Anwendungsfall für generative KI: Inhalte für personalisierte Marketingkampagnen erstellen

In diesem Dokument finden Sie eine allgemeine Architektur für eine Anwendung, die KI verwendet, um Inhalte für personalisierte Marketingkampagnen zu generieren.

Dieses Dokument richtet sich an Architekten, Entwickler und Administratoren, die generative KI-Anwendungen in der Cloud für die Medien- und Marketingbranche entwickeln und verwalten. In diesem Dokument wird davon ausgegangen, dass Sie ein grundlegendes Verständnis von generativer KI haben.

Im Abschnitt Bereitstellung dieses Dokuments finden Sie Links zu Codebeispielen, mit denen Sie die Bereitstellung generativer KI-Anwendungen für Marketinganwendungen testen können.

Architektur

Das folgende Diagramm zeigt eine Architektur für eine Anwendung in Google Cloud, die Nutzerdaten verarbeitet, um Media-Assets für personalisierte Marketingkampagnen zu generieren.

Architektur für eine generative KI-Anwendung, die personalisierte Marketingkampagnen erstellt. Architektur für eine generative KI-Anwendung, die personalisierte Marketingkampagnen erstellt.

Die Architektur umfasst die folgenden Abläufe:

  • Nutzerdaten aufnehmen und verarbeiten:

    1. Nutzerdaten aus Quellen innerhalb von Google Cloud und aus externen Quellen werden in BigQuery hochgeladen.
    2. Eine Dataflow-Pipeline verarbeitet die hochgeladenen Daten und leitet Marketing-Insights ab, z. B. demografische Profile, Interessen und Kaufmuster.
    3. Eventarc löst einen Cloud Run-Dienst aus.
    4. Der Cloud Run-Dienst sendet die Marketinginformationen an die Gemini API in Vertex AI. Dort wird ein Prompt verwendet, um personalisierte Media-Assets für Marketingkampagnen zu generieren.
    5. Für jeden Nutzer generiert Gemini Audio-, Video- und Textinhalte für Online-Marketingkampagnen.
    6. Der Cloud Run-Dienst lädt die generierten Inhalte in einen Content-Server-Bucket in Cloud Storage hoch.

  • Produktempfehlungen bereitstellen:

    Wenn Nutzer das Webportal des Unternehmens besuchen, passiert Folgendes:

    1. Ruft nutzerspezifische Marketinginhalte vom Cloud Storage-Inhaltsserver ab.
    2. Marketinginhalte auf den von Nutzern besuchten Webseiten anzeigen

Um die Qualität der generierten Inhalte zu verbessern, können Sie die Architektur folgendermaßen anpassen:

  • Erstellen Sie einen Feedback-Loop, damit das Modell aus den Auswirkungen der Marketingkampagnen lernen kann.
  • Bevor die generierten Inhalte in Cloud Storage hochgeladen werden, sollte ein Nutzer überprüfen, ob die Inhalte sicher sind und zur Marke passen.

Verwendete Produkte

In dieser Beispielarchitektur werden die folgenden Produkte verwendet: Google Cloud

  • Cloud Run ist eine serverlose Computing-Plattform, mit der Sie Container direkt auf der skalierbaren Infrastruktur von Google ausführen können.
  • Vertex AI: Eine ML-Plattform, mit der Sie ML-Modelle und KI-Anwendungen trainieren und bereitstellen und LLMs für die Verwendung in KI-basierten Anwendungen anpassen können.
  • BigQuery: Ein Data Warehouse für Unternehmen, mit dem Sie Ihre Daten mit integrierten Features wie raumbezogenen Analysen für maschinelles Lernen und Business Intelligence verwalten und analysieren können.
  • Dataflow: Ein Dienst, der die einheitliche Verarbeitung großer Stream- und Batchdatenmengen ermöglicht.
  • Eventarc: Eine serverlose Lösung zum asynchronen Weiterleiten von Nachrichten, die durch Ereignisse ausgelöst werden.
  • Cloud Storage: Ein kostengünstiger, unbegrenzter Objektspeicher für verschiedene Datentypen. Auf Daten kann von innerhalb und außerhalb von Google Cloudzugegriffen werden. Sie werden zu Redundanzzwecken über Standorte hinweg repliziert.

Bereitstellung

Das Repository Generative AI for Marketing auf GitHub enthält Codebeispiele, mit denen Sie das Bereitstellen von generativen KI-Anwendungen für Marketinganwendungen testen können.

Nächste Schritte

Beitragende

Autor: Kumar Dhanagopal | Cross-product Solution Developer

Weitere Beitragende: