CampaignCraft AI — MVP

Concepto

B2B SaaS que centraliza la gestión de campañas publicitarias de Meta Ads y Google Ads para PYMES, agencias y equipos de marketing. Conecta las cuentas vía OAuth2, unifica métricas en un dashboard, y usa un motor de IA para generar recomendaciones diarias accionables ("Pausar ad set X por bajo rendimiento", "Aumentar presupuesto en campaña Y"). Reduce el tiempo y presupuesto desperdiciado en la gestión manual multiplataforma.

Arquitectura

Spring Boot 4.0.4 / Java 25, capas %%INLINE0%% → %%INLINE1%% → %%INLINE2%% → %%INLINE3%%.

• Seguridad: registro/login con BCryptPasswordEncoder, JWT stateless

(%%INLINE5%%, %%INLINE6%%) validado en cada request vía %%INLINE7%%. %%INLINE8%% público, resto autenticado.

• Validación de DTOs: spring-boot-starter-validation no está en el pom

base, por lo que los %%INLINE10%% de request (%%INLINE11%%, LoginRequest, OAuthConnectRequest) validan en su compact constructor y lanzan %%INLINE14%% (mapeada a 400 por %%INLINE15%%).

• OAuth2 (%%INLINE16%%): recibe el %%INLINE17%% del

callback de Meta/Google, simula el intercambio por access/refresh token (no hay app real registrada en este MVP) y los persiste cifrados (Base64 como placeholder — reemplazar por AES-GCM + KMS en producción).

• Ingesta (%%INLINE18%%): %%INLINE19%% diario (03:00) que

recorre las cuentas activas y genera métricas de campaña simuladas (impressions, clicks, spend, conversions, revenue). En producción se sustituye por clientes Feign reales contra Google Ads API / Marketing API de Meta usando el token descifrado de cada AdAccount.

• Dashboard (DashboardService): agrega CPA, ROAS y CTR por campaña y

totales/promedios del usuario.

• Motor de Insights (InsightGenerationService): intenta delegar el

análisis a un LLM vía LlmChatClient (Feign, API compatible con OpenAI chat completions). Si no hay llm.api.key configurada o la llamada falla, cae a un motor de reglas local (ROAS < 2 + CPA alto → pausar; CTR bajo → revisar creatividad; ROAS alto → escalar presupuesto). @Scheduled diario (06:00) genera insights para todos los usuarios con cuentas activas.

• Reportes (%%INLINE26%%): %%INLINE27%% semanal (lunes 08:00)

arma el reporte (dashboard + insights) y lo "envía" (logueado en este MVP; swap por spring-boot-starter-mail/SendGrid en producción).

• Persistencia: JPA sobre H2 embebida en memoria (autoconfigurada por

Spring Boot al no declarar datasource.url); driver PostgreSQL ya disponible en el classpath para producción, solo requiere configurar %%INLINE30%% en %%INLINE31%%.

Endpoints

Método	Path	Descripción
POST	/api/auth/register	Alta de usuario, retorna JWT
POST	/api/auth/login	Login, retorna JWT
POST	/api/oauth/connect	Conecta cuenta Meta/Google Ads (OAuth2)
GET	/api/oauth/accounts	Lista cuentas conectadas del usuario
GET	/api/dashboard	Métricas unificadas (CPA, ROAS, CTR)
GET	/api/insights	Insights de IA ya generados
POST	/api/insights/generate	Genera insights bajo demanda
POST	/api/reports/send	Envía el reporte semanal ahora

Autenticación: header %%INLINE40%% (excepto %%INLINE41%%).

Referencias

• Inspiración de tendencia ("Muze AI"): https://wellows.com/blog/ai-startups
• Spring Boot 4 / Jackson 3 (tools.jackson.*), Spring Cloud OpenFeign 4.2.1,

jjwt 0.12.6.

Análisis de Negocio

• Problema: gestión manual de ads en múltiples plataformas desperdicia

presupuesto y reacciona tarde a caídas de rendimiento.

• Público: PYMES, agencias de marketing digital, equipos internos que

gestionan presupuesto publicitario online.

• Monetización: suscripción por niveles según gasto publicitario

mensual gestionado (Free <$1k/mes, Pro <$10k/mes, Enterprise a medida).

• **Por qué gana frente a alternativas de infraestructura (LangChain,

Ollama)**: es un producto vendible día uno a un comprador de negocio, con ROI medible (tiempo ahorrado + presupuesto optimizado), no una pieza para que otros desarrolladores construyan encima.

Cómo ejecutar

cd solutions/2026-08-03-campaigncraft-ai
mvn clean spring-boot:run

La app levanta en :8080 con H2 en memoria. Flujo de prueba:

curl -X POST localhost:8080/api/auth/register -H "Content-Type: application/json" \
  -d '{"email":"demo@campaigncraft.ai","password":"password123","fullName":"Demo User"}'

# usar el token retornado:
curl -X POST localhost:8080/api/oauth/connect -H "Authorization: Bearer <token>" \
  -H "Content-Type: application/json" \
  -d '{"platform":"GOOGLE_ADS","authorizationCode":"code123","externalAccountId":"acc-1"}'

curl -X POST localhost:8080/api/insights/generate -H "Authorization: Bearer <token>"
curl localhost:8080/api/dashboard -H "Authorization: Bearer <token>"

Nota: sin métricas ingeridas aún (job corre a las 03:00), invocar primero DataIngestionService.ingestForAccount manualmente o esperar al scheduler; para demo inmediata, considerar exponer un endpoint de ingesta manual.

---

FinOps Analysis para CampaignCraft AI

Resumen de Costos y Rentabilidad Inicial

CampaignCraft AI demuestra un modelo de negocio con un margen de beneficio excepcionalmente alto del 95% en su fase inicial, asumiendo 20 clientes pagando un promedio de $50/mes. Esto se debe principalmente a la eficiencia de costos de los modelos de lenguaje grandes (LLMs) de última generación como gpt-4o-mini y una infraestructura cloud lean.

Desglose de Costos Operativos Mensuales Estimados:

• Tokens LLM (OpenAI): ~$15/mes

* Estimación de uso: Aproximadamente 3.4 millones de tokens al mes. Esto incluye la generación diaria de insights (5000 tokens de entrada + 200 de salida por cliente/día) y reportes semanales (3000 tokens de entrada + 500 de salida por cliente/semana), para 20 clientes. El costo se basa principalmente en gpt-4o-mini, con un pequeño buffer para el uso ocasional de modelos más potentes o prompts más extensos.

• Infraestructura Cloud (AWS): ~$35/mes

* Servidor de Aplicación: Una instancia AWS EC2 t3.small (o equivalente en GCP/Azure) con un costo aproximado de $15/mes es suficiente para una micro-startup que ejecuta una aplicación Spring Boot con carga moderada. * Base de Datos: Una instancia AWS RDS db.t3.micro para PostgreSQL, con un costo aproximado de $18/mes, cubre las necesidades de almacenamiento de datos de usuarios, tokens y métricas de campaña. * Otros servicios como networking y logging se consideran dentro del nivel gratuito o son marginales.

• Total de Costos Operativos Mensuales: ~$50/mes

Ingresos Mensuales Estimados:

• Modelo de Monetización: Suscripción B2B SaaS por niveles, basada en el gasto publicitario gestionado.
• Estimación Inicial: Con 20 clientes activos en el nivel 'Pro' (asumiendo un promedio de $50/mes por cliente), los ingresos mensuales proyectados son de $1000/mes.

Margen de Beneficio:

• Beneficio Mensual: $1000 (Ingresos) - $50 (Costos) = $950

Margen de Beneficio: ($950 / $1000) 100 = 95%

Estrategias de Optimización FinOps:

Dado el alto margen inicial, el enfoque FinOps debe ser mantener la eficiencia a medida que la startup escala, y reinvertir el beneficio en el crecimiento y la mejora del producto. Las áreas clave de optimización incluyen:

1. Optimización de Costos de LLM:

* Caching Inteligente: Implementar un sistema de caché para las respuestas de LLM, especialmente para insights o recomendaciones que se repiten para patrones de datos similares. Esto reduciría las llamadas a la API de LLM. * Modelos Dinámicos: Desarrollar una lógica para seleccionar el modelo de LLM más rentable en función de la complejidad de la solicitud. Por ejemplo, usar %%INLINE49%% para el análisis rutinario y %%INLINE50%% solo para consultas ad-hoc o análisis de alta complejidad que requieran mayor inteligencia. * Prompt Engineering Avanzado: Refinar continuamente los prompts para ser más concisos y directos, minimizando el número de tokens de entrada sin comprometer la calidad de las recomendaciones. * Batch Processing: Agrupar las solicitudes de generación de insights y reportes para procesarlas en lotes. Esto puede optimizar el uso de los límites de tasa de la API y, en algunos proveedores, puede ser más eficiente en costos.

1. Optimización de Infraestructura Cloud:

* Serverless para Tareas Programadas: Migrar las tareas de ingesta de datos y generación de insights (actualmente @Scheduled en Spring Boot) a funciones serverless (ej. AWS Lambda) para pagar solo por el tiempo de ejecución real, eliminando la necesidad de una instancia EC2 24/7 para estas funciones. * Instancias Reservadas/Savings Plans: Una vez que la carga de trabajo y el uso de recursos sean predecibles, considerar la compra de Instancias Reservadas o Savings Plans para EC2 y RDS para obtener descuentos significativos (hasta 70%) en comparación con las tarifas bajo demanda. * Monitoreo y Escalabilidad: Implementar monitoreo detallado para identificar cuellos de botella y asegurar que los recursos (CPU, RAM, DB I/O) no estén sobre-aprovisionados. Configurar autoescalado para el servidor de aplicaciones si el tráfico web se vuelve variable.

1. Gestión de Datos:

* Archivado de Datos Históricos: Mover datos históricos de campañas que no se acceden con frecuencia a almacenamiento más barato (ej. AWS S3 o Glaciar) para reducir los costos de la base de datos relacional.

Estas optimizaciones permitirán a CampaignCraft AI mantener un excelente margen de beneficio a medida que crece, reinvirtiendo eficientemente en el producto y la adquisición de clientes.