marketing, fournissant les paramètres, les invites et les données nécessaires pour automatiser la création de supports marketing personnalisés et cohérents.

Vous pouvez ajuster certaines des valeurs de config.toml pour modifier le comportement de votre déploiement. Si vous ajustez les valeurs dans config.toml , réinterrisez le déploiement backend ( infra/scripts/backend_deployment.sh ) pour pousser la configuration mise à jour vers le backend

Voici les sections clés de config.toml et leurs fonctions:

Mondial:

• Définit les paramètres du projet de base (ID de projet, emplacement).
• Spécifie les informations d'identification pour l'accès à l'espace de travail.
• Identifie les ensembles de données BigQuery et les ressources Vertex AI.
• Définit les modèles et dossiers de documents d'espace de travail.
• Définit le seau GCS pour le stockage des actifs.
• Définit les étendues API de l'espace de travail (autorisations).

Invites:

• Fournit des informations détaillées sur la marque (nom, vision, mission, etc.) pour guider la génération de contenu.
• Définit des modèles d'invites pour différents types de contenu (instruction de marque, message principal, canal de communication, e-mail, publication Web, annonce, titres, descriptions).
• Comprend des lieux ({}) pour l'insertion de contenu dynamique.

Modèles:

• Spécifie les noms des modèles d'IA à utiliser pour la génération de texte et d'image.

Échantillon de données:

• Fournit des exemples de données et d'options (seaux d'âge, noms, langues) pour personnaliser le contenu.

Ajout de tableaux de bord de spectacle

Vous pouvez afficher vos propres tableaux de bord de spectacle dans les pages de performance des informations marketing et de la campagne.

Pour Marketing Insights, Edit /Frontend/Src/App/marketing-insights/marketing-insights.component.html et pour la performance de la campagne Edit /frontend/src/app/marketing-insights/marketing-insights.component.html. La procédure est la même pour ces deux fichiers:

1. Ajouter le nom du tableau de bord à la liste déroulante

1. Recherchez la ligne <select class="select-theme-dropdowns" name="state" ngModel (ngModelChange)="onClick($event)"> . Si vous êtes sur un nouveau déploiement, la ligne ci-dessous est <option value="Overview">Overview</option> .
2. Ajoutez une autre ligne formatée similaire: <option value="Display Name in Dropdown">newdash</option> , où value est ce qui sera affiché dans l'interface utilisateur et à l'intérieur du > et < est l'identifiant que vous utilisez ci-dessous pour lier le tableau de bord. Dans ce cas, nous ajoutons un tableau de bord qui sera identifié comme "Nom d'affichage dans la liste déroulante" et ci-dessous, nous lierons ce tableau de bord à l'aide de l'identifiant newdash .

2. Ajouter le lien du tableau de bord

Sur un nouveau déploiement au bas du fichier, vous verrez quelque chose comme ceci:

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

À la fin du fichier, ajoutez trois lignes similaires pour chaque tableau de bord, remplaçant ce qui suit:

1. Définissez *ngIF= à l'identifiant du nouveau tableau de bord que vous avez spécifié dans la liste déroulante. Par exemple <div *ngIf="newdash" class="overviewcss"> .
2. Définissez le src= sur le lien intégré vers votre tableau de bord. Le allow_login_screen=true dans l'URL ouvrira la page d'authentification de Looker pour sécuriser l'accès à votre compte. Par exemple, <iframe width="1000" height="1000" src="https://googledemo.looker.com/embed/dashboards/YOURDASH?allow_login_screen=true" ></iframe>

Jumpstart d'analyse marketing

Si vous avez vos comptes Google Ads et Google Analytics 4 en production, vous pouvez déployer la solution Marketing Analytics Jumpstart , créer les tableaux de bord et les lier à ces pages dans l'interface utilisateur génératrice de l'IA pour le marketing.

Obtenir de l'aide

Si vous avez des questions ou si vous avez trouvé des problèmes avec ce référentiel, veuillez vous présenter via les problèmes de GitHub.