Uma abordagem multiagente para inteligência de audiência

Definindo a Estrela Guia

Toda campanha publicitária compartilha os mesmos objetivos principais: alcançar o público certo, criar engajamento significativo e entregar resultados mensuráveis. Onde as campanhas começam a divergir é em como elas buscam esses objetivos. A divergência começa na fase de estratégia, onde planejadores e estrategistas se alinham em metas claras que, quando executadas com eficácia, impulsionam os resultados desejados. Nesta fase, o negócio está no comando, utilizando anos de experiência com sua marca, mensagens e desempenho de campanhas anteriores para orientar as decisões. O resultado é um briefing de campanha que serve como a Estrela Guia para todas as atividades subsequentes, incluindo criação de público, modelagem de ciência de dados e ativação. Este blog explora como os desafios comuns que os anunciantes enfrentam hoje podem ser resolvidos por meio de uma solução de geração de público com IA na Databricks.

A Lacuna entre Estratégia e Execução

É durante essa troca de briefings de campanha entre as mãos do negócio e as das equipes de dados que agências e anunciantes começam a enfrentar desafios para alinhar a estratégia principal à execução, incluindo:

1. Diluição da Estratégia: Embora os briefings se destinem a ser prescritivos e claros em sua definição, traduzir a estratégia em "termos de dados" é um desafio para qualquer analista. Inevitavelmente, partes e bytes são perdidos durante a comunicação, e é crucial não perder as partes mais importantes.
2. Estratégias Incompletas: No fluxo reverso, os insights das equipes de dados nem sempre retornam ao negócio, limitando a capacidade de agir sobre padrões não óbvios e criar vantagem competitiva. É por meio dessas descobertas orientadas por dados que agências e anunciantes se diferenciam, desafiando convenções da indústria e suposições de concorrentes para abordar o mercado de maneiras únicas.
3. Pontos Cegos de Dados: Ambos os lados operam com restrições – planejadores dependem de um conjunto restrito de sinais, enquanto equipes de dados podem se apoiar demais em atributos familiares. Com conjuntos de dados tão grandes e complexos, nenhum grupo é totalmente informado por dados. Considerando que a maioria das agências e anunciantes possui conjuntos de dados contendo milhares de atributos em milhões de clientes existentes e potenciais, é justo supor que mesmo os usuários de dados mais experientes têm seus pontos cegos.

Para resumir esses desafios, cada um é um sintoma de um processo fragmentado onde:

• As pessoas mais próximas da estratégia estão mais distantes dos dados.
• As pessoas mais próximas dos dados carecem do contexto estratégico completo.
• Independentemente do acesso aos dados, o escopo é limitado.

Construindo a Ponte na Databricks

Não se pode ignorar o papel que a tecnologia desempenhou no endurecimento desses processos subótimos. A tecnologia carecia da capacidade de traduzir com precisão a intenção, e as próprias plataformas de dados ofereciam poucas ferramentas para sintetizar insights de dados de forma significativa para o negócio. A ponte mais eficaz entre esses dois grupos era ou um estrategista curioso sobre dados ou um analista de dados que pudesse articular a missão da organização, o encaixe produto-mercado e os objetivos estratégicos. Isso também assume que o estrategista tem acesso ao banco de dados e que o analista tem a atenção do negócio (uma grande suposição).

Para abordar a lacuna entre intenção e execução que persiste hoje, nossa solução com IA, construída na Databricks Data Intelligence Platform, permite que anunciantes e agências criem públicos em linguagem natural, descubram padrões anteriormente desconhecidos em seus dados e impulsionem campanhas mais eficazes.

1. Fontes de Dados: Dados de primeira parte e dados de parceiros/licenciados são ingeridos na plataforma
2. Curadoria de Dados: Pipelines Declarativos Spark limpam, transformam e unificam dados brutos em uma tabela de atributos de população no Unity Catalog
3. Espaço Genie de Público: O Espaço Genie curado sobre a Tabela de População traduz solicitações em linguagem natural em segmentos de público
4. Agente de Afinidade: Ferramentas UC analisam afinidades adicionais de público computando padrões estatísticos
5. Agente Supervisor: Agent Bricks orquestra o sistema multiagente, roteando solicitações para subagentes Genie e de Afinidade
6. Aplicativo: Um Aplicativo Databricks oferece aos anunciantes uma interface intuitiva para descrever públicos, visualizar afinidades e explorar insights
7. Ativar e Salvar: Públicos são salvos como tabelas no Unity Catalog e ativados para canais de execução downstream (por exemplo, DSPs, plataformas de e-mail, mídias sociais, etc.)

Em sua essência, esta solução aproveita os avanços mais recentes da Databricks em IA agentiva – Genie, agentes de chamada de ferramentas personalizados e Agent Bricks – para apresentar insights de forma mais eficaz aos anunciantes e permitir a segmentação de público mais rápida em conjuntos de dados de população unificados que abrangem centenas de milhões de consumidores e milhares de atributos.

Considere um exemplo para tornar isso tangível, onde um planejador de campanha está preparando um briefing para uma marca de viagens de luxo promovendo pacotes exclusivos de resorts. O briefing solicita "viajantes abastados com idades entre 35 e 54 anos que reservam frequentemente experiências premium". Tradicionalmente, este briefing chega à mesa de um analista, que o traduz em consultas SQL para segmentar públicos e realizar análises ad hoc. Embora essa seja uma abordagem razoável, ela inevitavelmente estreita a intenção estratégica em um punhado de atributos familiares.

Em vez de precisar gerar SQL manualmente, nossa solução permite que o planejador descreva diretamente esse público em linguagem natural. O Genie, então, traduz isso em uma consulta precisa contra milhões de registros em segundos, completa com a lógica SQL por trás dela para total transparência.

Mas o verdadeiro desbloqueio vem a seguir. O sistema analisa automaticamente comportamentos e atributos adicionais que definem esse público para identificar padrões não realizados. Essas descobertas e novos insights são um divisor de águas. Exemplos para este segmento podem incluir:

• Super-representado como adotantes precoces de tecnologia em comparação com o restante da população
• Investe em criptomoedas 2,5x a taxa de base
• Mostra uma forte afinidade com conteúdo de bem-estar e spa (por exemplo, compromisso excepcional com fitness 5,7x)

E a melhor parte é que essas não são suposições. São cálculos de aumento estatisticamente validados contra a população total. Os planejadores não estão mais trabalhando apenas a partir de um briefing, mas sim a partir de um briefing enriquecido com descobertas que podem remodelar a estratégia criativa, o posicionamento da mídia e a seleção de canais.

Além disso, esta solução gera impacto comercial tangível e crescente:

• As campanhas passam da ideia à ativação mais rapidamente, comprimindo ciclos de planejamento que antes levavam dias ou semanas
• Os planejadores podem responder a mudanças de mercado, problemas de ritmo ou solicitações de clientes em tempo real sem esperar por filas de analistas
• Incorporar a intenção estratégica diretamente no processo de geração de público leva a uma melhor segmentação e desempenho da campanha

No entanto, tornar essa experiência perfeita requer uma orquestração cuidadosa nos bastidores. Nas seções a seguir, detalharemos os três blocos de construção centrais que impulsionam esta solução, incluindo como cada componente funciona, por que ele é construído da maneira que é e as decisões de design que garantem que este sistema esteja pronto para produção.

Databricks Genie: Trazendo Linguagem Natural para seus Dados

O primeiro passo que as equipes dão em qualquer fluxo de trabalho de público é definir o "quem" que suas campanhas devem alcançar. Os Espaços Genie permitem que os anunciantes façam isso em linguagem natural, traduzindo solicitações como "encontre viajantes abastados com idades entre 35 e 54 anos que reservam frequentemente experiências premium" em consultas SQL governadas executadas contra a tabela de população, sem qualquer interação direta com a equipe de dados.

Embora o Genie possa reduzir as interações diretas entre as equipes de estratégia e de dados, as equipes de dados ainda desempenham um papel crítico nesse fluxo de trabalho, curando meticulosamente a camada por baixo dos panos. Um Espaço Genie só é tão bom quanto o contexto e os dados que recebe, e para a geração de público, isso significa investir em quatro áreas:

1. Um modelo de dados robusto, incluindo tabelas gold pré-junções ou desnormalizadas e visualizações de métricas
2. Comentários descritivos de colunas em cada atributo da tabela
3. Consultas SQL de exemplo que ensinam ao Genie os padrões e convenções dos dados
4. Instruções de texto que definem termos de negócios e lógica de pontuação que o modelo não saberia de outra forma

Ao dedicar tempo à curadoria da camada de dados e metadados, a expertise da equipe de dados é codificada uma vez, continuamente aprimorada ao longo do tempo e escalada para toda a organização. Cada executivo, planejador e estrategista se beneficia da mesma lógica curada sem precisar abrir um ticket ou esperar por análises manuais e ad hoc.

Por exemplo, o Genie nesta solução é configurado com mais de 30 consultas de exemplo curadas que abrangem padrões comuns de público, desde "encontrar consumidores com intenção de compra de carro e pontuações de crédito acima de 750" até "identificar viajantes de luxo em áreas urbanas com alto patrimônio líquido". Esses exemplos não apenas melhoram a precisão, mas ensinam ao Genie como a organização pensa sobre seus dados.

O resultado é um sistema onde um planejador pode descrever seu público-alvo para um determinado briefing de campanha e receber dados de segmento precisos, tamanho do público, comparações percentuais em relação à população total e dados de amostra – tudo em segundos.

Em última análise, o Genie muda fundamentalmente a forma como as equipes de marketing podem construir segmentos de público e executar novas campanhas:

• Democratizando o acesso aos dados ao transferir a criação de público de uma tarefa técnica para uma conversa estratégica. Qualquer planejador pode descrever o público que precisa sem conhecimento do esquema de tabela subjacente ou sintaxe SQL
• Comprimindo ciclos de iteração de dias para segundos, permitindo que as equipes testem mais hipóteses e refinem o direcionamento em tempo real, em vez de esperar em filas de analistas
• Capturando conhecimento institucional – cada consulta curada, comentário de coluna e instrução de texto codifica a expertise de dados da organização em uma camada reutilizável que integra novos membros da equipe e padroniza como os públicos são construídos em todas as campanhas
• Fortalecendo a governança ao registrar a intenção em linguagem natural e o SQL gerado para cada público, criando uma trilha de auditoria legível por stakeholders técnicos e não técnicos

Juntos, esses benefícios transformam a criação de público de um gargalo em uma vantagem competitiva.

Agente de Afinidade: Descobrindo Relacionamentos e Públicos Desconhecidos

Ao construir uma solução abrangente de criação de público, definir o público é apenas metade da batalha. O verdadeiro valor estratégico vem da compreensão do "e mais" sobre o público. Em outras palavras, existem padrões, comportamentos, tendências e afinidades não pensados que podem fortalecer a estratégia geral de distribuição da campanha? É aqui que o Agente de Afinidade se torna um diferencial.

Uma vez que o Genie constrói um segmento, o Agente de Afinidade automaticamente pega esse segmento e o analisa em relação à população completa para apresentar padrões estatisticamente significativos. Em termos de publicidade, ele responde à pergunta que todo estrategista deveria fazer, mas raramente tem tempo ou ferramentas para buscar: "Além dos critérios que especifiquei, o que realmente torna esse público único?"

Nesta solução, a resposta vem na forma de lift. Essa métrica simples, porém poderosa, compara a frequência com que um atributo aparece em um determinado segmento de público em relação à população em geral. Um lift de 2.0x significa que o público em questão tem duas vezes mais chances de exibir essa característica. Para um planejador de campanha, esses insights são imediatamente acionáveis. Vamos pegar, por exemplo, o público de viagens de luxo que tem um índice maior em conteúdo de bem-estar e investimento em criptomoedas. Esses sinais informam diretamente a execução e, em vez de veicular anúncios de viagens padrão em canais de estilo de vida amplos, a equipe de mídia pode realocar gastos para publicações premium de bem-estar, patrocínios de podcasts no espaço de finanças pessoais ou posicionamentos programáticos em plataformas fintech. A equipe criativa, enquanto isso, pode usar mensagens sobre retiros de bem-estar experiencial em vez de imagens genéricas de resorts.

Por baixo dos panos, o Agente de Afinidade segue um padrão de design deliberado, que equipa um LLM com ferramentas que executam análises estatísticas para um determinado público. O agente raciocina quais análises executar, mas cada número é computado por ferramentas determinísticas. Essas ferramentas são funções pré-registradas e governadas no Unity Catalog.

Na prática, um determinado público serve como entrada de dados, e o agente utiliza as funções do Unity Catalog para calcular o lift em relação à população de base, e retorna apenas resultados que atendem aos limiares mínimos de confiança e suporte. O trecho de pseudocódigo a seguir descreve como essa função opera.

Essa separação entre raciocínio e computação é uma escolha deliberada e crítica para publicidade. Quando milhões de dólares em gastos com mídia dependem de insights de público, esses insights precisam ser auditáveis, reproduzíveis e baseados em dados reais. Ao governar cada função analítica através do Unity Catalog, o sistema fornece uma linhagem clara desde as perguntas em linguagem natural até a execução de SQL e os resultados estatísticos. O LLM adiciona inteligência ao fluxo de trabalho sem introduzir riscos.

Agent Bricks: Criando Inteligência de Público Multiagente

Com o Genie cuidando da criação de público e o Agente de Afinidade revelando padrões ocultos, a peça final é montar uma camada de orquestração inteligente para garantir que esses componentes funcionem juntos como uma experiência única e coerente, em vez de ferramentas desconectadas.

O Agent Bricks torna isso possível em minutos com alguns cliques. O Agente Supervisor pré-construído recebe cada solicitação do usuário, determina qual subagente está mais bem equipado para lidar com ela e a roteia de acordo. Uma solicitação como "crie um público de viajantes de luxo frequentes" vai para o Genie. Uma solicitação de acompanhamento como "o que mais define esse grupo?" é roteada para o Agente de Afinidade. E quando um usuário faz uma pergunta complexa como "encontre entusiastas de atividades ao ar livre de alta renda e me diga o que os torna únicos", o supervisor encadeia ambos os agentes – o Genie constrói o segmento, então o Agente de Afinidade o analisa – e retorna uma resposta unificada.

Para os usuários finais deste sistema multiagente, o poder reside no fato de que eles nunca precisam saber qual agente está realizando o trabalho, porque o agente supervisor trabalha em conjunto com seus subagentes para lidar com as solicitações. Como resultado, a experiência é contínua e parece uma única conversa.

Além do roteamento, o supervisor é o que transforma agentes individuais em um sistema de composição. Ao orquestrar a passagem de controle entre o Genie e o Agente de Afinidade, ele cria um ciclo de feedback entre a intenção humana e a descoberta de dados que não existe em fluxos de trabalho tradicionais. Um planejador pode construir um público, revisar as afinidades que surgem e refinar imediatamente o segmento com base no que aprendeu, tudo dentro da mesma conversa. Isso colapsa o que normalmente é um ciclo de dias a semanas de briefings, filas de analistas, QA e iteração em minutos, permitindo que as equipes testem mais hipóteses e cheguem a públicos mais fortes mais rapidamente. Com o tempo, cada interação constrói uma biblioteca crescente de definições de público e padrões descobertos, o que leva a um conhecimento institucional que se compõe a cada campanha e escala para todos os usuários da organização.

O Produto Final

Até agora, exploramos como o Genie traduz a intenção estratégica em segmentos de público governados, como o agente de afinidade descobre padrões que ninguém pensou em procurar e como o agente supervisor orquestra os dois subagentes em um fluxo de trabalho contínuo. Mas essas capacidades só entregam valor se as pessoas que mais precisam delas puderem acessá-las sem navegar por espaços de trabalho Databricks, notebooks ou endpoints de API. Os Databricks Apps removem essa barreira, fornecendo uma camada de aplicativo nativa que traz todo o sistema multiagente para uma interface única e intuitiva, projetada especificamente para o usuário final.

Dentro deste aplicativo, os anunciantes podem:

Crie, descubra e itere em segmentos de público por meio de linguagem natural.

Explore detalhes sobre públicos, incluindo o código SQL subjacente usado para gerar, resumos de afinidade e recomendações para estratégias de posicionamento e campanha.

Aprofunde-se nos segmentos de público com Dashboards de IA/BI integrados diretamente no aplicativo.

Salve públicos como tabelas persistentes no Unity Catalog para visualização, gerenciamento e auditabilidade futuras e, em seguida, exporte públicos para canais de execução para ativação de campanha.

Democratizando o Futuro da Criação de Públicos

A lacuna entre a intenção estratégica e a execução de dados persiste há anos – não porque as organizações carecem de dados, mas porque suas ferramentas não foram criadas para preenchê-la. Com as capacidades de IA agêntica do Databricks, essa ponte agora existe, capacitando todas as personas com as ferramentas para descobrir e construir públicos de alta qualidade que fazem a diferença. Aquele público que você não sabia que estava procurando já está em seus dados, você só precisava do sistema certo para encontrá-lo e curá-lo.

Para saber mais sobre as melhores práticas para construir um Genie Space eficaz, confira este guia.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original