Cas d'utilisation de l'IA générative : générer du contenu pour des campagnes marketing personnalisées

Ce document fournit une architecture générale pour une application qui utilise l'IA pour générer du contenu pour des campagnes marketing personnalisées.

Ce document s'adresse aux architectes, aux développeurs et aux administrateurs qui créent et gèrent des applications d'IA générative dans le cloud pour les secteurs des médias et du marketing. Dans ce document, nous partons du principe que vous avez une compréhension de base de l'IA générative.

La section Déploiement de ce document fournit des liens vers des exemples de code pour vous aider à tester le déploiement d'applications d'IA générative pour les applications marketing.

Architecture

Le schéma suivant illustre l'architecture d'une application dans Google Cloudqui traite les données utilisateur pour générer des composants multimédias pour des campagnes marketing personnalisées.

Architecture d'une application d'IA générative qui génère des campagnes marketing personnalisées. Architecture d'une application d'IA générative qui génère des campagnes marketing personnalisées.

L'architecture présente les flux suivants :

  • Ingérer et traiter les données utilisateur :

    1. Les données utilisateur provenant de sources internes à Google Cloud et de sources externes sont importées dans BigQuery.
    2. Un pipeline Dataflow traite les données importées et génère des insights marketing, tels que des profils démographiques, des centres d'intérêt et des habitudes d'achat.
    3. Eventarc déclenche un service Cloud Run.
    4. Le service Cloud Run envoie les insights marketing à l'API Gemini dans Vertex AI, avec un prompt permettant de générer des assets média personnalisés pour les campagnes marketing.
    5. Pour chaque utilisateur, Gemini génère du contenu audio, vidéo et textuel pour les campagnes marketing en ligne.
    6. Le service Cloud Run importe le contenu généré dans un bucket de serveur de contenu dans Cloud Storage.

  • Diffuser des recommandations de produits :

    Lorsque les utilisateurs visitent le portail Web de l'entreprise, voici ce qui se passe :

    1. Récupère du contenu marketing spécifique à l'utilisateur à partir du serveur de contenu Cloud Storage.
    2. Affiche le contenu marketing sur les pages Web que les utilisateurs consultent.

Pour améliorer la qualité du contenu généré, envisagez les ajustements suivants à l'architecture :

  • Créez une boucle de rétroaction pour permettre au modèle d'apprendre de l'impact des campagnes marketing.
  • Avant que le contenu généré ne soit importé dans Cloud Storage, demandez à un utilisateur humain de vérifier qu'il est sûr et conforme à la marque.

Produits utilisés

Cette architecture d'exemple utilise les produits Google Cloud suivants :

  • Cloud Run : plate-forme de calcul gérée qui vous permet d'exécuter des conteneurs directement sur l'infrastructure évolutive de Google.
  • Vertex AI : plate-forme de ML qui vous permet d'entraîner et de déployer des modèles de ML et des applications d'IA, et de personnaliser les LLM à utiliser dans des applications basées sur l'IA.
  • BigQuery : entrepôt de données d'entreprise qui vous aide à gérer et analyser vos données grâce à des fonctionnalités intégrées telles que l'analyse géospatiale du machine learning et l'informatique décisionnelle.
  • Dataflow : service qui fournit un traitement unifié des données par flux et par lot à grande échelle.
  • Eventarc : solution sans serveur permettant d'acheminer de manière asynchrone les messages déclenchés par des événements.
  • Cloud Storage : store d'objets économique et sans limite pour tout type de données. Les données sont accessibles depuis et en dehors de Google Cloud, et sont répliquées sur plusieurs emplacements à des fins de redondance.

Déploiement

Le dépôt Generative AI for Marketing sur GitHub inclut des exemples de code que vous pouvez utiliser pour tester le déploiement d'applications d'IA générative pour les applications marketing.

Étapes suivantes

Contributeurs

Auteur : Kumar Dhanagopal | Cross-product solution developer

Autres contributeurs :