Vorbereitung auf die Feiertagssaison mit stärker personalisierten Marketinginhalten

In diesem ersten Teil einer zweiteiligen Blogserie zeigen wir, wie generative AI in Verbindung mit Kundendaten Marketingteams dabei helfen kann, personalisierte Marketinginhalte zu erstellen.

Das Weihnachtsgeschäft ist eine entscheidende Zeit für US-Einzelhändler und -Konsumgütermarken, in der viele Unternehmen allein im November und Dezember 25 % ihres Jahresumsatzes erzielen. Bei Spezialmarken für Spielzeug, Spiele und Hobbys kann dieser Anteil sogar auf bis zu 34,5 % steigen. Daher ist es unerlässlich, die Aufmerksamkeit der Verbraucher lange vor dem entscheidenden Einkaufszeitfenster zu gewinnen. Doch wie hebt man sich bei so vielen konkurrierenden Unternehmen von der Masse ab und gewinnt Kunden für sich, die mit Angeboten überhäuft werden?

Die Antwort lautet immer häufiger: Personalisierung. Personalisierte Marketinginhalte, die auf die Bedürfnisse, Interessen und Vorlieben einzelner Verbraucher zugeschnitten sind, gelten weithin als effektive Methode, um aus der Masse herauszustechen und die Aufmerksamkeit der Käufer zu gewinnen. Obwohl dies die Ergebnisse im Vergleich zu anderen Massenmarketing-Ansätzen verbessern kann, haben der zeitliche und finanzielle Aufwand für die Inhaltserstellung oft die tatsächliche Tiefe der Personalisierung eingeschränkt.

Es wird oft von One-to-One-Marketing gesprochen, aber in der Realität richten sich die meisten Inhalte immer noch an Segmente von Hunderttausenden oder sogar mehreren Millionen ähnlicher Verbraucher. Das liegt ganz einfach daran, dass Marketingteams nur begrenzte Kapazitäten haben, um Inhalte für eine Kampagne zu erstellen.

Generative AI, gestützt auf umfassende Kundendaten, kann Marketingteams jedoch dabei helfen, kleinere, spezifischere Verbrauchergruppen mit hochgradig personalisierten Botschaften zu erreichen und gleichzeitig die übergeordneten Kampagnenziele im Auge zu behalten. Auch wenn Kosten und der Aufwand für die Überprüfung der Ergebnisse generativer Technologien ein echtes One-to-One-Marketing vielleicht noch nicht zulassen, bieten sie doch das Potenzial, die nächste Stufe des personalisierten Marketings zu erreichen. So können sich Unternehmen mit maßgeschneiderten Inhalten besser von der Konkurrenz abheben.

Demonstration der AI-gestützten Inhaltserstellung

Passend zum Thema Weihnachtsgeschäft möchten wir zeigen, wie Sie mithilfe von generativer AI einen personalisierten Geschenkeratgeber für die Feiertage erstellen können. Diese Ratgeber, die seit langem ein fester Bestandteil des Feiertagsmarketings sind, decken oft ein breites Spektrum an Verbraucherinteressen ab, sodass potenzielle Kunden mühsam nach den für sie interessanten Abschnitten suchen müssen. Dies bietet uns eine hervorragende Gelegenheit, den Fokus der Inhalte auf die Bedürfnisse und Interessen eines bestimmten Schenkenden zu richten, wodurch die Wahrscheinlichkeit steigt, dass der Ratgeber bei ihm Anklang findet.

In dieser Blogserie werden wir die Erstellung und Bereitstellung eines digitalen Ratgebers für einen fiktiven Sportartikelhändler neu gestalten. Anstatt eines einzigen, monolithischen Ratgebers für alle Kunden, die voraussichtlich Feiertagsartikel bei diesem Unternehmen kaufen werden, nutzen wir Informationen über die bevorzugten Geschenkkategorien und die Preissensibilität der einzelnen Empfänger basierend auf deren bisherigem Browser- und Kaufverlauf. So erstellen wir maßgeschneiderte Ratgeber für jede der 21 Kombinationen aus 7 erfassten Kategorien und 3 Stufen der Preissensibilität.

In diesem ersten Beitrag unserer Serie widmen wir uns der Herausforderung, ein generatives AI-Modell dazu zu bringen, zuverlässige und qualitativ hochwertige Ergebnisse zu liefern. Im zweiten Blogbeitrag werden wir einen End-to-End-Workflow entwickeln, um die Inhaltserstellung und den E-Mail-Versand zu automatisieren.

Nutzung des AI Playground

Die Entwicklung einer Reihe von Anweisungen, die ein generatives AI-Modell dazu veranlassen, die von uns benötigten Inhalte zu erstellen, wird als Prompt Engineering bezeichnet. Prompt Engineering ist ein hochgradig iterativer Prozess, der viel – und wir meinen wirklich viel! – Ausprobieren erfordert. Da die meisten Unternehmen viel Zeit in diese Aufgabe investieren müssen, hat Databricks eine interaktive Benutzeroberfläche namens AI Playground veröffentlicht, um diesen Prozess zu vereinfachen (Abbildung 1).

Zum Zeitpunkt der Erstellung dieses Beitrags ist der AI Playground für die Verwendung des Modells Meta Llama 3.1 70B Instruct vorkonfiguriert. Über das Dropdown-Menü oben in der Mitte des Playground-Bildschirms können Sie andere in der Databricks-Umgebung vorinstallierte Modelle oder sogar von Ihren Databricks-Administratoren vorkonfigurierte Modelle auswählen. Sie können auch mehrere Modelle nebeneinander ausführen, um die Ergebnisse eines gemeinsamen Prompts zu vergleichen. Für diese Übung konzentrieren wir uns jedoch auf den standardmäßigen Einzelmodus (Abbildung 2).

Neben der Auswahl eines Modells können wir auch verschiedene Optionen konfigurieren, die das Verhalten des jeweiligen Modells steuern (Abbildung 3). Wir empfehlen, diese Werte während der ersten Prompt-Entwicklung auf ihren Standardeinstellungen zu belassen und später mit ihnen zu experimentieren, um zu sehen, wie sie sich auf Ihre Ergebnisse auswirken.

Kommen wir nun zu den Prompts. Bei der Inhaltserstellung werden in der Regel zwei Arten von Prompts verwendet. Die Optionen für diese beiden Prompts, bekannt als System-Prompt und User-Prompt, finden Sie im unteren Bereich des AI Playground-Bildschirms (Abbildung 4).

Der System-Prompt ist in der Regel die übergeordnete Anweisung, wie sich das LLM verhalten soll. Er legt den Ton, den Kontext und die Einschränkungen für die Aufgaben fest, die das generative AI-Modell ausführen soll, z. B. wie unser Feiertagsratgeber strukturiert sein soll. Dies unterscheidet sich vom User-Prompt, in dem wir oft die spezifischen Details einer bestimmten Anfrage angeben, wie z. B. die Zielgruppe für den konkreten Feiertagsratgeber, den das Modell erstellen soll. Wenn Sie zum ersten Mal Prompt Engineering betreiben und Ihnen der Unterschied (und das Zusammenspiel) dieser beiden Prompt-Typen noch nicht ganz klar ist, wird dies anhand einiger Beispiele im Folgenden deutlicher.

Definieren der Prompts

Nachdem wir uns mit dem AI Playground vertraut gemacht haben, wollen wir ihn nun zur Entwicklung unserer Prompts nutzen. Geben wir für den System-Prompt Folgendes ein und klicken Sie auf die Schaltfläche „Save“ (Speichern), um die Anweisung zu sichern:

Write a piece of creative with a title and a body that uses the user’s preferred price point and preferred holiday gifting subcategory. The focus should be on gifting during the holidays.

Für den User-Prompt können wir spezifische Anweisungen für eine unserer Varianten bereitstellen:

Create content for a low price point shopper with a holiday preferred subcategory of Ski.

Wenn wir diese Anweisung an das Modell senden, erhalten wir ein ziemlich interessantes Ergebnis (Abbildung 5).

Um den Inhalt leichter lesbar zu machen, finden Sie hier die gekürzte Ausgabe im Klartext:

Ski into the Holiday Season without Breaking the Bank

Are you a ski enthusiast on a budget? Do you want to show your loved ones that you care about their winter adventures without overspending? Look no further! We've got you covered with our top picks for affordable ski-themed gifts that won't break the bank.

Under $20:

* A warm and cozy beanie to keep their head and ears toasty on the slopes ($15)
* A set of ski-themed stickers or decals to decorate their water bottle or laptop ($10)
* A gift card to their favorite ski resort or coffee shop, so they can treat themselves to a hot chocolate or a lift ticket ($20) ....

Obwohl die Antwort schlüssig wirkt, gibt es einige Probleme. Erstens ist sie viel zu lang. Wir haben im System-Prompt keine Einschränkungen für die Länge des Inhalts festgelegt, was wir aber eindeutig tun sollten. Zweitens hat das Modell eine Reihe von Produkten (sogar mit Preisen!) vorgeschlagen, obwohl es eigentlich gar keine Kenntnis über die Artikel in unserem tatsächlichen Produktkatalog hat. Wir müssen also entweder Informationen zu bestimmten Produkten bereitstellen oder das Modell anweisen, den Inhalt allgemeiner zu halten und sich auf relevante Produktkategorien zu beziehen, die wir im Sortiment haben.

Vor diesem Hintergrund haben wir unseren System-Prompt wie folgt aktualisiert:

Write a piece of creative with a title and a body that uses the user’s preferred price point and preferred holiday gifting subcategory. The focus should be on gifting during the holidays. Focus on product categories in the output. Never include specific products in the output. Also, never include prices. Outputs should be brief and concise, no more than approximately 150 words.

Der User-Prompt lautet wie zuvor:

Create content for a low price point shopper with a holiday preferred subcategory of Ski.

Hinweis: Die AI Playground ist dialogorientiert aufgebaut und speichert den Verlauf früherer Prompts innerhalb der Sitzung. Um die Sitzung zurückzusetzen, können Sie die Seite aktualisieren, bevor Sie diese beiden neuen Prompts absenden.

Mit diesen beiden neuen Prompts erhalten wir eine ganz andere Modellantwort:

"Ski-tastic Stocking Stuffers"

Hit the slopes with a smile this holiday season! If you're looking for affordable gifts for the skier in your life, we've got you covered. Our collection of ski-themed treasures is sure to delight, without breaking the bank.

Browse our selection of cozy accessories, such as soft hats, warm gloves, and colorful scarves, perfect for adding a pop of personality to their ski gear. Or, opt for functional favorites like ski-themed water bottles, phone cases, and luggage tags. We also offer a range of fun and quirky ski-inspired decorations, like snowflake ornaments and mountain-themed magnets.

Whatever you choose, it's sure to be a gift that's "peak" perfection!

Die Ausgabe war zwar besser, aber immer noch etwas zu allgemein und schlug willkürliche Dinge wie Handyhüllen vor. Um das zu beheben, haben wir den Prompt angepasst. Wir betonen nun, dass sich der Geschenkeratgeber auf einen Sporteinzelhändler bezieht und der Fokus daher auf Sportartikeln liegen sollte:

System-Prompt:

You are writing copy for a sporting goods retailer. Outputs should focus on sporting good products. Write a piece of creative with a title and a body that uses the user's preferred price point and preferred holiday gifting subcategory. The focus should be on gifting during the holidays. Focus on product categories in the output. Never include specific products in the output. Also, never include prices. Outputs should be brief and concise, no more than approximately 150 words.

User-Prompt:

Create content for a low price point shopper with a holiday preferred subcategory of Ski.

Damit sieht die Antwort schon besser aus, auch wenn es noch kleine Makel gibt – wie den Einstieg mit „Hey Nervenkitzel-Sucher!“, was impliziert, dass die Leser für sich selbst einkaufen:

Hey thrill-seeker! Are you looking for affordable gifts for the skier in your life? Look no further! Our selection of ski accessories is the perfect way to show you care without breaking the bank. From warm and cozy hats and gloves to functional ski socks and goggles, we've got everything you need to keep your loved one on the slopes all season long. Plus, our ski bags and backpacks are perfect for carrying all their gear in style. Give the gift of a great ski season without sacrificing your holiday budget. Shop our affordable ski accessories today and make this winter one to remember!

Also haben wir den System-Prompt weiter verfeinert und dem Modell verdeutlicht, dass die Geschenke für jemand anderen und nicht für den Empfänger der E-Mail gedacht sind. Wir haben auch festgestellt, dass eine Beispiel-E-Mail hilft, an der das Modell seinen Inhalt strukturieren kann. Die Bereitstellung dieser E-Mail mit HTML-Formatierung half uns, ein Ergebnis zu erzielen, das sich leicht für unsere Zwecke anpassen ließ. Nach einigen weiteren Iterationsrunden sind wir schließlich bei diesen Prompts angelangt:

System-Prompt:

You are writing copy for a sporting goods retailer. Outputs should focus on sporting good products. Write a piece of creative with a title and a body that uses the user's preferred price point and preferred holiday gifting subcategory. The focus should be on gifting during the holidays. The person receiving the content is the gifter. They might not be personally interested in the featured subcategory. Focus on product categories in the output. Never include specific products in the output. Also, never include prices. Outputs should be brief and concise, no more than approximately 150 words. Reference the examples when crafting content.

Example low price point with a holiday preferred subcategory of ski
<title>
Gift Guide for Skiers this Holiday Season
</title>
<body>
Planning gifts for the skiers in your family? We've hand picked new gloves, goggles, and all the other ski essentials to stuff your stocking this holiday season.

**Ski Goggles**
Designed for clarity and protection, these goggles shield against snow glare and offer a snug fit for all-day comfort.

**Ski Gloves**
Stay warm with insulated gloves that provide excellent grip and waterproof protection for those chilly mountain runs.
...

</body>
Example high price point with a holiday preferred subcategory of hiking
<title>
Gift Guide for Hikers this Holiday Season
</title>
<body>

Planning gifts for the high-performance hikers in your family? We've hand picked the top-tier backpacks, hiking shoes, and all the other hiking gear to stuff your stocking this holiday season.

**Backpacks**
Durable and spacious, these backpacks are designed to carry all the essentials, featuring ergonomic straps for long treks.

**Hiking Shoes**
Engineered for challenging terrains, these shoes combine superior traction with weather-resistant materials for unmatched performance.
...
</body>

User-Prompt:

Create content for a low price point shopper with a holiday preferred subcategory of Ski.

Antwort:

<title> Stocking Stuffers for Skiers on a Budget</title> <body> Give the gift of warmth and comfort to the skiers in your life without breaking the bank. Our affordable ski accessories are perfect for stuffing stockings this holiday season.

Ski Socks Keep toes warm and dry with moisture-wicking ski socks that provide a snug fit and excellent arch support.

Ski Hats and Headbands Stay warm and stylish with our collection of ski hats and headbands, designed to keep the cold out and the warmth in.

Hand and Toe Warmers Keep hands and toes toasty on the slopes with our convenient and portable hand and toe warmers, perfect for a quick pick-me-up.

</body>

Wir waren mit diesem Ergebnis sehr zufrieden. Es ist klar auf das Schenken an Feiertagen ausgerichtet und passt perfekt zu den Vorlieben unserer Kundschaft. Damit das Modell dieses Ergebnis liefert, mussten wir sehr detaillierte Anweisungen geben. Der wichtigste Faktor war jedoch, dem Modell einen Beispieltext zur Anpassung bereitzustellen. Das hat das Verhalten des Modells hervorragend eingegrenzt und uns Inhalte geliefert, die praktisch sofort einsatzbereit sind. Wir haben den Prompt anschließend mit den anderen 20 Variationen für Preis- und Aktivitätspräferenzen getestet und durchweg gute Ergebnisse erzielt. Damit konnten wir unsere Prompt-Engineering-Phase erfolgreich abschließen.

Ergebnisse evaluieren

Wie bereits erwähnt, erfordert Prompt-Engineering viel Ausprobieren. Mit der Zeit lernt man den Umgang mit verschiedenen Modellen und versteht, welche Details in den Anweisungen nötig sind, um die gewünschten Ergebnisse zu erzielen. Die Notwendigkeit zu experimentieren verschwindet jedoch nie ganz.

Eine zentrale Frage, die sich oft stellt: Gibt es eine Möglichkeit, die Modellausgaben so zu evaluieren, dass wir gute und schlechte Ergebnisse zuverlässiger und konsistenter erkennen können? Es gibt zwar einige Metriken im Bereich der generativen KI, um Modellausgaben zu bewerten, doch diese erfüllen in der Praxis oft nicht unsere konkreten Anforderungen beim produktiven Einsatz von Modellen.

Wir können also den Prozess der manuellen Inhaltserstellung, den unsere Unternehmen bisher genutzt haben, reflektieren und uns daran orientieren. Wenn wir Marketingtexte manuell erstellen, gibt es in der Regel einen langwierigen Prozess, bei dem der Autor mit der Formulierung und den Einschränkungen der Kampagne ringt. Darauf folgen oft Überprüfungen, Bearbeitungen usw., die sicherstellen, dass der Text den Anforderungen des Unternehmens entspricht. Obwohl es sich um einen sehr vom Menschen gesteuerten Prozess handelt, bedeutet die Tatsache, dass so viel Zeit und so viele Augen darauf gerichtet waren, dass wir relativ zuversichtlich sind, dass das Endergebnis unseren Anforderungen entspricht.

Wenn wir uns diesen Prozess zu eigen machen, können wir unsere generativen Ausgaben immer noch in einen Human-in-the-Loop-Überprüfungsprozess einfließen lassen. Wenn wir die Anzahl der Varianten im Rahmen halten, wie die hier untersuchten 21 Varianten, spricht nichts dagegen, dass Teammitglieder jede einzelne überprüfen und bearbeiten und wir dennoch erhebliche Effizienzgewinne erzielen. Wenn wir den zusätzlichen Schritt gehen würden, die korrigierten Ausgaben wieder in unser Modell einzuspeisen (durch einen Prozess, der als Fine-Tuning bekannt ist, oder indem wir einfach gute und schlechte Ausgabebeispiele in den System-Prompt aufnehmen), könnten wir im Laufe der Zeit zu einem benutzerdefinierten Modell gelangen, das unsere Anforderungen mit immer weniger zusätzlichem Aufwand besser erfüllen kann.

Wir können auch die Kriterien explizit machen, die wir häufig zur Beurteilung von Marketinginhalten heranziehen. Indem wir codebasierte Prüfungen auf Rechtschreibfehler, unangemessene Sprache, Sentiment, Tonalität usw. unter Verwendung gängiger Bibliotheken und Techniken der natürlichen Sprachverarbeitung (NLP) in unseren Workflow integrieren, können wir unsere Marketer von vielen der eher banalen Elemente des Überprüfungsprozesses entlasten. Aber wir können noch einen Schritt weiter gehen.

Wenn Sie sich den unteren Teil der im AI Playground erzeugten Ausgabe ansehen, werden Sie eine Reihe von Bewertungen bemerken, die von einem AI Judge durchgeführt wurden (Abbildung 6).

Ein AI Judge ist nichts anderes als ein unabhängiges, oft ebenso leistungsstarkes oder leistungsstärkeres Modell, das aufgefordert wird, Inhalte daraufhin zu überprüfen, ob sie manchmal subtile Anforderungen erfüllen. Im AI Playground gibt es beispielsweise zum Zeitpunkt der Erstellung dieses Artikels zwei Fragen zur Sicherheit und Relevanz der Antwort. Sie könnten problemlos zahlreiche andere Kriterien für Ihren eigenen AI Judge entwickeln, die im Rahmen Ihres Workflows zur Inhaltserstellung bewertet werden, um so besser sicherzustellen, dass Inhalte, die Ihre Kriterien erfüllen, nur minimale menschliche Eingriffe erfordern, bevor sie an Kunden gesendet werden.

Nächste Schritte: Aufbau des Erstellungs- und Bereitstellungs-Workflows

Nachdem unsere Prompts definiert sind, können wir nun untersuchen, wie wir einen automatisierten Workflow für die Erstellung von Texten in großem Maßstab aufbauen und diese Texte dann mit einem Bereitstellungsmechanismus verbinden können. Im nächsten Blogbeitrag dieser Reihe zeigen wir, wie dies geschieht: Wir verbinden Databricks mit einer CDP, um auf Kundendaten zuzugreifen, generieren und bewerten Texte auf der Grundlage von Prompts, die wir wie hier definiert haben, und leiten die freigegebenen Texte dann an einen E-Mail-Zustelldienst weiter, um unsere Zielkunden zu erreichen. In der Zwischenzeit laden wir Sie ein, den Databricks AI Playground zu erkunden und sich selbst im Prompt-Engineering für die Inhaltserstellung zu versuchen.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag