Acxiom 通过 LangSmith 集成提升受众细分

Acxiom 是客户智能和 AI 驱动营销的领导者，该公司已集成 LangChain 的平台 LangSmith，以增强其受众细分能力。根据 LangChain 的官方博客报道，此举解决了 AI 驱动的受众细分在扩展中面临的挑战。

AI 驱动受众细分中的挑战

Acxiom 的数据和身份数据科学团队在使用大型语言模型 (LLM) 创建动态受众时遇到了困难。随着用户群的增长，初始的提示输入/输出日志系统显得不足，因此需要一个更强大的解决方案来观察和调试 LLM 调用。目标是创建一个能够解释自然语言输入并将其转化为详细受众段的系统。

团队需要确保该应用程序能够保持对话记忆，允许动态更新，并执行准确的属性特定搜索。然而，使用 LangChain 的检索增强生成 (RAG) 工具的初步尝试遇到了一些问题，包括复杂的调试、扩展限制和不断变化的需求。

LangSmith 在应对挑战中的作用

为了克服这些挑战，Acxiom 采用了 LangSmith，一个 LLM 测试和可观察性平台。LangSmith 的集成提供了关键的可观察性功能，允许在 Acxiom 的混合生态系统中进行高效调试和扩展。该平台提供了对 LLM 调用、函数执行以及实用程序工作流的深入可见性，简化了故障排除过程。

LangSmith 对各种模型的支持，包括开源 vLLM 和 Databricks 的模型端点，使得与 Acxiom 现有技术栈的无缝集成成为可能。该平台的跟踪可视化和元数据跟踪工具对于理解复杂的工作流和识别瓶颈至关重要。

LangSmith 集成的影响

Acxiom 与 LangSmith 的集成在构建精细受众段方面带来了显著改进。该平台的能力简化了调试，改善了受众覆盖，并支持营销举措的可扩展增长。LangSmith 的层次代理架构使更准确的受众段创建成为可能，增强了数据驱动的营销策略。

此外，该平台对令牌和调用使用的可见性为 Acxiom 的成本管理策略提供了信息，优化了他们的混合模型方法。

结论

LangSmith 的集成使 Acxiom 能够成功应对生成性 AI 受众细分的复杂性。该平台的灵活性和强大的可观察性功能将 Acxiom 的技术愿景转变为一个可扩展、用户友好的应用程序，从而提高了营销的精确性。

欲了解更多信息，请访问 LangChain 博客。