Prepararsi al periodo delle festività con contenuti di marketing più personalizzati

In questa prima parte di una serie di blog in due parti, mostriamo come l'AI generativa, unita ai dati dei clienti, possa aiutare i team di marketing a generare contenuti di marketing personalizzati.

Il periodo delle festività natalizie è un momento chiave per i rivenditori e i brand di consumo negli US, con molte aziende che realizzano il 25% del loro fatturato annuale solo nei mesi di novembre e dicembre. Per i brand specializzati in giocattoli, giochi e hobby, questa quota può salire fino al 34,5%. Questo rende essenziale catturare l'attenzione dei consumatori con largo anticipo rispetto al periodo cruciale degli acquisti. Ma con così tante organizzazioni che competono per questa attenzione, come si fa a distinguersi e a conquistare clienti bombardati di opzioni?

Sempre più spesso, la risposta è puntare sulla personalizzazione. I contenuti di marketing personalizzati, su misura per le esigenze, gli interessi e le preferenze dei singoli consumatori, sono ampiamente riconosciuti come un modo efficace per superare il rumore di fondo e catturare l'attenzione degli acquirenti. Ma se da un lato possono migliorare i risultati rispetto ad altri approcci di marketing di massa, dall'altro il costo in termini di tempo e fatica per lo sviluppo dei contenuti ha spesso limitato il livello effettivo di personalizzazione.

Si parla spesso di marketing "one-to-one", ma la verità è che la maggior parte dei contenuti si rivolge ancora a segmenti di centinaia di migliaia o addirittura milioni di consumatori simili. Questo accade semplicemente perché i team di marketing hanno una capacità limitata di sviluppare contenuti per una campagna.

Tuttavia, l'AI generativa basata su dati completi dei clienti può aiutare i team di marketing a raggiungere gruppi di consumatori più piccoli e specifici con messaggi altamente personalizzati, pur rimanendo in linea con gli obiettivi più ampi della campagna. Sebbene i costi e la necessità di verificare i risultati delle tecnologie generative possano non consentire ancora un vero marketing "one-to-one", questa tecnologia ha il potenziale per sbloccare il livello successivo del marketing personalizzato, aiutando le organizzazioni a distinguersi meglio dalla concorrenza con contenuti più mirati.

Dimostrazione della creazione di contenuti basata sull'AI

Tornando al tema delle festività natalizie, vogliamo mostrare come utilizzare l'AI generativa per creare una guida ai regali di Natale personalizzata. Queste guide, da tempo un elemento fondamentale del marketing natalizio, spesso si rivolgono a un'ampia gamma di interessi dei consumatori, costringendo i potenziali clienti a cercare le sezioni di loro interesse. Questo ci offre un'eccellente opportunità per focalizzare il contenuto sulle esigenze e sugli interessi di chi deve fare un regalo specifico, rendendo molto più probabile che la guida sia di suo gradimento.

In questa serie di blog, reinventeremo la creazione e la distribuzione di una guida digitale per un rivenditore fittizio di articoli sportivi. Invece di un'unica guida monolitica inviata ai clienti ritenuti propensi ad acquistare articoli natalizi da questa attività, utilizzeremo le informazioni sulle categorie di regali preferite da ciascun destinatario e sulla sua sensibilità al prezzo (in base alla cronologia di navigazione e acquisto precedente) per produrre guide personalizzate per ciascuna delle 21 intersezioni tra 7 categorie identificate e 3 livelli di sensibilità al prezzo.

In questo primo articolo della serie, affronteremo la sfida di far produrre a un modello di AI generativa risultati affidabili e di alta qualità. Nel secondo blog, svilupperemo un flusso di lavoro end-to-end per automatizzare la creazione di contenuti e l'invio di e-mail.

Utilizzo dell'AI Playground

Sviluppare un insieme di istruzioni che spingano un modello di AI generativa a produrre i contenuti richiesti è noto come prompt engineering. Il prompt engineering è un processo altamente iterativo, che richiede molti – e intendiamo davvero molti! – tentativi ed errori. A causa del notevole investimento di tempo che la maggior parte delle organizzazioni dedica a questa attività, Databricks ha rilasciato un'interfaccia utente interattiva nota come AI Playground per semplificare il processo (Figura 1).

Mentre scriviamo questo articolo, l'AI Playground è preconfigurato per utilizzare il modello Meta Llama 3.1 70B Instruct. Utilizzando il menu a discesa in alto al centro della schermata del playground, puoi selezionare altri modelli preinstallati all'interno dell'ambiente Databricks o persino modelli preconfigurati dai tuoi amministratori Databricks. Puoi anche scegliere più modelli da eseguire affiancati, consentendoti di confrontare i risultati di un prompt condiviso. Ma per questo esercizio, ci concentreremo sulla modalità predefinita (Figura 2).

Oltre a selezionare un modello, possiamo anche configurare una serie di opzioni che controllano il comportamento di ciascun modello (Figura 3). Ti consigliamo di lasciare i valori predefiniti durante lo sviluppo iniziale del prompt e di sperimentare in seguito con questi valori per vedere come influiscono sui risultati.

Passando ai prompt, noterai che esistono due tipi di prompt solitamente impiegati durante la creazione di contenuti. Puoi vedere le opzioni per questi due prompt, noti come prompt di sistema (system prompt) e prompt utente (user prompt), verso la parte inferiore della schermata dell'AI Playground (Figura 4).

Il prompt di sistema è in genere l'istruzione generale su come l'LLM dovrebbe comportarsi. Definisce il tono, il contesto e i vincoli per le attività che il modello di AI generativa deve eseguire, ad esempio come strutturare la nostra guida ai regali. Questo differisce dal prompt utente, in cui spesso forniamo i dettagli specifici di una particolare richiesta, come il pubblico per la guida specifica che vogliamo che il modello produca. Se è la prima volta che ti cimenti nel prompt engineering e non ti è ancora chiaro come questi due tipi di prompt differiscano (e come interagiscano), sarà più facile capirlo esaminando alcuni esempi.

Definizione dei prompt

Dopo aver preso confidenza con l'AI Playground, utilizziamolo ora per sviluppare i nostri prompt. Per il prompt di sistema, specifichiamo quanto segue, facendo clic sul pulsante Salva per salvare l'istruzione:

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.

Per il prompt utente, possiamo fornire istruzioni specifiche per una delle nostre varianti:

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

Quando inviamo questa istruzione al modello, otteniamo un risultato piuttosto interessante (Figura 5).

Per rendere il contenuto più facilmente leggibile, ecco l'output in formato testo, abbreviato per ragioni di spazio:

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) ....

Sebbene la risposta sembri coerente, presenta alcuni problemi. In primo luogo, è decisamente troppo lunga. Non abbiamo inserito alcuna restrizione sulla lunghezza del contenuto nel prompt di sistema, ma è chiaro che dobbiamo farlo. In secondo luogo, il modello ha suggerito una serie di prodotti (con tanto di prezzi!) quando in realtà non ha alcuna conoscenza degli articoli presenti nel nostro catalogo prodotti reale. Dobbiamo fornire informazioni su prodotti specifici o chiedergli di elevare il contenuto per fare riferimento a categorie pertinenti di articoli che trattiamo.

Con questo in mente, abbiamo aggiornato il nostro prompt di sistema come segue:

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.

Il prompt dell'utente è lo stesso di prima:

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

Nota: L'AI Playground è progettato per essere conversazionale e manterrà la memoria dei prompt precedenti all'interno della sessione. Per svuotare la sessione, potrebbe essere utile aggiornare la pagina prima di inviare questi due nuovi prompt.

Con questi due nuovi prompt, otteniamo una risposta del modello molto diversa:

"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!

Sebbene l'output fosse migliore, era un po' troppo generico e sembrava proporre suggerimenti per articoli casuali come le custodie per telefoni. Per risolvere questo problema, abbiamo aggiornato il prompt per sottolineare che la guida ai regali si riferisce a un rivenditore di articoli sportivi e che quindi l'attenzione dovrebbe concentrarsi su prodotti sportivi:

Prompt di 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 dell'utente:

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

In questo modo, la risposta inizia a sembrare migliore, anche se ci sono ancora alcune stranezze, come l'apertura con “Ehi, amante del brivido!” che suggerisce che il lettore stia facendo acquisti per se stesso:

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!

Quindi abbiamo continuato a perfezionare il prompt di sistema, facendo capire al modello che i regali erano destinati a qualcun altro e non al destinatario dell'e-mail. Abbiamo anche scoperto che fornire un'e-mail di esempio su cui il modello potesse strutturare il proprio contenuto è stato d'aiuto, e fornire tale e-mail con la formattazione HTML ci ha aiutato a produrre un risultato facilmente trasformabile per soddisfare le nostre esigenze di invio. Così, dopo diversi altri cicli di iterazione, siamo finalmente arrivati a questi prompt:

Prompt di 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 dell'utente:

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

Risposta:

<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>

Siamo rimasti molto soddisfatti di questo risultato. È chiaramente orientato ai regali per le festività e risponde alle preferenze di acquisto dei nostri clienti. Per fare in modo che il modello restituisse questo risultato, abbiamo dovuto fornire molti dettagli nelle istruzioni, ma l'elemento più importante sembra essere stato quello di fornire al modello un testo di esempio da modificare. Questo sembra aver limitato il suo comportamento in modo ottimale, fornendoci un contenuto che è quasi pronto per essere inviato. Abbiamo poi testato il prompt con le altre 20 variazioni di prezzo e preferenze di attività e abbiamo visto che abbiamo ottenuto risultati ragionevolmente buoni, permettendoci di finalizzare le nostre attività di prompt engineering.

Valutazione dei risultati

Come menzionato in precedenza, il prompt engineering richiede molti tentativi ed errori. Con il tempo si inizia a prendere confidenza con i diversi modelli, comprendendo il tipo di dettagli necessari nelle istruzioni per ottenere i risultati desiderati, ma la necessità di sperimentare non scompare mai del tutto.

Una domanda chiave che spesso sorge spontanea: esiste un modo per valutare gli output del modello in modo da riconoscere in modo più affidabile e coerente i risultati positivi e negativi? Sebbene esistano alcune metriche utilizzate nel campo dell'AI generativa per valutare gli output dei modelli, queste metriche spesso non soddisfano le nostre esigenze quando utilizziamo i modelli per applicazioni pratiche.

Quindi, potremmo riflettere sul processo di creazione manuale dei contenuti che le nostre organizzazioni hanno utilizzato fino a questo momento e trarre qualche spunto da lì. Quando creiamo manualmente testi di marketing, di solito c'è un lungo processo in cui l'autore si confronta con il linguaggio e i vincoli della campagna. Questo è spesso seguito da revisioni, modifiche, ecc. che assicurano che il testo soddisfi le esigenze dell'organizzazione. Sebbene si tratti di un processo fortemente guidato dall'uomo, il fatto che vi siano stati dedicati così tanto tempo e così tante attenzioni ci dà una relativa sicurezza che il risultato finale sia in linea con le nostre esigenze.

Se adottiamo questo processo, possiamo comunque inserire i nostri output generativi in un processo di revisione human-in-the-loop. Se manteniamo il numero di variazioni entro limiti ragionevoli, come le 21 variazioni esaminate qui, non c'è motivo per cui i membri del team non possano rivedere e modificare ciascuna di esse, ottenendo comunque vantaggi significativi in termini di efficienza. Se facessimo un ulteriore passo avanti reinserendo gli output corretti nel nostro modello (attraverso un processo noto come fine-tuning o semplicemente includendo esempi di output positivi e negativi nel prompt di sistema), potremmo arrivare a un modello personalizzato in grado, nel tempo, di soddisfare meglio i nostri requisiti con sempre meno sforzo aggiuntivo.

Possiamo anche rendere espliciti i criteri che utilizziamo frequentemente per valutare i contenuti di marketing. Integrando nel nostro flusso di lavoro controlli basati sul codice per errori di ortografia, linguaggio inappropriato, sentiment, tono, ecc., utilizzando librerie e tecniche di elaborazione del linguaggio naturale diffuse, possiamo sollevare i nostri marketer da molti degli elementi più ripetitivi del processo di revisione. Ma possiamo fare ancora un passo avanti.

Se guardi in fondo all'output generato all'interno di AI Playground, noterai una serie di valutazioni eseguite da un AI Judge (Figura 6).

Un AI Judge non è altro che un modello indipendente, spesso altrettanto o più potente, a cui viene chiesto di esaminare i contenuti per verificare se soddisfano requisiti a volte sottili. Ad esempio, in AI Playground, al momento della stesura di questo articolo, sono presenti due domande relative alla sicurezza e alla pertinenza della risposta. Potresti facilmente progettare numerosi altri criteri che il tuo AI Judge possa valutare come parte del flusso di lavoro di creazione dei contenuti, garantendo così che i contenuti che soddisfano i tuoi criteri richiedano un intervento umano minimo prima di essere inviati ai clienti.

Passaggi successivi: creazione del flusso di lavoro di generazione e distribuzione

Con i nostri prompt definiti, possiamo ora esplorare come creare un flusso di lavoro automatizzato per generare testi su scala e poi collegare questi testi a un meccanismo di distribuzione. Nel prossimo blog di questa serie mostreremo come fare, collegando Databricks a una CDP per accedere ai dettagli dei clienti, generando e valutando i testi sulla base di prompt definiti come abbiamo fatto qui, e poi passando il testo approvato a un servizio di invio e-mail per raggiungere i nostri clienti target. Nel frattempo, ti invitiamo a esplorare Databricks AI Playground e a metterti alla prova con il prompt engineering per la creazione di contenuti.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale