Preparación para la temporada navideña con contenido de marketing más personalizado

En esta primera parte de una serie de blogs de dos partes, demostramos cómo la AI generativa combinada con los datos de los clientes puede ayudar a los equipos de marketing a generar contenido de marketing personalizado.

La temporada navideña es un momento clave para los minoristas y las marcas de consumo de US, y muchas empresas obtienen el 25% de sus ingresos anuales solo en noviembre y diciembre. Para las marcas especializadas en juguetes, juegos y pasatiempos, esta cifra puede llegar hasta el 34.5%. Esto hace que sea fundamental captar la atención de los consumidores mucho antes del periodo crítico de compras. Pero con tantas organizaciones compitiendo por esta atención, ¿cómo destacar y ganarse a unos clientes bombardeados con opciones?

Cada vez más, la respuesta es apostar por la personalización. El contenido de marketing personalizado, adaptado a las necesidades, intereses y preferencias de cada consumidor, es ampliamente reconocido como una forma eficaz de destacar entre el ruido y captar la atención de los compradores. Pero aunque puede mejorar los resultados en comparación con otros enfoques de marketing masivo, el costo en tiempo y esfuerzo para desarrollar contenido a menudo ha limitado qué tan personalizado puede llegar a ser.

Se suele hablar del marketing uno a uno, pero la verdad es que la mayor parte del contenido todavía se dirige a segmentos de cientos de miles o incluso varios millones de consumidores similares. Esto se debe simplemente a que los equipos de marketing tienen una capacidad limitada para desarrollar contenido para una campaña.

Sin embargo, la AI generativa alimentada por datos completos de los clientes puede ayudar a los equipos de marketing a llegar a grupos de consumidores más pequeños y específicos con mensajes altamente personalizados, sin dejar de alinearse con los objetivos generales de la campaña. Aunque el costo y la necesidad de revisar los resultados de las tecnologías generativas tal vez no permitan aún un verdadero marketing uno a uno, sí tienen el potencial de llevar el marketing personalizado al siguiente nivel, ayudando a las organizaciones a destacar mejor frente a la competencia con contenido más a la medida.

Demostración de la creación de contenido impulsada por AI

Volviendo al tema de la temporada navideña, queremos demostrar cómo utilizar la AI generativa para crear una guía de regalos navideños personalizada. Estas guías, que desde hace tiempo son un elemento básico del marketing navideño, suelen abarcar una amplia gama de intereses de los consumidores, por lo que los clientes potenciales tienen que buscar las secciones que les interesan. Esto nos brinda una excelente oportunidad para centrar el contenido en las necesidades e intereses de un comprador de regalos específico, lo que hace que sea mucho más probable que la guía resuene con él.

En esta serie de blogs, reimaginaremos la creación y entrega de una guía digital para una tienda ficticia de artículos deportivos. En lugar de enviar una única guía monolítica a los clientes que se considera probable que compren artículos navideños en este negocio, utilizaremos información sobre las categorías de regalos preferidas de cada destinatario y su sensibilidad al precio (basada en su historial previo de navegación y compras) para producir guías personalizadas para cada de las 21 intersecciones de 7 categorías reconocidas y 3 niveles de sensibilidad al precio.

En esta primera entrega de nuestra serie, abordaremos el desafío de lograr que un modelo de AI generativa produzca resultados confiables y de alta calidad. En el segundo blog, desarrollaremos un flujo de trabajo de extremo a extremo para automatizar la creación de contenido y el envío de correos electrónicos.

Uso de AI Playground

El desarrollo de un conjunto de instrucciones que activen un modelo de AI generativa para producir el contenido que necesitamos se conoce como ingeniería de prompts. La ingeniería de prompts es un proceso altamente iterativo, uno que requiere mucho (¡y queremos decir mucho!) ensayo y error. Debido a la gran inversión de tiempo que la mayoría de las organizaciones realizarán en esta actividad, Databricks ha lanzado una interfaz de usuario interactiva conocida como AI Playground para simplificar el proceso (Figura 1).

Al momento de escribir esto, AI Playground está preconfigurado para utilizar el modelo Meta Llama 3.1 70B Instruct. Usando el menú desplegable en la parte superior central de la pantalla de AI Playground, puedes seleccionar otros modelos preinstalados dentro del entorno de Databricks o incluso modelos preconfigurados por tus administradores de Databricks. También puedes elegir múltiples modelos para ejecutarlos uno al lado del otro, lo que te permite comparar el resultado de un prompt compartido. Pero para este ejercicio, nos centraremos en el modo predeterminado único (Figura 2).

Además de seleccionar un modelo, también podemos configurar varias opciones que controlan el comportamiento de cada modelo (Figura 3). Sugerimos dejar estos valores predeterminados durante el desarrollo inicial del prompt y luego jugar con ellos para ver cómo afectan a los resultados.

Pasando a los prompts, debes tener en cuenta que normalmente se emplean dos tipos de prompts durante la creación de contenido. Puedes ver las opciones para estos dos prompts, conocidos como prompt de sistema y prompt de usuario, hacia la parte inferior de la pantalla de AI Playground (Figura 4).

El prompt de sistema suele ser la instrucción general sobre cómo debe comportarse el LLM. Establece el tono, el contexto y las restricciones para las tareas que debe realizar el modelo de AI generativa, como la estructura de nuestra guía navideña. Esto difiere del prompt de usuario, donde a menudo proporcionamos los detalles específicos de una solicitud particular, como el público de la guía navideña específica que necesitamos que produzca el modelo. Si esta es tu primera vez haciendo ingeniería de prompts y aún no tienes claro en qué se diferencian estos dos tipos de prompts (y cómo interactúan), debería ser más fácil de ver a medida que avanzamos en algunos ejemplos.

Definición de los prompts

Una vez superada la orientación sobre AI Playground, utilizémoslo ahora para desarrollar nuestros prompts. Para el prompt de sistema, especifiquemos lo siguiente, haciendo clic en el botón Guardar para conservar la instrucción:

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.

Para el prompt de usuario, podemos proporcionar instrucciones específicas para una de nuestras variantes:

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

Cuando enviamos esta instrucción al modelo, obtenemos un resultado bastante interesante (Figura 5).

Para que el contenido sea más fácil de leer, aquí está el resultado en texto sin formato, truncado para mayor brevedad:

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) ....

Aunque la respuesta parece coherente, tiene algunos problemas. Primero, es demasiado larga. No incluimos ninguna restricción de longitud de contenido en el prompt del sistema, pero es evidente que debemos hacerlo. Segundo, el modelo sugirió varios productos (¡con precios!), cuando en realidad no tiene conocimiento de los artículos de nuestro catálogo de productos real. Necesitamos proporcionarle información sobre productos específicos o pedirle que eleve el contenido para hacer referencia a categorías relevantes de artículos que ofrecemos.

Con esto en mente, actualizamos nuestro prompt del sistema para que diga lo siguiente:

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.

El prompt del usuario sigue siendo el mismo:

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

Nota: El AI Playground está diseñado para ser conversacional y conservará la memoria de los prompts anteriores dentro de la sesión. Para limpiar la sesión, es posible que desee actualizar la página antes de enviar estos dos nuevos prompts.

Con estos dos nuevos prompts, obtenemos una respuesta del modelo muy diferente:

"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!

Aunque el resultado fue mejor, resultó un poco genérico y parecía sugerir cosas aleatorias como fundas para teléfonos. Para solucionar esto, actualizamos el prompt para enfatizar que la guía de regalos pertenece a una tienda de artículos deportivos y, por lo tanto, el enfoque debe centrarse en productos deportivos:

Prompt del sistema:

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.

Prompt del usuario:

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

Con esto, la respuesta empieza a verse mejor, aunque todavía hay algunos detalles extraños, como comenzar con "¡Hola, amante de la adrenalina!", lo que sugiere que el lector estaría comprando para sí mismo:

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!

Así que seguimos puliendo el prompt del sistema, indicándole al modelo que los regalos eran para otra persona y no para el destinatario del correo electrónico. También descubrimos que proporcionar un correo electrónico de ejemplo sobre el cual el modelo pudiera estructurar su contenido resultaba de ayuda, y que proporcionar ese correo con formato HTML nos ayudó a generar un resultado que se pudiera transformar fácilmente para satisfacer nuestras necesidades de entrega. Así que, tras varias rondas más de iteración, finalmente llegamos a estos prompts:

Prompt del sistema:

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>

Prompt del usuario:

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

Respuesta:

<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>

Quedamos muy satisfechos con este resultado. Está claramente orientado a los regalos navideños y se adapta a las preferencias de regalo de nuestro comprador. Para lograr que el modelo devolviera este resultado, tuvimos que proporcionar muchos detalles en la instrucción, pero el elemento más importante parece ser darle al modelo un texto de ejemplo para que lo modifique. Esto parece haber limitado su comportamiento de manera muy efectiva, proporcionándonos un contenido que está casi listo para enviarse. Luego probamos el prompt con las otras 20 variaciones de precio y preferencia de actividad, y vimos que obtuvimos resultados bastante buenos, lo que nos permitió finalizar nuestros esfuerzos de ingeniería de prompts.

Evaluación de los resultados

Como se mencionó anteriormente, la ingeniería de prompts requiere mucha prueba y error. Con el tiempo, uno comienza a sentirse cómodo con diferentes modelos y a comprender qué tipo de detalles se necesitan en las instrucciones para obtener los resultados deseados, pero la necesidad de experimentar nunca desaparece por completo.

Una pregunta clave que suele surgir es: ¿existe alguna forma de evaluar los resultados del modelo para poder identificar de manera más confiable y consistente los resultados buenos y malos? Aunque existen algunas métricas utilizadas en el campo de la AI generativa para evaluar los resultados de los modelos, estas métricas a menudo no satisfacen nuestras necesidades cuando implementamos modelos para aplicaciones prácticas.

Por lo tanto, podemos reflexionar sobre el proceso de creación manual de contenido que nuestras organizaciones han estado utilizando hasta ahora y tomar algunas ideas de ahí. Cuando creamos textos de marketing de forma manual, suele haber un proceso largo en el que el autor lucha con el lenguaje y las limitaciones de la campaña. A esto le suelen seguir revisiones, ediciones, etc., que garantizan que el texto cumpla con las necesidades de la organización. Aunque es un proceso muy impulsado por humanos, el hecho de que se le haya dedicado tanto tiempo y tantas miradas significa que tenemos una confianza relativa en que el resultado final se alinea con nuestras necesidades.

Si adoptamos este proceso, aún podemos incorporar nuestros resultados generativos a un proceso de revisión con intervención humana (human-in-the-loop). Si mantenemos el número de variaciones dentro de lo razonable, como las 21 variaciones analizadas aquí, no hay razón por la que no podamos hacer que los miembros del equipo revisen y editen cada una y, aun así, lograr mejoras significativas en términos de eficiencia. Si diéramos el paso adicional de volver a introducir los resultados corregidos en nuestro modelo (a través de un proceso conocido como ajuste fino [fine-tuning] o simplemente incluyendo ejemplos de buenos y malos resultados en el prompt del sistema), podríamos llegar a un modelo personalizado que, con el tiempo, sea más capaz de cumplir con nuestros requisitos con cada vez menos esfuerzo adicional.

También podemos hacer explícitos los criterios que utilizamos con frecuencia para evaluar el contenido de marketing. Al incorporar en nuestro flujo de trabajo comprobaciones basadas en código para detectar errores ortográficos, lenguaje inapropiado, sentimiento, tono, etc., utilizando bibliotecas y técnicas populares de procesamiento de lenguaje natural, podemos liberar a nuestros especialistas en marketing de muchos de los elementos más rutinarios del proceso de revisión. Pero aún podemos ir un paso más allá.

Si miras en la parte inferior del resultado generado dentro de AI Playground, notarás un conjunto de evaluaciones realizadas por un AI Judge (Figura 6).

Un AI Judge no es más que un modelo independiente, a menudo igual de potente o más potente, al que se le pide que examine el contenido para ver si cumple con requisitos que a veces son sutiles. Por ejemplo, en AI Playground, al momento de escribir este artículo, hay dos preguntas sobre la seguridad y la relevancia de la respuesta. Podrías diseñar fácilmente muchos otros criterios para que tu propio AI Judge los evalúe como parte de tu flujo de trabajo de creación de contenido, garantizando así que el contenido que cumpla con tus criterios requiera una intervención humana mínima antes de enviarse a los clientes.

Próximos pasos: Creación del flujo de trabajo de creación y entrega

Con nuestros prompts definidos, ahora podemos explorar cómo crear un flujo de trabajo automatizado para crear textos a escala y luego conectar estos textos con un mecanismo de entrega. En el próximo blog de esta serie, mostraremos cómo se hace esto, conectando Databricks con un CDP para acceder a los detalles del cliente, generando y evaluando textos basados en prompts definidos como lo hemos hecho aquí, y luego pasando el texto aprobado a un servicio de entrega de correo electrónico para llegar a nuestros clientes objetivo. Mientras tanto, te invitamos a explorar Databricks AI Playground y probar suerte con la ingeniería de prompts para la creación de contenido.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original