نحوه استفاده از ChatGPT برای تولید توضیحات محصول در مقیاس

ما محتوای با کیفیت بیشتری برای وب سایت های خود می خواهیم، ​​اما تولید به اندازه کافی دشوار است. بنابراین چگونه می‌توانیم فرآیند تولید محتوا را، به‌ویژه برای سایت‌های تجارت الکترونیک با محصولات زیاد، مقیاس‌بندی کنیم؟

اگر بخواهید برای یک کپی رایتر هزینه بپردازید تا هزاران قطعه محصول را از ابتدا تولید کند، احتمالاً خیلی سریع از جیب خود خارج می شوید.

اگر برای 1000 توضیحات محصول جدید هزینه کنید، اما فقط نیمی از آن محصولات یک ماه بعد زنده بمانند، چه؟ واضح است که شما به یک رویکرد سریعتر و مقرون به صرفه نیاز دارید. اینجاست که ChatGPT می تواند کمک کند.

رابط وب بومی ChatGPT واقعا مفید است و در زمان بسیار صرفه جویی می کند.

اما اگر صدها یا هزاران شرح محصول برای ایجاد داشته باشیم، راه کارآمدتری برای استفاده از ChatGPT بدون کپی و چسباندن دستورات وجود دارد. در اینجا چگونگی آن است.

تولید انبوه قطعات محتوا: مقیاس بندی خروجی

اگر یک وب‌سایت تجارت الکترونیک دارید، ممکن است بخواهید با استفاده از داده‌های سیستم مدیریت اطلاعات محصول (PIM) قطعه‌های محصول تولید کنید.

فرض کنید شما داده ها را در یک صفحه گسترده دارید.

ما می‌توانیم از فرمول‌های اکسل برای الحاق (یا پیوستن، با استفاده از عملگر «&») داده‌ها به اعلان‌های غنی، آماده برای ChatGPT استفاده کنیم. مثلا:

توجه داشته باشید که فرمول شما ممکن است به یک یا چند عبارت “IF” نیاز داشته باشد. این به این دلیل است که داده های شما ممکن است در برخی مناطق حفره داشته باشد.

به عنوان مثال، برخی از محصولات ممکن است پارامترهای خاصی (داده ها در ستون های خاص) مشخص نشده باشند. شما باید فرمول خود را انعطاف پذیر کنید و همیشه می توانید از ChatGPT بخواهید که در نوشتن فرمول به شما کمک کند.

هنگامی که فرمول شما برای هر ردیف (در این مورد، برای هر محصول) یک درخواست را برمی‌گرداند، می‌توانید تعدادی از اعلان‌های ایجاد شده را در یک واژه‌پرداز، حتی دفترچه یادداشت، کپی و جای‌گذاری کنید.

خوب است که چند مورد را به دقت بررسی کنید تا مطمئن شوید که متن منطقی است، حتی زمانی که برخی از موارد داده وجود ندارد.

هنگامی که تأیید کردید که فرمول Excel (یا Google Sheets) شما انواع درخواست‌های مورد نظر را ایجاد می‌کند، می‌توانید تعدادی از آنها را به ChatGPT (به صورت دستی، با استفاده از رابط وب) ارسال کنید تا ببینید آیا نتایج را دوست دارید یا خیر.

قطعه (های) تولید شده احتمالاً به نظارت ویراستاری انسانی نیاز دارد، اگرچه می‌خواهید هوش مصنوعی را وادار کنید تا بیشترین کار ممکن را انجام دهد. به همین دلیل است که ما درگیر چنین فرآیند عمیق «تولید سریع» شدیم.

از درخواست ها و پاسخ های اولیه خود راضی هستید؟ خوب، پس وقت آن است که ادامه دهیم.

---

---

واکشی تکه‌های محتوای محصول جدید از OpenAI

بنابراین، اکنون فهرستی از محصولات (یا انواع دیگر صفحات وب) دارید که می‌خواهید برای آنها محتوا تولید کنید.

در این مثال، ما با یک نمونه ساختگی از 100 محصول می رویم. شما اکنون فهرستی از تمام محصولات خود دارید (که با URL، SKU یا شناسه منحصر به فرد دیگر جدا شده اند).

این محصولات همچنین اعلان های غنی را که شما ایجاد کرده اید اختصاص داده اند. اما رابط کاربری وب ChatGPT محدود است. بنابراین چگونه می توانید اینها را به یکباره به سراسر جهان ارسال کنید؟

برای این کار، باید با اسکریپت‌نویسی اولیه و رسیدگی به درخواست‌های API راحت باشید. برای دسترسی به رابط وب ChatGPT می توانید یک حساب OpenAI API ایجاد کنید.

من یک اسکریپت پایه پایتون را برای آژانسم جمع کردم. در حالی که نمی توانم اسکریپت را به اشتراک بگذارم، می توانم برخی از فرآیندها و مستندات مورد نیاز را بررسی کنم.

اگر بخواهم بعداً این اسکریپت را به اشتراک بگذارم، ساختن آن بر روی نقاط پایانی و فناوری‌های قابل دسترسی بازاریابی بهترین کار خواهد بود. به این ترتیب، من ابتدا یک برگه اکسل تولید کردم:

این برگه به ​​سادگی یک منطقه را برای تخلیه اقلام برای پردازش فراهم می کند (که توسط برخی از شناسه های منحصر به فرد در ستون “نام کالا” مشخص می شود، در این مورد، نام محصول). علاوه بر این، دستورهایی که باید پردازش شوند را نیز می توان در اینجا قرار داد.

یک برگه دیگر شامل تنظیمات پارامتر برای درخواست است. (شما می توانید در مورد همه اینها یاد بگیرید از طریق اسناد OpenAI.)

برخی از این تنظیمات کمک هزینه خلاقیت محتوا، استقرار عبارات غیر معمول، حداکثر هزینه توکن در هر درخواست و حتی افزونگی محتوا را به دقت تنظیم می کنند. در اینجا نیز کلید OpenAI API ذخیره می شود.

هنگامی که دکمه خاصی در صفحه گسترده کلیک می شود، اسکریپت پایتون به طور خودکار راه اندازی می شود و بقیه موارد را مدیریت می کند:

ابتدا، اسکریپت URL درخواست / نقطه پایانی را تعریف می کند. پس از این، اسکریپت سرصفحه های درخواست و داده های درخواست را ارسال می کند.

اکثر پارامترهای هدر/داده درخواست را می توان در صفحه گسترده تصویر قبلی تغییر داد.

در نهایت، متن پاسخ از OpenAI دریافت می‌شود و در «داغه داده»، صفحه‌گسترده جداگانه دیگری، ثبت می‌شود.

من سه اسکریپت برای این استقرار دارم، اگرچه فقط یکی باید اجرا شود. من همچنین دو صفحه گسترده جداگانه دارم که هر دو مورد نیاز است.

هنگامی که اسکریپت همه پرس و جوها را حل کرد، تمام قطعات متن در اینجا ذخیره می شوند:

با نگاهی به خروجی بالا، ممکن است نگرانی هایی در مورد منحصر به فرد بودن محتوا داشته باشید.

در حالی که تمام قطعات با عبارت دقیق («معرفی

”)، محتوای تولید شده در پاراگراف های تولید شده متنوع تر می شود. بنابراین، آنقدرها هم که به نظر می رسد بد نیست.

همچنین، کارهایی وجود دارد که می‌توانید برای منحصربه‌فردتر کردن هر قطعه تولید شده انجام دهید، مثلاً از هوش مصنوعی بخواهید محتوای منحصربه‌فرد تولید کند (البته برای رسیدن به هر جایی باید در این زمینه کاملاً محکم و تکراری باشید).

همچنین می‌توانید پارامترهای دما و فرکانس را تغییر دهید تا خلاقیت محتوا را تنظیم کنید و از زبان اضافی اجتناب کنید.

با ترکیب این فناوری‌ها (API OpenAI، اکسل، پایتون)، می‌توانیم به سرعت تکه‌های متن تولید شده را برای همه اعلان‌های ورودی مشخص کنیم.

از اینجا به شما بستگی دارد که می خواهید با داده های تازه پردازش شده چه کاری انجام دهید.

من به شدت توصیه می کنم آن را به قالبی منتقل کنید که تیم تحریریه شما قابل درک باشد.

ما تا حدودی بسیاری از این موارد را با ایجاد اعلان‌های بسیار غنی کاهش داده‌ایم. با این حال، تا زمانی که خروجی را بررسی نکنید، هرگز نمی توانید مطمئن باشید.

یادداشت های خروجی ChatGPT

با فرض اینکه از کار با ChatGPT خوشحال هستید، مواردی وجود دارد چند نکته را باید در نظر داشت:

• بیایید در مورد هزینه صحبت کنیم. ارائه تفکیک هزینه برای استفاده از مدل GPT-4 ChatGPT OpenAI از طریق API آنها دشوار است. این فقط تعداد کلمات ورودی اعلان یا تعداد کلمات خروجی نیست. قیمت گذاری حول محور “زمان تفکر” هوش مصنوعی می چرخد. درخواست های پیچیده تر از توکن های بیشتری استفاده می کنند و هزینه بیشتری دارند (حتی اگر تعداد کلمات ورودی/خروجی کاهش یابد).
• دسته آزمایشی ما از 100 درخواست از داده‌های نمونه فقط 1.74 دلار برای اجرا و بازگشت هزینه دارد. ما به طور کلی 22482 کلمه محتوا تولید کردیم. 22482 کلمه محتوا با قیمت 1.74 دلار خوب به نظر می رسد، اما موارد بسیار بیشتری وجود دارد که باید در نظر گرفت.
• به دلیل تمایل هوش مصنوعی به استنباط، فرآیند ویرایش انسانی هنوز اساساً مورد نیاز است (به نظر ما).
• با این حال، استفاده از این فناوری یک کار پرهزینه ایجاد محتوا از ابتدا را به یک کار ویرایش محتوا بسیار مقرون به صرفه تر تبدیل می کند.
• زمان متخصص داده / هوش مصنوعی برای ساخت سریع و اجرای اسکریپت ها نیز باید در نظر گرفته شود.
• علاوه بر استنباط در مورد کمبود داده ها، هوش مصنوعی همچنین می تواند چیزها را «خلاقانه» استنتاج کند. در مجموعه داده های نمونه ما، هوش مصنوعی تصمیم گرفت وجود یک راهنمای اندازه (لباس) را در محتوای محصول تولید شده استنباط کند. اگر هیچ راهنمای اندازه وجود نداشت، بسیار احمقانه به نظر می رسید.
• همیشه محتوای هوش مصنوعی را از طریق فرآیند بررسی ویراستاری انسانی برای بررسی واقعیت، دقت و (مهمتر از همه) استعداد خلاق بیشتر ارسال کنید.
• می‌توانید ChatGPT را با وصل کردن پروژه‌هایی مانند Auto-GPT خودکار کنید. این «عامل‌های» هوش مصنوعی قدرت پردازش و وظیفه‌پردازی فعال‌تری را به ChatGPT اضافه می‌کنند. با این حال، پروژه هایی مانند این هنوز به کلید OpenAI API شما نیاز دارند. و با توجه به دوران نوزادی خود، آنها می توانند قبل از اینکه یاد بگیرند که وظایف خود را به طور استاندارد انجام دهند، اعتبارات زیادی را بجوند.

مقیاس کردن فرآیند تولید محتوای خود با هوش مصنوعی

هوش مصنوعی می‌تواند به‌صورت مقیاس‌پذیر، قطعه‌های متنوعی از محتوا را تولید کند که با حداقل مداخله برای هدف مناسب هستند.

برای محتوای طولانی، احتمالا هنوز بهتر است از رابط استفاده کنید و پاسخ های هوش مصنوعی را تکرار کنید.