ABM Marketing з InsightRed

Про

InsightRed - це інструмент Маркетингу на основі облікових записів (ABM), що працює на основі LLM, який витягує останні коментарі Reddit з підреддітів, відсортованих за “Гарячі”, і визначає користувачів, які виявляють потенційний інтерес до вашого проекту або продукту. Це допомагає вам ідентифікувати та націлюватися на цінних користувачів на Reddit, щоб отримати ваших перших користувачів для вашого продукту/проекту. Цей проект був створений для ANARCHY жовтневого хакатону 2023 року.

Оголошення

19 жовтня 2023 року

У продовження цього проекту, я радий оголосити, що ми зайняли 1-е місце на жовтневому хакатоні Anarchy 2023 року!

Натисніть тут, щоб переглянути повідомлення в текстовому режимі (змінено через форматування Discord)

@everyone **👑 ХАКАТОН 👑**

Я дуже радий оголосити переможців другого хакатону Anarchy, які виглядають так:

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

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

Дійсно **ДИВОВИЖНА РОБОТА ВСІХ** @MathYouF і я були дуже вражені всіма поданнями.

Особливі згадки:

1. @B3LOL, @alastine, та @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

Відгуки, які ми отримали від цих проектів, були дуже цінними, і ми будемо працювати над виправленням кожної деталі 🦜

Ми зв'яжемося з командами індивідуально для призів. Крім того, ми вважаємо, що ці проекти були настільки вражаючими, що хотіли б провести наступні кілька тижнів, працюючи над демонстрацією цих неймовірних проектів.

Демонстрація

Компоненти InsightRed

🧩 Збирач

Збирач збирає останні пости Reddit та коментарі до цих постів для даного підреддіту, використовуючи API Reddit. Після збору, збирач зберігає зібрані дані в локальну базу даних SQLite. Це спрощується за допомогою пакету python praw, який допомагає використовувати API Reddit, та SQLAlchemy для виконання CRUD операцій у локальній базі даних SQLite.

🧩 Векторизатор

Векторизатор перевіряє локальну базу даних SQLite, щоб дізнатися, які коментарі ще не були збережені у векторній базі даних. Після отримання списку коментарів, він створює вектор поста+коментаря, використовуючи модель OpenAI “text-embedding-ada-002”. Цей вектор використовується як індекс у векторній базі даних, а також створюється деяка метадані у формі JSON. Індекс та метадані потім завантажуються у векторну базу даних, якою в даному випадку є Pinecone (хмарна). Після завантаження, локальна база даних SQLite оновлюється, щоб уникнути повторного завантаження тих самих даних у Pinecone. Все це робиться за допомогою python-клієнта Pinecone (pinecone-client) для виконання CRUD операцій у векторній базі даних та LangChain для обробки процесу векторизації.

🧩 Інтерфейс

Інтерфейс - це те, що використовується користувачем для взаємодії з інструментом. У цьому випадку інтерфейс є CLI. Інтерфейс має реалізацію Підсиленого Витягання (RAG). Користувач надає опис свого продукту, список підреддітів для перевірки, а також деякі фільтри. З урахуванням цього контексту викликається Збирач, а потім Векторизатор. Після того, як ці два сервіси завершать обробку, введений опис продукту використовується для виконання подібного пошуку у векторній базі даних. Найкращі результати та опис продукту потім передаються в шаблон запиту, який створює фінальний запит. Фінальний запит потім надсилається до моделі GPT-4 OpenAI, а фінальні результати потім представляються користувачу. Ці результати будуть списком усіх коментарів Reddit, які вказують на те, що користувачі Reddit, ймовірно, зацікавлені в наданому продукті, на основі його опису. Цей компонент працює, використовуючи коментарі Збирача та Векторизатора, а також за допомогою LLM-VM Anarchy для обробки запитів до моделі GPT-4 OpenAI.

Члени команди

Помітні зовнішні кредити

casta (Hacker News)

Надали натхнення для цього проекту через їх HN пост. Оскільки їхнє рішення не було з відкритим кодом, я був мотивований створити версію з відкритим кодом (цей проект).

ChatGPT (GPT-4)

Був дуже корисним у розробці, дійсно прискоривши цикл розробки. І він створив логотип проекту та мініатюру YouTube, використовуючи нову модель DALL-E 3 від OpenAI.

James Briggs (YouTuber)

Відео Джеймса дійсно пояснило, як використовувати API Reddit, а також як реалізувати базовий RAG конвеєр, використовуючи Python.

Про