genai for marketing

IA generativa para marketing usando o Google Cloud

Recursos que possibilitam casos de uso generativo de marketing de IA no Google Cloud.

Este repositório mostra a aplicação dos cenários generativos de IA generativa do Google em marketing. Ele contém instruções detalhadas e passo a passo para implantar uma solução implementando recursos generativos de IA centrados em marketing, incluindo recursos para criar materiais de marketing como postagens de blog e conteúdo de mídia social. Este vídeo passa pela funcionalidade na solução.

A arquitetura da solução implantada:

Além disso, os notebooks suplementares Jupyter são fornecidos para ajudar os usuários a entender os conceitos explorados na solução.

Índice

• Estrutura do repositório
• Demonstrações
• Implantação
• Cadernos e amostras de código
• Configuração
• Obtendo ajuda

Estrutura do repositório

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

• /app : Diagramas e imagens de arquitetura.
• /backend_apis : código -fonte para APIs de back -end.
• /frontend : código -fonte da interface do usuário do front -end.
• /infra : scripts e configuração para implantar a solução.
• /notebooks : Notebooks demonstrando e explicando como usar a IA generativa do Google Cloud para cenários de marketing, incluindo cenários incluídos na solução.
• /templates : slides da área de trabalho, modelos de documentos e folhas usados ​​na solução.

Demonstrações

A solução implantada suporta as seguintes demonstrações:

• Insights de marketing : utilize painéis Looker para acessar e visualizar dados de marketing. Os profissionais de marketing podem acessar e visualizar dados de marketing para criar campanhas de marketing orientadas a dados, capacitando as empresas a se conectar com seu público-alvo com mais eficiência, melhorando assim as taxas de conversão.
• Público e Insight Finder : Interface de conversação que traduz a linguagem natural em consultas SQL, democratizando o acesso a dados para usuários não-SQL, removendo os gargalos para equipes de marketing.
• TrendsPotting : Identifique tendências emergentes no mercado, analisando os dados do Google Trends em um painel Looker e resumindo notícias relacionadas aos principais termos de pesquisa. Isso pode ajudar as empresas a permanecer à frente da concorrência e a desenvolver produtos e serviços que atendam às necessidades e interesses de seus clientes.
• Pesquisa de conteúdo : Melhore a experiência de pesquisa de conteúdo interno ou externo com a Pesquisa de AI da AI vértice para usuários de negócios.
• Geração de conteúdo : reduza o tempo para a geração de conteúdo com os modelos de fundação da Vertex. Gere cópia de e -mail atraente e cativante, artigos de sites, postagens de mídia social e ativos para o PMAX. Todos com o objetivo de alcançar metas específicas, como aumentar as vendas, gerar leads ou aumentar o conhecimento da marca. Isso abrange elementos textuais e visuais usando modelos de linguagem e visão de vértices.
• Integração do espaço de trabalho : transfira os insights e ativos que você gera para o Google Workspace e visualize em slides, documentos e folhas do Google.

Implantação

Siga as instruções no guia de implantação para implantar com a Terraform.

Este vídeo passa pelo processo de implantação automatizado.

Cadernos e amostras de código

Os notebooks listados abaixo foram desenvolvidos para explicar os conceitos apresentados nesta solução:

• Perguntas e respostas de dados com API PALM e Googlesql (/notebooks/data_qa_with_sql.ipynb): traduza perguntas da linguagem natural para GooglesQL para interagir com o BigQuery.
• Summarização de notícias com agentes Langchain e modelos de texto de palmeira AI de vértice (News_summarization_langchain_palm.ipynb): resumir artigos de notícias relacionados aos principais termos de pesquisa usando agentes Langchain e o conceito de reação.
• Summarização de notícias com API do PALM (Simple_News_summarization.ipynb): Summarização de notícias relacionada aos principais termos de pesquisa.
• Imagen Fine Afiting (imagen_fineTune.ipynb): modelo de imagem de ajuste fino.

Os seguintes cadernos (externos) a seguir fornecem informações suplementares sobre os conceitos discutidos neste repositório:

• Tuning Gemini: Exemplos de como ajustar Gemini com seu conjunto de dados para melhorar a resposta do modelo. Isso é útil para a voz da marca, pois permite garantir que o modelo esteja gerando texto consistente com o tom e o estilo da sua marca.
• Técnicas de resumo de documentos: dois notebooks explicando diferentes técnicas para resumir documentos grandes.
• Perguntas e respostas ao documento: Dois cadernos explicando diferentes técnicas para fazer perguntas e respostas do documento em uma grande quantidade de documentos.
• Pesquisa da AI da Vertex - Pesquisa da Web: Esta demonstração ilustra como pesquisar em um corpus de documentos usando a pesquisa de AI da vértice. Recursos adicionais incluem como pesquisar no gráfico de conhecimento em nuvem pública usando a API do Gráfico de Conhecimento Enterprise.
• VERTEX AI Pesquisa-Pesquisa de documentos: Esta demonstração ilustra como a pesquisa de AI da AI e a API da PALM AI do Vertex ajuda a garantir que o conteúdo gerado seja fundamentado em informações validadas, relevantes e atualizadas.
• Introdução à API de Palm Langchain e Vertex AI: Introdução à API Langchain + Vertex AI Gemini.

Configuração

Alguns do comportamento da solução podem ser alterados ajustando a configuração.

Configuração pré-implantação

Ao implantar a IA generativa do Google Cloud para solução de marketing, várias configurações para a implantação são extraídas do arquivo infra/variables.tf .

Se suas necessidades de implantação não corresponderem à implantação padrão, algumas de suas necessidades de implantação poderão ser atendidas ajustando os padrões em variables.tf antes de iniciar a implantação.

Faça alterações nas variables.tf Antes da execução terraform init , fazer alterações posteriormente pode resultar em comportamento inesperado, incluindo falhas de implantação irrecuperáveis.

Config.toml

Ao implantar, após a conclusão terraform apply , haverá um arquivo chamado config.toml no backend_apis/app . config.toml é gerado a partir de infra/templates/config.toml.tftpl .

config.toml atua como um centro de controle para uma geração de conteúdo de marketing, fornecendo as configurações, avisos e dados necessários para automatizar a criação de materiais de marketing personalizados e consistentes com a marca.

Você pode ajustar alguns dos valores no config.toml para alterar o comportamento da sua implantação. Se você ajustar os valores em config.toml , execute a implantação de back -end ( infra/scripts/backend_deployment.sh ) para empurrar a configuração atualizada para o back -end

A seguir, são apresentadas as principais seções do config.toml e suas funções:

Global:

• Define as configurações principais do projeto (ID do projeto, localização).
• Especifica credenciais para o acesso à área de trabalho.
• Identifica conjuntos de dados BigQuery e Recursos de AI de Vertex.
• Define modelos e pastas de documentos do espaço de trabalho.
• Define o balde GCS para armazenamento de ativos.
• Define os escopos de API do espaço de trabalho (permissões).

Prompts:

• Fornece informações detalhadas da marca (nome, visão, missão etc.) para orientar a geração de conteúdo.
• Define modelos de prompt para vários tipos de conteúdo (instrução da marca, mensagem primária, canal de comunicação, email, postagem na web, anúncios, manchetes, descrições).
• Inclui espaço reservado ({}) para inserção dinâmica de conteúdo.

Modelos:

• Especifica os nomes dos modelos de IA a serem usados ​​para geração de texto e imagem.

Amostra de dados:

• Fornece dados e opções de amostra (baldes de idade, nomes, idiomas) para personalizar o conteúdo.

Adicionando painéis Looker

Você pode exibir seus próprios painéis de looker nas Insights de marketing e nas páginas de desempenho da campanha.

Para insights de marketing, edit /frondend/src/app/marketing-insights/marketing-insights.component.html e para o desempenho da campanha edit /frontend/src/app/marketing-insights/marketing-insights.component.html. O procedimento é o mesmo para esses dois arquivos:

1. Adicione o nome do painel ao menu suspenso

1. Encontre a linha <select class="select-theme-dropdowns" name="state" ngModel (ngModelChange)="onClick($event)"> . Se você estiver em uma nova implantação, a linha abaixo é <option value="Overview">Overview</option> .
2. Adicione outra linha formatada da mesma forma: <option value="Display Name in Dropdown">newdash</option> , onde value é o que será exibido na interface do usuário e dentro do > e < é o identificador que você usará abaixo para vincular o painel. Nesse caso, estamos adicionando um painel que será identificado como "Nome do Display no Dropdown" e abaixo vamos vincular este painel usando o Identificador newdash .

2. Adicione o link do painel

Em uma nova implantação na parte inferior do arquivo, você verá algo assim:

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

No final do arquivo, adicione três linhas semelhantes para cada painel, substituindo o seguinte:

1. Set *ngIF= para o identificador do novo painel que você especificou no suspensão. Por exemplo <div *ngIf="newdash" class="overviewcss"> .
2. Defina o src= para o link incorporado para o seu painel. O allow_login_screen=true no URL abrirá a página de autenticação do Looker para garantir o acesso à sua conta. Por exemplo, <iframe width="1000" height="1000" src="https://googledemo.looker.com/embed/dashboards/YOURDASH?allow_login_screen=true" ></iframe>

Marketing Analytics Jumpstart

Se você tiver seus anúncios do Google e contas do Google Analytics 4 em produção, poderá implantar a solução Marketing Analytics Jumpstart , criar os painéis e vinculá -los a essas páginas da IA ​​generativa para a interface do usuário de marketing.

Obtendo ajuda

Se você tiver alguma dúvida ou se encontrou algum problema com este repositório, relate -se por meio de problemas do GitHub.