Mengoptimalkan Kampanye Pemasaran Digital dengan Amazon Bedrock oleh Adin.ai

Deskripsi umum kasus penggunaan 

Kasus penggunaan bertujuan untuk mengembangkan mekanisme saran optimisasi untuk meningkatkan performa kampanye iklan digital yang sedang berlangsung di seluruh platform Google Ads, Meta, dan TikTok. Proyek ini menggunakan data performa kampanye yang dikumpulkan dari platform ini, data berlabel manual yang disediakan oleh ahli domain, dan dokumen sederhana tepercaya terkait dengan optimisasi iklan digital.

Berbagai model dasar seperti Llama 2-70b-chat, Claude 2, Claude 3, Command, dan Titan Express dilatih menggunakan set data ini. Penyempurnaan, prapelatihan lanjutan, dan metode berbasis pengetahuan di-deploy selamaproses tersebut.

Hasil penting dalam angka 

L'Oréal 

Dalam studi yang dilakukan dengan merek Maybelline New York dari perusahaan L'Oré al, dengan sistem optimisasi cerdas berbasis AI generatif, terdapat penurunan biaya per jangkauan sebesar 67%, penurunan biaya per ad recall sebesar 71% dan peningkatan ad recall (orang) sebesar 3%. Secara total, penghematan biaya sebesar 40% dicapai hanya dalam waktu 2 hari setelah optimisasi cerdas.

Papara 

Sebagai hasil dari kerja sama kami dengan Papara, kami mencapai pengurangan 30% dalam biaya unit melalui perencanaan dan optimisasi cerdas, serta berhasil mencapai basis pelanggan aktif.

Pemilihan model 

Berbagai model fondasi yang tersedia dalam Amazon Bedrock digunakan untuk proses pemodelan optimisasi cerdas. Model seperti Llama2-70b-chat, Claude 12, Claude 3, Command, dan Titan Express dipilih berdasarkan kekuatan masing-masing dan digunakan dalam cakupan studi. Selain itu, penyempurnaan serta operasi prapelatihan lanjutan dilakukan berdasarkan aksesibilitas untuk model Llama 2-70b-chat, Claude 3, dan Titan Express. Melaluistudi ini, penekanannya bukan pada penggunaan satu model, melainkan pada memanfaatkan kekuatan beberapa model fondasi secara bersamaan.

Matriks eksperimen

Gambar 1: Matriks eksperimen

Implementasi

Bagian ini menguraikan detail implementasi sistem penskoran, termasuk pengaturan lingkungan produksi, dan arsitektur sistem.

Deskripsi sistem produksi 

Di jantung sistem optimisasi ini terletak layanan Amazon Bedrock. Selainitu, layanan AWS Lambda, Amazon S3, Amazon API Gateway, Amazon Cognito, Alat Developer AWS (termasuk AWS CodeCommit, AWS CodeBuild, dan AWS CodePipeline), Amazon ECR, dan AWS Amplify dimanfaatkan untuk menjamin operasi sistem yang lancar di lingkungan produksi. 

Arsitektur sistem 

Arsitektur sistem dibangun berdasarkan premis model yang memberikan rekomendasi dalam format output, mengikuti standar dan format tertentu, berdasarkan set data input. Data input untuk model disimpan di Amazon S3. Prompt khusus yang disesuaikan untuk masing-masing model disiapkan dalam komponen Amazon Bedrock dan diimplementasikan dalam bagian Amazon Bedrock khusus untuk setiap model. Output yang diperoleh juga disimpan di Amazon S3. Dalam arsitektur, kesesuaian rekomendasi optimisasi yang dibuat oleh model dengan standar yang sudah ditentukan sebelumnya berdasarkan pengetahuan domain diambil sebagai titik pemeriksaan.

Gambar 2: Arsitektur optimisasi cerdas

Tangkapan layar UI 

Gambar 3: Layar optimisasi cerdas

Kesimpulan 

Studi kami menyelidiki berbagai metode menggunakan model fondasi Amazon Bedrock yang berbeda, dengan fokus pada metrik penting seperti performa, efisiensi biaya, dan laju keberhasilan. Menggunakan pendekatan campuran model, kami secara strategis menggabungkan kekuatan dari beberapa model untuk mengatasi variabilitas output secara efektif. Selain itu, model tertentu dimanfaatkan untuk meningkatkan pelatihan model lain, memperkuat ketahanan sistem. Rekayasa prompt khusus model memastikan output disesuaikan untuk memenuhi persyaratan tertentu.

Studi kasus ini merepresentasikan kemajuan signifikan dalam iklan digital, memperkenalkan mekanisme saran perintis yang didukung oleh AI generatif dalam Amazon Bedrock. Menyoroti pentingnya Amazon Bedrock, studi kami menekankanperan pentingnya dalam mendorong dalam mendorong inovasi masa depan di industri ini. Melalui pendekatan holistik dari Adin.ai dan memanfaatkan model AI generatif yang canggih, kami bertujuan untuk merevolusi sektor ini dengan memberikan saran khusus yang berasal dari analisis data lintas channel yang difasilitasi oleh arsitektur AWS. Saran ini dibuat dengan cermat untuk mengoptimalkan performa kampanye dan mendorong hasil.

Sebagai kesimpulan, studi kami berfungsi sebagai bukti potensi transformatif AI generatif dalam Amazon Bedrock, yang menjanjikan untuk membentuk ulang industri dan memberikan hasil yang luar biasa dalam skala global. Karena kami tetap berkomitmen terhadap inovasi, kami siap memimpin dalam optimisasi iklan digital, membuka jalan untuk kemajuan masa depan dan mengatur standar industri baru.