Adin.ai의 Amazon Bedrock 기반 디지털 마케팅 캠페인 최적화

사용 사례에 대한 일반 설명 

이 사용 사례의 목표는 Google Ads, Meta 및 TikTok 플랫폼 전체에서 지속적인 디지털 광고 캠페인의 성과를 향상하기 위한 최적화 제안 메커니즘을 개발하는 것입니다. 이 프로젝트에서는 이러한 플랫폼에서 수집한 캠페인 성과 데이터, 도메인 전문가가 제공하여 수동으로 레이블을 지정한 데이터 및 디지털 광고 최적화와 관련된 신뢰할 수 있는 일반 문서를 활용합니다.

이러한 데이터세트를 사용해 Llama 2-70b-chat, Claude 2, Claude 3, Command, Titan Express와 같은 다양한 파운데이션 모델을 훈련했습니다. 프로세스 전반에 걸쳐 미세 조정, 지속적인 사전 훈련 및 지식 기반 방식을 활용했습니다.

수치로 본 중요한 결과 

L'Oréal 

L'Oréal 기업 산하 Maybelline New York 브랜드와 함께 생성형 AI 기반 스마트 최적화 시스템을 통해 진행한 연구 결과, 리치(reach)당 비용이 67% 감소하고 광고 리콜당 총비용이 71% 감소했으며 광고 리콜(인원수)이 3% 증가했습니다. 전체적으로, 스마트 최적화를 실시한 지 2일 만에 비용을 40% 절감할 수 있었습니다.

Papara 

Papara와 협력한 결과, 스마트 계획 및 최적화를 통해 단위 비용을 30% 절감하여 활성 고객 기반에 도달하는 데 성공했습니다.

모델 선택 

Amazon Bedrock 내에서 사용할 수 있는 다양한 파운데이션 모델을 스마트 최적화 모델링 프로세스에 활용했습니다. Llama2-70b-chat, Claude 12, Claude 3, Command, Titan Express 등을 각각의 강점에 따라 선택하여 연구 범위 내에서 활용했습니다. 또한 Llama 2-70b-chat, Claude 3, Titan Express 모델의 경우 접근성에 기반한 미세 조정과 지속적인 사전 훈련 작업도 실시했습니다. 연구를 진행하는 동안, 모델 하나를 활용하는 데 중점을 두지 않고 파운데이션 모델 여러 개를 함께 사용해 강점을 활용하는 데 초점을 맞췄습니다.

실험 매트릭스

그림 1: 실험 매트릭스

구현

이 섹션에는 채점 시스템의 구현 세부 정보를 간략하게 표시했습니다. 예를 들어 프로덕션 환경 설정, 시스템 아키텍처 등이 포함됩니다.

프로덕션 시스템 설명

최적화 시스템의 핵심은 Amazon Bedrock 서비스입니다. 이 외에 AWS Lambda, Amazon S3, Amazon API Gateway, Amazon Cognito, AWS 개발자 도구(AWS CodeCommit, AWS CodeBuild, AWS CodePipeline 등), Amazon ECR, AWS Amplify 서비스를 활용해 시스템이 프로덕션 환경에서 원활하게 작동하도록 했습니다.

시스템 아키텍처

시스템 아키텍처는 권장 사항을 출력 형식으로 제공하되 입력 데이터세트를 기반으로 특정 표준과 형식을 준수하는 모델을 토대로 빌드했습니다. 모델의 입력 데이터는 Amazon S3에 저장됩니다. 각 모델에 맞춘 사용자 지정 프롬프트는 Amazon Bedrock 구성 요소 내에서 작성되어 Amazon Bedrock 내 각 모델 전용 섹션에서 구현됩니다. 획득한 출력은 Amazon S3에도 저장됩니다. 아키텍처 내부에서 도메인 지식에 기반해 미리 정의된 표준에 따라 모델이 제안한 최적화 권장 사항의 적합성을 체크포인트로 간주합니다.

그림 2: 스마트 최적화 아키텍처

UI 스크린샷

그림 3: 스마트 최적화 화면

결론 

이 연구에서는 다양한 Amazon Bedrock 파운데이션 모델을 통해 성과, 비용 효율성, 성공률과 같은 중요한 지표를 위주로 여러 가지 방식을 자세히 알아보았습니다. 모델 혼합 방식을 사용해 여러 모델의 강점을 전략적으로 결합하여 출력 가변성 문제를 효과적으로 해결하고자 했습니다. 또한, 몇몇 다른 모델의 훈련을 강화하고자 특정 모델을 활용해 시스템의 견고성을 보강하기도 했습니다. 모델별 프롬프트 엔지니어링을 통해 출력이 구체적인 요구 사항에 부합하도록 맞춤 설정했습니다.

이 사례 연구에서는 Amazon Bedrock 내에서 생성형 AI에 기반한 선구적인 제안 메커니즘을 도입하여 디지털 광고를 크게 발전시킨 내용을 다룹니다. 이 연구에서는 Amazon Bedrock의 중요성을 부각함으로써 업계에서 향후 혁신을 주도할 이 플랫폼의 중요한 역할을 강조했습니다. Adin.ai의 전체론적인 접근 방식을 적용하고 고성능 생성형 AI 모델을 통해 AWS 아키텍처에 기반한 크로스 채널 데이터 분석으로부터 도출한 맞춤형 제안을 제공하여 이 부문에 일대 혁명을 일으키고자 했습니다. 이러한 제안은 캠페인 성과를 최적화하고 성과를 달성하기 위해 신중하게 작성되었습니다.

결론적으로, 이 연구는 Amazon Bedrock 내 생성형 AI의 혁신적인 잠재력을 입증하였으며, 업계 구조를 재편성하고 전역적으로 훌륭한 성과를 창출할 것으로 전망됩니다. 당사는 앞으로도 혁신에 전념하여 디지털 광고 최적화의 최전선을 점하고 있으며, 향후 발전을 위한 길을 개척하고 새로운 업계 표준을 정립하고자 합니다.