INTELIGENCIA ARTIFICIAL EN LAS CAMPAÑAS DE MARKETING: UNA FORMA DE ADAPTAR EL MARKETING A LAS NUEVAS TECNOLOGÍAS
DOI:
https://doi.org/10.56238/arev7n12-026Palabras clave:
Inteligencia Artificial, Marketing Digital, Automatización de Contenido, LLM, FastAPIResumen
El panorama actual del marketing digital se caracteriza por la demanda constante de contenido personalizado y optimizado, lo que supone un desafío crucial para los equipos: la ineficiencia del análisis manual de la información y la consiguiente lentitud en la creación de campañas, limitando la escalabilidad de la comunicación corporativa. El objetivo es mitigar esta limitación mediante el desarrollo de SocialGen-AI, un sistema de Inteligencia Artificial generativa diseñado para la automatización integral de la creación de textos promocionales para redes sociales, a partir del análisis estructural y semántico de páginas web. La metodología de implementación se basa en la Ingeniería de Software Ágil, culminando en una solución implementada en Python y estructurada mediante API, que se integra con el framework Ollama para la ejecución optimizada del modelo de lenguaje DeepSeek. El proceso incluye la extracción de datos, el análisis semántico contextualizado y la generación de textos con ajustes de tono y estilo. De este modo, SocialGen-AI permite una reducción sustancial del tiempo de lanzamiento del contenido, además de garantizar una alta coherencia y personalización a gran escala. En conclusión, una arquitectura basada en LLM locales y API dedicadas representa una solución tecnológica viable y escalable para optimizar la productividad del marketing, allanando el camino para futuras investigaciones centradas en la integración nativa con las plataformas de redes sociales y la mejora continua de la precisión contextual de la IA.
Descargas
Referencias
BARROS, Andrey. socialgenai [repositório GitHub]. Disponível em: https://github.com/DreyLB/socialgenai. Acesso em: 30 nov. 2025.
BARROS, Andrey. frontSocialgenai [repositório GitHub]. Disponível em: https://github.com/DreyLB/socialgenai. Acesso em: 30 nov. 2025.
BOENTE, Alfredo Nazareno Pereira. Análise de sentimento nas redes sociais como ferramenta de apoio à tomada de decisão na gestão de risco reputacional no setor bancário. Aracê, [S. l.], v. 7, n. 10, p. e8856, 2025. DOI: 10.56238/arev7n10-149. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/8856. Acesso em: 30 out. 2025.
BROWN, Tom B. et al. Language Models are Few-Shot Learners. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS (NEURIPS), 2020. Disponível em: https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf. Acesso em: 17 nov. 2025.
DEEPSEEK API. DeepSeek API Documentation – Quick Start / Your First API Call. Disponível em: https://api-docs.deepseek.com/. Acesso em: 14 nov. 2025.
DOS SANTOS, Ricardo Marciano. Análise de sentimento nas redes sociais como ferramenta de apoio à tomada de decisão na gestão de risco reputacional no setor bancário. Aracê, [S. l.], v. 7, n. 10, p. e8856, 2025. DOI: 10.56238/arev7n10-149. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/8856. Acesso em: 30 out. 2025.
FERREIRA, Vinícius Marques da Silva. Análise de sentimento nas redes sociais como ferramenta de apoio à tomada de decisão na gestão de risco reputacional no setor bancário. Aracê, [S. l.], v. 7, n. 10, p. e8856, 2025. DOI: 10.56238/arev7n10-149. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/8856. Acesso em: 30 out. 2025. DOI: https://doi.org/10.56238/arev7n10-149
FIELDING, Roy T. Architectural Styles and the Design of Network-based Software Architectures. 2000. Tese (Doutorado) — University of California, Irvine, 2000.
FOWLER, Martin. Patterns of Enterprise Application Architecture. Boston: Addison- Wesley Professional, 2002.
GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep Learning. Cambridge: MIT Press, 2016.
GUPTA, Lokesh. What is REST? REST API Tutorial. Disponível em: https://restfulapi.net/. Acesso em: 14 nov. 2025.
KOTLER, Philip; KELLER, Kevin Lane. Administração de Marketing. 15. ed. São Paulo: Pearson Education do Brasil, 2018.
LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep learning. Nature, v. 521, n. 7553, p. 436–444, 2015. DOI: https://doi.org/10.1038/nature14539
OLLAMA. Ollama’s documentation. Disponível em: https://docs.ollama.com/. Acesso em: 14 nov. 2025.
SILVA, Wallysson Klebson de Medeiros. Comportamento do consumidor no processo de compra e a influência das ferramentas de inteligência artificial. 2023. Tese (Doutorado em Administração) — Universidade Federal da Paraíba, João Pessoa, 2023.
SOMMERVILLE, Ian. Engenharia de Software. 10. ed. São Paulo: Pearson, 2019.
TIANGOLO. FastAPI framework, high performance, easy to learn, fast to code, ready for production. Disponível em: https://fastapi.tiangolo.com/. Acesso em: 14 nov. 2025.
