InsightRed-এর সাথে ABM মার্কেটিং

সম্পর্কে

InsightRed হ’ল একটি LLM-চালিত Account-Based Marketing (ABM) টুল যা Subreddits থেকে “Hot” অনুযায়ী সাজানো সর্বশেষ Reddit মন্তব্যগুলি বের করে এবং এমন ব্যবহারকারীদের চিহ্নিত করে যারা আপনার প্রকল্প বা পণ্যে সম্ভাব্য আগ্রহ প্রদর্শন করে। এটি আপনাকে Reddit-এ উচ্চ-মূল্যের ব্যবহারকারীদের শনাক্ত এবং টার্গেট করতে সহায়তা করে যাতে আপনার পণ্য/প্রকল্পের জন্য প্রাথমিক ব্যবহারকারী পেতে পারেন। এই প্রকল্পটি ANARCHY অক্টোবর 2023 হ্যাকাথনের জন্য তৈরি করা হয়েছিল।

ঘোষণাসমূহ

১৯ অক্টোবর, ২০২৩

এই প্রকল্পের অনুসরণ হিসাবে, আমি আনন্দের সাথে ঘোষণা করছি যে আমরা Anarchy-এর অক্টোবর 2023 হ্যাকাথনে ১ম স্থান অর্জন করেছি!

টেক্সট মোডে বার্তাটি দেখার জন্য এখানে ক্লিক করুন (Discord-এর ফরম্যাটিং-এর কারণে পরিবর্তিত)

@everyone **👑 HACKATHON 👑**

I'm very excited to announce the second anarchy hackathon's winners as follows:

🥇 "@Ben Zimmerman [T3CH3Y]", @Mehmet, and "@Ananya Aithal"'s InsightRed! https://www.youtube.com/watch?v=xhKwnKxmg5k

🥈 @partho and @Karan's  DistillClassifier https://www.loom.com/share/d7e7c8e12dd14bcabdf41051433901a1?sid=900cb491-8117-4530-a131-d87eeca1ca6f

Really **AMAZING WORK EVERYBODY** @MathYouF and I were super impressed by all the submissions.

Special mentions go out to:

1. @B3LOL, @alastine , and @AndrewKamau 's WiE: https://youtu.be/V8gqCvgRcpk
2. "@Mert Bozkir | mertbozkir"'s Doc-String-Ify: https://www.loom.com/share/274565d0ddec417783e739ee728654d3?sid=6bb1b07a-f06a-4ec3-82c6-1d7ba6eae0d3

The feedback we got from these projects has been super valuable and we're going to work on fixing every bit 🦜

We're going to reach out to the teams individually for prizes. Additionally, we think these were incredible enough that we'd like to spend the next few weeks working on showcasing these incredible projects.

ডেমো

InsightRed-এর উপাদানসমূহ

🧩 সংগ্রহকারী

সংগ্রহকারী নির্দিষ্ট Subreddits-এর সর্বশেষ Reddit পোস্ট এবং সেই পোস্টের মন্তব্যগুলি সংগ্রহ করে, Reddit-এর API ব্যবহার করে। সংগ্রহের পরে, সংগ্রহকৃত ডেটা লোকাল SQLite ডাটাবেসে সংরক্ষণ করা হয়। Reddit API ব্যবহার করতে সহযোগিতা করার জন্য পাইথন প্যাকেজ praw এবং লোকাল SQLite ডাটাবেসে CRUD অপারেশন সম্পাদন করার জন্য SQLAlchemy ব্যবহার করে এটি সহজ করা হয়েছে।

🧩 ভেক্টরাইজার

ভেক্টরাইজার লোকাল SQLite ডাটাবেস চেক করে দেখে কোন কোন মন্তব্যগুলি ভেক্টর ডাটাবেসে সংরক্ষিত হয়নি। মন্তব্যগুলির একটি তালিকা পাওয়ার পরে, এটি OpenAI-এর “text-embedding-ada-002” মডেল ব্যবহার করে পোস্ট+মন্তব্যের একটি এমবেডিং তৈরি করে। এই এমবেডিংটি ভেক্টর ডাটাবেসে একটি ইনডেক্স হিসেবে ব্যবহৃত হয় এবং কিছু মেটাডেটা JSON আকারে তৈরি করা হয়। ইনডেক্স এবং মেটাডেটা পরে ভেক্টর ডাটাবেসে আপলোড করা হয়, যা এই ক্ষেত্রে Pinecone (ক্লাউড-ভিত্তিক)। আপলোডের পরে, পুনরায় একই ডেটা Pinecone-এ আপলোড হওয়া থেকে বিরত রাখার জন্য লোকাল SQLite ডাটাবেস আপডেট করা হয়। এটি সবই ভেক্টর ডাটাবেসে CRUD অপশন তৈরি করার জন্য Pinecone-এর পাইথন ক্লায়েন্ট (pinecone-client) এবং এমবেডিং প্রক্রিয়া হ্যান্ডেল করার জন্য LangChain ব্যবহার করে করা হয়েছে।

🧩 ইন্টারফেস

ইন্টারফেসটি ব্যবহারকারী টুলটির সাথে ইন্টারঅ্যাক্ট করার জন্য যা ব্যবহৃত হয়। এই ক্ষেত্রে, ইন্টারফেসটি একটি CLI। ইন্টারফেসে Retrieval-Augmented-Generation (RAG) এর একটি বাস্তবায়ন রয়েছে। যেখানে ব্যবহারকারী তাদের পণ্যের বর্ণনা, পরীক্ষা করার জন্য Subreddits-এর একটি তালিকা এবং কিছু ফিল্টার প্রদান করে। এই প্রসঙ্গ দেওয়ার পর, প্রথমে সংগ্রহকারী কল করা হয় এবং তারপর ভেক্টরাইজার কল করা হয়। এই দুটি সার্ভিস প্রসেসিং শেষ করার পরে, ইনপুট করা পণ্যের বর্ণনা ভেক্টর ডাটাবেসে অনুরূপভাবে সার্চ করার জন্য ব্যবহৃত হয়। শীর্ষ ফলাফল এবং পণ্যের বর্ণনা তারপর একটি প্রম্পট টেমপ্লেটে ফিড করা হয় যা চূড়ান্ত প্রম্পট তৈরি করে। চূড়ান্ত প্রম্পটটি OpenAI-এর GPT-4 মডেলে পাঠানো হয় এবং চূড়ান্ত ফলাফলগুলি ব্যবহারকারীর কাছে উপস্থাপন করা হয়। এই ফলাফলগুলো হবে সমস্ত Reddit মন্তব্যের একটি তালিকা যা খুবই উচ্চ মাত্রায় নির্দেশ করে যে উল্লেখিত পণ্যে Reddit ব্যবহারকারী/ব্যবহারকারীরা আগ্রহী হতে পারেন, দেওয়া বর্ণনার ভিত্তিতে। এই উপাদানটি সংগ্রহকারী এবং ভেক্টরাইজার মন্তব্যগুলি ব্যবহার করে কাজ করে, পাশাপাশি OpenAI-এর GPT-4 মডেল কোয়েরি হ্যান্ডেল করার জন্য Anarchy-এর LLM-VM ব্যবহার করে।

দলের সদস্যরা

উল্লেখযোগ্য বাইরের কৃতিত্ব

casta (Hacker News)

এই প্রকল্পের জন্য প্রেরণা প্রদান করেছেন তাদের HN পোস্ট এর মাধ্যমে। তাদের সমাধানটি ওপেন-সোর্স না হওয়ায়, আমি একটি ওপেন-সোর্স সংস্করণ (এই প্রকল্প) তৈরি করার অনুপ্রেরণা পেয়েছিলাম।

ChatGPT (GPT-4)

বিকাশে খুব সহায়ক ছিল, ডেভ সাইকেল সত্যিই দ্রুত করার মাধ্যমে। এবং এটি প্রকল্পের লোগো এবং YouTube থাম্বনেইল OpenAI-এর নতুন DALL-E 3 মডেল ব্যবহার করে তৈরি করেছিল।

James Briggs (ইউটিউবার)

জেমসের ভিডিওটি Reddit-এর API কীভাবে ব্যবহার করতে হয় এবং Python ব্যবহার করে একটি মৌলিক RAG পাইপলাইন কীভাবে বাস্তবায়ন করা যায় তা সত্যিই ব্যাখ্যা করেছে।