Стажировка по проекту
Создание
ИИ-системы по автоматзиро-ванному подбору каналов
для размещения
рекламы
ИИ-системы по автоматзиро-ванному подбору каналов
для размещения
рекламы
Компания: Маркетинговое агентство «Silantev studio»
Суть проекта
цель
Задача
Создать систему, которая автоматизирует процесс подбора релевантных Telegram-каналов для размещения рекламных сообщений агентства на основе анализа контента
1. Поиск релевантных Telegram-каналов:
Система должна анализировать содержание каналов и сопоставлять их с контентом рекламного креатива, предоставляя объективную оценку релевантности.
2. Генерация рекламных креативов:
После подбора релевантных каналов на основе представленного рекламного креатива система автоматически создает собственные рекламные креативы, которые соответствуют стилистике канала и вызывают интерес у целевой аудитории.
3. Интеграция:
Создание удобного пользовательского интерфейса (Telegram-бот или веб-приложение) для загрузки рекламных креативов, получения списка релевантных каналов и адаптированных рекламных предложений.
Система должна анализировать содержание каналов и сопоставлять их с контентом рекламного креатива, предоставляя объективную оценку релевантности.
2. Генерация рекламных креативов:
После подбора релевантных каналов на основе представленного рекламного креатива система автоматически создает собственные рекламные креативы, которые соответствуют стилистике канала и вызывают интерес у целевой аудитории.
3. Интеграция:
Создание удобного пользовательского интерфейса (Telegram-бот или веб-приложение) для загрузки рекламных креативов, получения списка релевантных каналов и адаптированных рекламных предложений.
- База данных Telegram-каналов (150,000 каналов)
- Примеры рекламных креативов
- Ускорение процесса поиска подходящих Telegram-каналов
- Повышение эффективности рекламных кампаний за счет оптимального выбора каналов
- Адаптация контента рекламных сообщений к стилистике и интересам целевой аудитории
итоги проекта
- Ускорение процесса поиска релевантных Telegram-каналов
- Повышение эффективности рекламных кампаний
- Увеличение заинтересованности аудитории за счет адаптации креативов
вводные данные
Ожидаемые результаты
для чего
- Разработан алгоритм анализа текстов каналов на основе эмбеддингов, подбора наиболее релевантных поданному на вход креативу телеграм каналов. В основе алгоритма лежит база контента всех представленных заказчиком тг каналов в векторном представлении (профили каналов - на основе описания целевой аудитории каждого канала)
- Реализован алгоритм оценки релевантности и генерации рекламных сообщений
- Интегрирован Telegram-бот для взаимодействия пользователей с системой
Участники
1 команды проекта
1 команды проекта
- Светлана ЛунёваТимлид проекта
- Руководила командой разработчиков на всех этапах проекта
- Организовывала планирование задач, контролировала их выполнение и соблюдение сроков
- Обеспечивала эффективную коммуникацию внутри команды и с заказчиком. Проводила регулярные встречи для обсуждения текущих проблем и решения возникающих вопросов
- Оказывала техническую поддержку команде, помогала в выборе оптимальных решений, а также наставляла и обучала менее опытных сотрудников
- Вела контроль за качеством кода и соблюдением стандартов разработки
- Елена МихноПомощник тимлида
- Помогала в организационных вопросах по проекту
- Инициировала и проводила дополнительные встречи стажеров
- Андрей МалицкийПомощник тимлида
- Участвовал в распределении задач и руководстве командой помощников тимлида, обеспечивая эффективное взаимодействие между тимлидом и участниками проекта
- Елена КравчукПомощник тимлида
- Помогала в организации процесса разработки проекта
- Александр КлинцовПомощник тимлида
- Помогал в организации процесса разработки проекта
- Руслан ЮмангуловАналитик, промт-инженер
- Разрабатывал алгоритм подбора релевантных каналов под рекламную кампанию, профилирования целевой аудитории канала, выявления ключевых слов
- Разрабатывал алгоритм профилирования, подборки релевантных каналов из индексной базы, генерации новых креативов по предоставленному примеру с учётом стилистики контекста канала и профиля целевой аудитории
- Интегрировал алгоритмы в Телеграм-бот
- Виталий ИвановРуководитель отдела электронных торгов
- Занимался автоматизированным подбором релевантных Telegram-каналов с подключением к БД (PostgreSQL SQLite), формировал семантическое векторное представления с использованием различных моделей LLM из библиотеки Sentence Transformers
- Реализовал метод HyDE для генерации гипотетического описания идеального канала на основе рекламного креатива с помощью модели Llama
- Занимался поиском семантически близких каналов путём сравнения эмбеддинга креатива, сгенерированного описания с эмбеддингами каналов,
- Ранжировал отобранные каналы LLM моделью по критериям: тематика, аудитория, качество контента, активность и соответствие формату
- Формировал Google-таблицы, содержащие список рекомендованных каналов, отсортированных по рейтингу релевантности, с подробными обоснованиями оценки от языковой модели
- Роман КравченкоJava разработчик
- Создал серверную часть по работе с SQLLite и использованием разных LLM моделей
- Разрабатывал SQL скрипты для фильтрации и проверки разных гипотез при работе с БД
- Осуществлял миграцию большой БД в Postgres БД на сервере заказчика (две таблицы с 150 000 каналов и 25 000 000 сообщений общий объём данных 30 ГБ)
- Сергей СилантьевПредставитель Заказчика
- Участвовал в подготовке датасета
- Настраивал сервера с базой данных
- Участвовал в тестировании и презентации проекта
- Евгений СоколИнженер системотехник. ООО «ПромТехснаб», зам.технического директора
- Фильтровал БД, разрабатывал и применял дополнительного алгоритма фильтрации с использованием маркетинговых метрик на тестовой БД
- Разрабатывал комбинированный подход по подбору релевантных каналов с использованием кластеризации и создания профиля целевой аудитории (ЦА)
- Оценивал релевантность подобранных каналов по профилю ЦА и генерация креативов для подобранных каналов
- Иом Тов ШломоПсихолог
- Проверил несколько моделей эмбеддингов, таких как sentence-transformers и FastText
- Провел экспирименты, может ли кластеризация улучшить отбор каналов
- Опробовал модель которая определяла тему текста, pymorphy2
- Григорий СлынькоПредприниматель (ИП Слынько Г.И.) - издание книг и преподаватель Web 3 технологий в бизнес-школе RMA
- Проверял гипотезы по уменьшению размерности UMAP.
- Эксперементировал с GoogleColab
- Александр БочаровСпециалист по информационной безопасности
- Занимался тестированием: метода Langchan Faiss, моделей cross-encoder-deberta, Sentence-transformers/all-mini и sentence-transformer/stsb
- Тестировал отфильтрованные каналы моделями Lama, Mistral, OpenAI
- Работал над презентацией
- Ирина ФоменкоИндивидуальный предприниматель
- Принимала активное участие в группе тестирования
- Участвовала в разработке генератор креативов
- Ирина АббадЭкономист
- Принимала активное участие в группе тестирования
- Максим ЭтмановСтудент Самарского железнодорожного колледжа. Специальность путевое хозяйство
- Принимал участие в группе тестирования
- Работал над презентацией проекта
- Марина ПерфильеваРазработчик чат-ботов
- Тестировала модели и бота
- Работала над Презентацией
- Геннадий ЖирновРуководитель рекламного агентства «PIRANIA»
- Принимал участие в группе тестирования