生成式 AI 用途：為個人化行銷活動生成內容

本文提供應用程式的整體架構，這類應用程式會使用 AI 為個人化行銷廣告活動生成內容。

本文的目標讀者包括架構師、開發人員和管理員，他們負責在雲端建構及管理媒體和行銷產業的生成式 AI 應用程式。本文假設您已具備生成式 AI 的基礎知識。

本文的「部署」一節提供程式碼範例的連結，協助您試驗如何部署生成式 AI 應用程式，以用於行銷應用程式。

架構

下圖顯示應用程式的架構，該應用程式會處理使用者資料，為個人化行銷廣告活動產生媒體資產。 Google Cloud

生成式 AI 應用程式架構，可生成個人化行銷活動。 生成式 AI 應用程式架構，可生成個人化行銷活動。

架構顯示下列流程：

  • 擷取及處理使用者資料：

    1. 系統會將來源於 Google Cloud 內的使用者資料和外部來源的使用者資料上傳至 BigQuery。
    2. Dataflow pipeline 會處理上傳的資料，並衍生出行銷洞察資料，例如受眾特徵、興趣和購物模式。
    3. Eventarc 會觸發 Cloud Run 服務。
    4. Cloud Run 服務會將行銷洞察資料傳送至 Vertex AI 中的 Gemini API，並提供提示，要求生成行銷活動專用的個人化媒體素材資源。
    5. Gemini 會為每位使用者生成音訊、影片和文字內容，用於線上行銷活動。
    6. Cloud Run 服務會將生成的內容上傳至 Cloud Storage 中的 content-server bucket。

  • 放送產品推薦：

    使用者造訪公司網路入口網站時，系統會執行下列動作：

    1. 從 Cloud Storage 內容伺服器擷取使用者專屬的行銷內容。
    2. 在使用者造訪的網頁上顯示行銷內容。

如要提升生成內容的品質，請考慮對架構進行下列調整：

  • 建立意見回饋循環，讓模型從行銷廣告活動的影響中學習。
  • 在將生成的內容上傳至 Cloud Storage 之前，請先由真人使用者確認內容安全無虞，且符合品牌形象。

使用的產品

這個範例架構使用下列 Google Cloud 產品：

  • Cloud Run：無伺服器運算平台，可讓您在 Google 可擴充的基礎架構上直接執行容器。
  • Vertex AI：機器學習平台，可讓您訓練及部署機器學習模型和 AI 應用程式，並自訂 LLM 用於 AI 輔助的應用程式。
  • BigQuery：企業資料倉儲，內建機器學習、地理空間分析和商業智慧等功能，有助於管理及分析資料。
  • Dataflow：這項服務整合串流與批次資料處理功能，可大規模處理資料。
  • Eventarc：無伺服器解決方案，可非同步轉送由事件觸發的訊息。
  • Cloud Storage：適用於多種資料類型的物件儲存庫，成本低廉且沒有限制。 資料在 Google Cloud 內外都能存取，且會複製到多個位置，以便提供備援機制。 Google Cloud

部署

GitHub 上的行銷專用生成式 AI 存放區包含程式碼範例，可用於實驗部署行銷應用程式的生成式 AI 應用程式。

後續步驟

貢獻者

作者：Kumar Dhanagopal | 跨產品解決方案開發人員

其他貢獻者：