ChatGPT를 사용하여 대규모 제품 설명을 생성하는 방법

우리는 웹 사이트에 더 많은 품질의 콘텐츠를 원하지만 충분히 생산하기가 어렵습니다. 그렇다면 특히 제품이 많은 전자 상거래 사이트의 경우 콘텐츠 생성 프로세스를 어떻게 확장할 수 있습니까?

처음부터 수천 개의 제품 스니펫을 생성하기 위해 카피라이터에게 비용을 지불한다면 꽤 빨리 돈이 부족할 것입니다.

1,000개의 새 제품 설명에 대해 비용을 지불했지만 그 중 절반만이 한 달 후에 살아 있다면 어떨까요? 분명히 더 빠르고 비용 효율적인 접근 방식이 필요합니다. 여기에서 ChatGPT가 도움을 드릴 수 있습니다.

ChatGPT의 기본 웹 인터페이스는 정말 유용하고 시간을 크게 절약해 줍니다.

하지만 수백 또는 수천 개의 제품 설명을 만들어야 하는 경우 프롬프트를 복사하여 붙여넣지 않고 ChatGPT를 사용하는 보다 효율적인 방법이 있습니다. 방법은 다음과 같습니다.

콘텐츠 스니펫 대량 생산: 출력 크기 조정

전자상거래 웹사이트가 있는 경우 제품 정보 관리(PIM) 시스템의 데이터를 사용하여 제품 스니펫을 생성할 수 있습니다.

스프레드시트에 데이터가 있다고 가정해 보겠습니다.

Excel 수식을 사용하여 데이터를 연결(또는 "&" 연산자를 사용하여 결합)하여 ChatGPT에 사용할 수 있는 풍부한 프롬프트로 만들 수 있습니다. 예를 들어:

수식에 하나 이상의 "IF" 문이 필요할 수 있습니다. 데이터의 일부 영역에 구멍이 있을 수 있기 때문입니다.

예를 들어 일부 제품에는 특정 매개변수(특정 열 내의 데이터)가 지정되지 않을 수 있습니다. 수식이 유연해야 하며 언제든지 ChatGPT에 수식 작성을 도와달라고 요청할 수 있습니다.

수식이 각 행(이 경우 각 제품)에 대한 프롬프트를 반환하면 생성된 프롬프트 중 일부를 복사하여 워드 프로세서(메모장 포함)에 붙여넣을 수 있습니다.

일부 데이터 항목이 누락된 경우에도 텍스트가 의미가 있는지 확인하기 위해 몇 가지를 무작위로 확인하는 것이 좋습니다.

Excel(또는 Google 스프레드시트) 수식이 원하는 유형의 프롬프트를 생성하는지 확인한 후 그 중 몇 가지를 ChatGPT(웹 인터페이스를 사용하여 수동으로)로 보내 결과가 마음에 드는지 확인할 수 있습니다.

생성된 스니펫은 인간의 편집 감독이 필요할 가능성이 높지만 AI가 가능한 한 많은 작업을 수행하기를 원합니다. 그래서 우리는 심도 있는 "신속한 제작" 프로세스에 참여했습니다.

초기 프롬프트 및 응답에 만족하십니까? 좋아요, 그럼 계속 진행할 시간입니다.

OpenAI에서 새 제품 콘텐츠 스니펫 가져오기

이제 콘텐츠를 생성하려는 제품(또는 다른 유형의 웹페이지) 목록이 생겼습니다.

이 예에서는 100개 제품의 가상 샘플을 사용합니다. 이제 모든 제품 목록이 생겼습니다(URL, SKU 또는 기타 고유 식별자로 구분됨).

이러한 제품에는 사용자가 생성한 풍부한 프롬프트도 지정되어 있습니다. 하지만 ChatGPT의 웹 UI는 제한적입니다. 그렇다면 어떻게 한 번에 모두 보낼 수 있습니까?

이를 위해서는 기본 스크립팅과 API 요청 처리에 익숙해져야 합니다. OpenAI API 계정을 생성하여 ChatGPT 웹 인터페이스에 액세스할 수 있습니다.

대행사를 위해 기본 Python 스크립트를 작성했습니다. 스크립트를 공유할 수는 없지만 일부 프로세스와 필요한 문서를 검토할 수 있습니다.

나중에 이 스크립트를 신디케이트하려면 마케팅 액세스가 가능한 엔드포인트 및 기술에 구축하는 것이 가장 좋습니다. 따라서 먼저 Excel 시트를 생성했습니다.

이 시트는 단순히 처리를 위해 항목을 덤프할 영역을 제공합니다("항목 이름" 열의 일부 고유 식별자(이 경우 제품 이름)로 식별됨). 또한 처리할 프롬프트도 여기에 배치할 수 있습니다.

다른 탭에는 요청에 대한 매개변수 설정이 포함되어 있습니다. (OpenAI의 문서를 통해 이 모든 것에 대해 배울 수 있습니다.)

이러한 설정 중 일부는 콘텐츠 창의성 수당, 비정상적인 문구 배포, 요청당 최대 토큰 지출 및 콘텐츠 중복성을 미세 조정합니다. OpenAI API 키가 저장되는 곳이기도 합니다.

스프레드시트 내의 특정 버튼을 클릭하면 Python 스크립트가 자동으로 실행되어 나머지를 처리합니다.

먼저 스크립트는 요청/엔드포인트 URL을 정의합니다. 그런 다음 스크립트는 요청 헤더와 요청 데이터를 보냅니다.

요청 헤더/데이터에 대한 대부분의 매개변수는 이전에 표시된 스프레드시트 내에서 조정할 수 있습니다.

마지막으로 응답 텍스트는 OpenAI에서 수신되어 또 다른 별도의 스프레드시트인 "데이터 덤프"에 기록됩니다.

이 배포를 위한 세 개의 스크립트가 있지만 하나만 실행하면 됩니다. 또한 두 개의 개별 스프레드시트가 있는데 둘 다 필요합니다.

스크립트가 모든 쿼리를 해결하면 모든 텍스트 스니펫이 여기에 저장됩니다.

위의 출력을 보면 일부 콘텐츠 고유성 문제가 있을 수 있습니다.

모든 스니펫이 정확한 문구("[제품 이름] 소개")로 시작하지만 생성된 콘텐츠는 생성된 단락에서 더욱 다양해집니다. 그래서 보기보다 나쁘지 않습니다.

또한 AI에게 고유한 콘텐츠를 생성하도록 단호하게 요청하는 것과 같이 생성된 각 스니펫을 더욱 고유하게 만들기 위해 시도할 수 있는 작업이 있습니다(어디에나 도달하려면 이와 관련하여 상당히 확고하고 반복적이어야 함).

또한 온도 및 주파수 매개변수를 조정하여 콘텐츠 창의성을 조정하고 중복된 언어를 피할 수 있습니다.

이러한 기술(OpenAI의 API, Excel, Python)을 함께 사용하면 모든 입력 프롬프트에 대해 생성된 텍스트 스니펫을 빠르게 확인할 수 있습니다.

여기에서 새로 처리된 데이터로 수행할 작업은 사용자에게 달려 있습니다.

편집팀이 이해할 수 있는 형식으로 옮기는 것이 좋습니다.

매우 풍부한 프롬프트를 만들어 이 문제를 다소 완화했습니다. 그러나 출력을 확인하기 전까지는 확신할 수 없습니다.

ChatGPT 출력 노트

ChatGPT로 작업하는 것이 만족스럽다고 가정하면 다음 몇 가지 사항을 염두에 두어야 합니다.

• 비용에 대해 이야기합시다. OpenAI의 API를 통해 ChatGPT의 GPT-4 모델을 사용하는 비용 분석을 제공하기는 어렵습니다. 프롬프트의 입력 단어 수나 출력 단어 수만이 아닙니다. 가격은 AI의 "생각하는 시간"을 중심으로 결정됩니다. 더 복잡한 요청은 더 많은 토큰을 사용하고 더 많은 비용이 듭니다(입력/출력 단어 수가 줄어들더라도).
• 샘플 데이터의 100개 프롬프트로 구성된 테스트 배치를 실행하고 반환하는 데 드는 비용은 단 $1.74입니다. 전체적으로 22,482단어의 콘텐츠를 생성했습니다. $1.74에 22,482단어의 콘텐츠가 좋아 보이지만 고려해야 할 사항이 훨씬 더 많습니다.
• AI의 추론 성향으로 인해 여전히 인간의 편집 프로세스가 근본적으로 필요합니다(저희 의견으로는).
• 그러나 이 기술을 사용하면 처음부터 비용이 많이 드는 콘텐츠 생성 작업을 훨씬 더 비용 효율적인 콘텐츠 편집 작업으로 전환할 수 있습니다.
• 신속한 스크립트 작성 및 실행을 위한 데이터/AI 전문가의 시간도 고려해야 합니다.
• AI는 데이터가 부족한 곳을 추론하는 것 외에도 "창의적으로 추론"할 수 있습니다. 샘플 데이터 세트에서 AI는 생산된 제품 콘텐츠 내에서 사이즈 가이드(의류)의 존재를 추론하기로 결정했습니다. 사이징 가이드가 없다면 꽤 어리석게 보일 것입니다.
• 사실 확인, 정확성 및 (가장 중요한) 추가적인 창의적 감각을 위해 항상 사람의 편집 검토 프로세스를 통해 AI 콘텐츠를 보내십시오.
• Auto-GPT와 같은 프로젝트를 연결하여 ChatGPT를 추가로 자동화할 수 있습니다. 이러한 AI '에이전트'는 ChatGPT에 보다 적극적인 처리 및 작업 능력을 추가합니다. 그러나 이와 같은 프로젝트에는 여전히 OpenAI API 키가 필요합니다. 그리고 유아기 때문에 표준에 따라 작업을 수행하는 방법을 배우기 전에 많은 크레딧을 씹을 수 있습니다.

AI로 콘텐츠 제작 프로세스 확장

AI는 최소한의 개입으로 목적에 맞는 다양한 콘텐츠 스니펫을 확장 가능하게 생성할 수 있습니다.

긴 형식 콘텐츠의 경우 인터페이스를 사용하고 AI의 응답을 반복하는 것이 여전히 더 나을 수 있습니다.