Préparer la saison des fêtes avec du contenu marketing plus personnalisé

Dans cette première partie d'une série de blogs en deux volets, nous démontrons comment l'AI générative, associée aux données clients, peut aider les équipes marketing à générer du contenu marketing personnalisé.

La saison des fêtes est une période clé pour les détaillants et les marques grand public aux US, de nombreuses entreprises réalisant 25 % de leur chiffre d'affaires annuel en novembre et décembre seulement. Pour les marques spécialisées dans les jouets, les jeux et les loisirs, ce chiffre peut grimper jusqu'à 34,5 %. Il est donc essentiel de capter l'attention des consommateurs bien avant cette période d'achat cruciale. Mais avec autant d'organisations qui se disputent cette attention, comment se démarquer et séduire des clients bombardés d'options ?

De plus en plus, la réponse consiste à miser sur la personnalisation. Le contenu marketing personnalisé, adapté aux besoins, aux intérêts et aux préférences de chaque consommateur, est largement reconnu comme un moyen efficace de se démarquer et d'attirer l'attention des acheteurs. Cependant, bien qu'il permette d'améliorer les résultats par rapport à d'autres approches de marketing de masse, le coût en temps et en efforts pour développer ce contenu a souvent limité son niveau de personnalisation réelle.

On parle souvent de marketing individualisé, mais en réalité, la plupart des contenus s'adressent encore à des segments de centaines de milliers, voire de plusieurs millions de consommateurs similaires. C'est tout simplement parce que les équipes marketing ont une capacité limitée pour développer du contenu autour d'une campagne.

Pourtant, l'AI générative alimentée par des données clients complètes peut aider les équipes marketing à toucher des groupes de consommateurs plus restreints et plus spécifiques avec des messages hautement personnalisés, tout en restant alignées sur les objectifs plus larges de la campagne. Bien que le coût et la nécessité de réviser les résultats des technologies génératives ne permettent pas encore un véritable marketing individualisé, elles ont le potentiel de franchir un nouveau cap dans le marketing personnalisé, aidant les organisations à mieux se démarquer de la concurrence grâce à un contenu plus adapté.

Démonstration de la création de contenu pilotée par l'AI

Pour en revenir au thème de la saison des fêtes, nous voulons vous montrer comment utiliser l'AI générative pour créer un guide de cadeaux personnalisé. Ces guides, qui sont depuis longtemps un incontournable du marketing des fêtes, s'adressent souvent à de larges pans d'intérêts des consommateurs, de sorte que les clients potentiels doivent chercher les sections qui les intéressent. Cela nous offre une excellente occasion de cibler le contenu sur les besoins et les intérêts d'un acheteur de cadeaux spécifique, ce qui rend le guide beaucoup plus susceptible de résonner en lui.

Dans cette série de blogs, nous allons réinventer la création et la diffusion d'un guide numérique pour un détaillant fictif d'articles de sport. Au lieu d'un guide monolithique envoyé aux clients jugés susceptibles d'acheter des articles de fête auprès de cette entreprise, nous utiliserons les informations sur les catégories de cadeaux préférées de chaque destinataire et leur sensibilité aux prix (basées sur leur historique de navigation et d'achat) pour produire des guides personnalisés pour chacune des 21 intersections de 7 catégories reconnues et 3 niveaux de sensibilité aux prix.

Dans ce premier article de notre série, nous aborderons le défi consistant à amener un modèle d'AI générative à produire des résultats fiables et de haute qualité. Dans le second blog, nous développerons un flux de travail de bout en bout pour automatiser la création de contenu et l'envoi d'e-mails.

Utilisation de l'AI Playground

Le développement d'un ensemble d'instructions qui incitera un modèle d'AI générative à produire le contenu dont nous avons besoin est appelé prompt engineering. Le prompt engineering est un processus hautement itératif, qui nécessite beaucoup – et nous disons bien beaucoup ! – d'essais et d'erreurs. En raison de l'investissement en temps considérable que la plupart des organisations consacreront à cette activité, Databricks a lancé une interface utilisateur interactive appelée AI Playground pour simplifier le processus (Figure 1).

À l'heure où nous écrivons ces lignes, l'AI Playground est préconfiguré pour utiliser le modèle Meta Llama 3.1 70B Instruct. À l'aide du menu déroulant situé en haut au centre de l'écran du playground, vous pouvez sélectionner d'autres modèles préinstallés dans l'environnement Databricks ou même des modèles préconfigurés par vos administrateurs Databricks. Vous pouvez également choisir plusieurs modèles à exécuter côte à côte, ce qui vous permet de comparer les résultats d'un prompt partagé. Mais pour cet exercice, nous nous concentrerons sur le mode par défaut unique (Figure 2).

En plus de sélectionner un modèle, nous pouvons également configurer un certain nombre d'options contrôlant le comportement de chaque modèle (Figure 3). Nous vous suggérons de conserver les valeurs par défaut lors du développement initial du prompt, puis de jouer plus tard avec ces valeurs pour voir comment elles affectent vos résultats.

Pour en venir aux prompts, vous devez noter qu'il existe deux types de prompts généralement utilisés lors de la création de contenu. Vous pouvez voir les options pour ces deux prompts, appelés prompt système et prompt utilisateur, vers le bas de l'écran de l'AI Playground (Figure 4).

Le prompt système est généralement l'instruction globale sur la façon dont le LLM doit se comporter. Il définit le ton, le contexte et les contraintes pour les tâches que le modèle d'AI générative doit accomplir, comme la structure de notre guide des fêtes. Cela diffère du prompt utilisateur, où nous fournissons souvent les détails spécifiques d'une demande particulière, comme le public cible du guide des fêtes spécifique que nous voulons que le modèle produise. Si c'est la première fois que vous faites du prompt engineering et que la différence entre ces deux types de prompts (et leur interaction) n'est pas encore claire, cela devrait être plus facile à comprendre à travers quelques exemples.

Définition des prompts

Maintenant que nous nous sommes familiarisés avec l'AI Playground, utilisons-le pour développer nos prompts. Pour le prompt système, spécifions ce qui suit, en cliquant sur le bouton Enregistrer pour conserver l'instruction :

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.

Pour le prompt utilisateur, nous pouvons fournir des instructions spécifiques à l'une de nos variantes :

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

Lorsque nous envoyons cette instruction au modèle, nous obtenons un résultat assez intéressant (Figure 5).

Pour rendre le contenu plus facile à lire, voici le résultat en texte brut, tronqué pour plus de brièveté :

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) ....

Bien que la réponse semble cohérente, elle présente quelques problèmes. Tout d'abord, elle est beaucoup trop longue. Nous n'avons pas défini de restrictions de longueur de contenu dans le prompt système, mais nous devons clairement le faire. Deuxièmement, le modèle a suggéré plusieurs produits (avec des prix !), alors qu'il n'a en fait aucune connaissance des articles de notre catalogue de produits réel. Nous devons soit fournir des informations sur des produits spécifiques, soit lui demander d'élever le niveau du contenu pour aborder des catégories d'articles pertinentes que nous proposons.

Dans cette optique, nous avons mis à jour notre prompt système comme suit :

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.

Le prompt utilisateur reste le même :

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

Remarque : L'AI Playground est conçu pour être conversationnel et conserve la mémoire des prompts précédents au cours de la session. Pour réinitialiser la session, vous pouvez rafraîchir la page avant de soumettre ces deux nouveaux prompts.

Avec ces deux nouveaux prompts, nous obtenons une réponse de modèle très différente :

"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!

Bien que le résultat soit meilleur, il était un peu trop générique et semblait proposer des suggestions d'articles aléatoires comme des coques de téléphone. Pour y remédier, nous avons mis à jour le prompt afin de souligner que le guide de cadeaux concerne un détaillant d'articles de sport et que l'accent doit donc être mis sur les produits de sport :

Prompt système :

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 utilisateur :

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

Grâce à cela, la réponse commence à s'améliorer, même s'il reste quelques bizarreries, comme commencer par « Salut, amateur de sensations fortes ! », ce qui laisse penser que le lecteur fait des achats pour lui-même :

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!

Nous avons donc continué à affiner le prompt système, en indiquant au modèle que les cadeaux étaient destinés à quelqu'un d'autre, et non au destinataire de l'e-mail. Nous avons également constaté que le fait de fournir un exemple d'e-mail à partir duquel le modèle pouvait structurer son contenu était utile, et que le fait de fournir cet e-mail avec un formatage HTML nous a permis de produire un résultat facilement adaptable à nos besoins de diffusion. Ainsi, après plusieurs autres cycles d'itération, nous sommes enfin parvenus à ces prompts :

Prompt système :

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 utilisateur :

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

Réponse :

<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>

Nous avons été très satisfaits de ce résultat. Il est clairement orienté vers les cadeaux de fin d'année et répond aux préférences de notre acheteur en matière de cadeaux. Pour obtenir ce résultat de la part du modèle, nous avons dû fournir beaucoup de détails dans les instructions, mais l'élément le plus important semble être de lui donner un exemple de texte à modifier. Cela semble avoir très bien encadré son comportement, nous fournissant un contenu presque prêt à être diffusé. Nous avons ensuite testé le prompt avec les 20 autres variations de prix et de préférences d'activité, et nous avons constaté que nous obtenions d'assez bons résultats, ce qui nous a permis de finaliser nos efforts d'ingénierie de prompts.

Évaluer les résultats

Comme mentionné précédemment, l'ingénierie de prompts nécessite de nombreux essais et erreurs. Avec le temps, on commence à se familiariser avec différents modèles, à comprendre le type de détails requis dans les instructions pour obtenir les résultats souhaités, mais le besoin d'expérimentation ne disparaît jamais complètement.

Une question essentielle se pose souvent : existe-t-il un moyen d'évaluer les sorties du modèle afin de reconnaître de manière plus fiable et cohérente les bons et les mauvais résultats ? Bien qu'il existe certaines métriques utilisées dans le domaine de l'AI générative pour évaluer les sorties des modèles, ces métriques ne répondent pas toujours à nos besoins lorsque nous déployons des modèles pour des applications pratiques.

Nous pouvons donc réfléchir au processus de création manuelle de contenu que nos organisations ont utilisé jusqu'à présent et nous en inspirer. Lorsque nous créons manuellement des textes marketing, l'auteur doit généralement faire face à un long processus pour composer avec la langue et les contraintes de la campagne. Ce processus est souvent suivi de révisions, de modifications, etc., qui garantissent que le texte répond aux besoins de l'organisation. Bien qu'il s'agisse d'un processus très humain, le fait que tant de temps et d'attention y aient été consacrés signifie que nous avons une confiance relative dans le fait que le résultat final correspond à nos besoins.

Si nous adoptons ce processus, nous pouvons tout de même intégrer nos résultats génératifs dans un processus de révision humaine (human-in-the-loop). Si nous limitons le nombre de variations à un niveau raisonnable, comme les 21 variations examinées ici, il n'y a aucune raison pour que les membres de l'équipe ne puissent pas réviser et modifier chacune d'entre elles, tout en réalisant des gains d'efficacité significatifs. Si nous allions plus loin en réinjectant les résultats corrigés dans notre modèle (par un processus appelé fine-tuning ou simplement en incluant des exemples de bons et de mauvais résultats dans le prompt système), nous pouriions obtenir un modèle personnalisé plus apte, au fil du temps, à répondre à nos exigences avec de moins en moins d'efforts supplémentaires.

Nous pouvons également expliciter les critères que nous utilisons fréquemment pour évaluer le contenu marketing. En intégrant dans notre flux de travail des vérifications basées sur du code pour les fautes d'orthographe, le langage inapproprié, le sentiment, le ton, etc., à l'aide de bibliothèques et de techniques de traitement du langage naturel populaires, nous pouvons décharger nos marketeurs de nombreux aspects fastidieux du processus de révision. Mais nous pouvons aller encore plus loin.

Si vous regardez au bas du résultat généré dans l'AI Playground, vous remarquerez un ensemble d'évaluations réalisées par un AI Judge (Figure 6).

Un AI Judge n'est rien d'autre qu'un modèle indépendant, souvent tout aussi puissant ou plus puissant, auquel on demande d'examiner le contenu pour vérifier s'il répond à des exigences parfois subtiles. For exemple, dans l'AI Playground, il y a au moment de la rédaction de cet article deux questions concernant la sécurité et la pertinence de la réponse. Vous pourriez facilement concevoir de nombreux autres critères à évaluer par votre propre AI Judge dans le cadre de votre flux de travail de création de contenu, garantissant ainsi que le contenu répondant à vos critères nécessite une intervention humaine minimale avant d'être envoyé aux clients.

Étapes suivantes : concevoir le flux de travail de création et de diffusion

Une fois nos prompts définis, nous pouvons maintenant explorer comment concevoir un flux de travail automatisé pour créer des textes à grande échelle, puis connecter ces textes à un mécanisme de diffusion. Dans le prochain article de cette série, nous montrerons comment procéder, en connectant Databricks à une CDP afin d'accéder aux informations des clients, en générant et en évaluant les textes sur la base de prompts définis comme nous l'avons fait ici, puis en transmettant les textes approuvés à un service d'envoi d'e-mails afin de toucher nos clients cibles. En attendant, nous vous invitons à explorer l'Databricks AI Playground et à vous essayer au prompt engineering pour la création de contenu.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original