Amazon Personnaliser est ravi d'annoncer le nouveau Meilleure action suivante (aws-next-best-action
) recette pour vous aider à déterminer les meilleures actions à proposer à vos utilisateurs individuels qui vous permettront d'augmenter la fidélité à la marque et la conversion.
Amazon Personalize est un service d'apprentissage automatique (ML) entièrement géré qui permet aux développeurs de proposer sans effort des expériences utilisateur hautement personnalisées en temps réel. Il vous permet d'améliorer l'engagement client en proposant des recommandations personnalisées de produits et de contenu sur les sites Web, les applications et les campagnes marketing ciblées. Vous pouvez démarrer sans aucune expérience préalable en ML, en utilisant des API pour créer facilement des fonctionnalités de personnalisation sophistiquées en quelques clics. Toutes vos données sont cryptées pour être privées et sécurisées.
Dans cet article, nous vous montrons comment utiliser la recette Next Best Action pour personnaliser les recommandations d'action en fonction des interactions, des besoins et du comportement passés de chaque utilisateur.
Vue d'ensemble de la solution
Avec la croissance rapide des canaux numériques et les avancées technologiques qui rendent l’hyper-personnalisation plus accessible, les marques ont du mal à déterminer quelles actions maximiseront l’engagement de chaque utilisateur individuel. Les marques montrent les mêmes actions à tous les utilisateurs ou s'appuient sur des approches traditionnelles de segmentation des utilisateurs pour recommander des actions à chaque cohorte d'utilisateurs. Cependant, ces approches ne suffisent plus, car chaque utilisateur attend une expérience unique et a tendance à abandonner les marques qui ne comprennent pas ses besoins. De plus, les marques ne sont pas en mesure de mettre à jour les recommandations d’actions en temps réel en raison du caractère manuel du processus.
Avec Next Best Action, vous pouvez déterminer les actions qui ont la plus grande probabilité d'impliquer chaque utilisateur en fonction de ses préférences, de ses besoins et de son historique. Next Best Action prend en compte les intérêts en session de chaque utilisateur et fournit des recommandations d'action en temps réel. Vous pouvez recommander des actions telles que l'inscription à des programmes de fidélité, l'inscription à une newsletter ou à un magazine, l'exploration d'une nouvelle catégorie, le téléchargement d'une application et d'autres actions qui encouragent la conversion. Cela vous permettra d'améliorer l'expérience de chaque utilisateur en leur fournissant des recommandations sur les actions tout au long de leur parcours utilisateur qui contribueront à promouvoir l'engagement et les revenus de la marque à long terme. Il contribuera également à améliorer votre retour sur investissement marketing en recommandant l'action que chaque utilisateur est susceptible d'entreprendre.
Les partenaires AWS aiment Credera sont enthousiasmés par les possibilités de personnalisation qu'Amazon Personalize Next Best Action offrira à leurs clients.
« Amazon Personalize est une solution d'apprentissage automatique de classe mondiale qui permet aux entreprises de créer des expériences client significatives dans un large éventail de cas d'utilisation sans retouches approfondies ni coûts de mise en œuvre initiaux généralement requis pour ce type de solutions. Nous sommes vraiment enthousiasmés par l'ajout de la fonctionnalité Next Best Action qui permettra aux clients de fournir des recommandations d'action personnalisées, améliorant ainsi considérablement leurs expériences numériques et générant une valeur commerciale supplémentaire. Plus précisément, nous attendons de toute personne travaillant dans le secteur de la vente au détail ou du contenu qu'elle constate une expérience améliorée pour ses clients et des conversions plus élevées, résultat direct de l'utilisation d'Amazon Personalize. Nous sommes extrêmement ravis d'être un partenaire de lancement d'AWS sur cette version et sommes impatients de permettre aux entreprises de piloter des solutions personnalisées basées sur le ML avec Next Best Action.
– Jason Goth, associé et directeur de la technologie, Credera.
Exemples de cas d'utilisation
Pour explorer plus en détail l'impact de cette nouvelle fonctionnalité, examinons un exemple en prenant trois utilisateurs : A (User_id
11999), B (User_id
17141), et C (User_id
8103), qui se trouvent à différentes étapes de leur parcours utilisateur lorsqu'ils effectuent des achats sur un site Web. Nous voyons ensuite comment Next Best Action suggère les actions optimales pour chaque utilisateur en fonction de ses interactions et préférences passées.
Tout d’abord, nous examinons l’ensemble de données sur les interactions entre actions pour comprendre comment les utilisateurs ont interagi avec les actions dans le passé. L'exemple suivant montre les trois utilisateurs et leurs différentes habitudes d'achat. L'utilisateur A est un acheteur fréquent et a effectué des achats principalement dans les catégories « Beauté et soins » et « Bijoux » par le passé. L'utilisateur B est un acheteur occasionnel qui a effectué quelques achats dans la catégorie « Électronique » dans le passé, et l'utilisateur C est un nouvel utilisateur sur le site Web qui a effectué son premier achat dans la catégorie « Vêtements ».
Type d'utilisateur | Identifiant d'utilisateur | Actions | Action_Event_Type | Horodatage |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | tâches | 2023-09-17 20:03:05 |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | tâches | 2023-09-18 19:28:38 |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | tâches | 2023-09-20 17:49:52 |
Utilisateur A | 11999 | Achat dans la catégorie « Bijoux » | tâches | 2023-09-26 18:36:16 |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | tâches | 2023-09-30 19:21:05 |
Utilisateur A | 11999 | Téléchargez l'application mobile | tâches | 2023-09-30 19:29:35 |
Utilisateur A | 11999 | Achat dans la catégorie « Bijoux » | tâches | 2023-10-01 19:35:47 |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | tâches | 2023-10-04 19:19:34 |
Utilisateur A | 11999 | Achat dans la catégorie « Bijoux » | tâches | 2023-10-06 20:38:55 |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | tâches | 2023-10-10 20:17:07 |
Utilisateur B | 17141 | Achat dans la catégorie « Électronique » | tâches | 2023-09-29 20:17:49 |
Utilisateur B | 17141 | Achat dans la catégorie « Électronique » | tâches | 2023-10-02 00:38:08 |
Utilisateur B | 17141 | Achat dans la catégorie « Électronique » | tâches | 2023-10-07 11:04:56 |
Utilisateur C | 8103 | Achat dans la catégorie « Vêtements » | tâches | 2023-09-26 18:30:56 |
Traditionnellement, les marques montrent les mêmes actions à tous les utilisateurs ou emploient des stratégies de segmentation des utilisateurs pour recommander des actions à leur base d'utilisateurs. Le tableau suivant est un exemple de marque affichant le même ensemble d'actions à tous les utilisateurs. Ces actions peuvent ou non être pertinentes pour les utilisateurs, réduisant ainsi leur engagement envers la marque.
Type d'utilisateur | Identifiant d'utilisateur | Recommandations d'actions | Rang d'action |
Utilisateur A | 11999 | Abonnez-vous au programme de fidélité | 1 |
Utilisateur A | 11999 | Téléchargez l'application mobile | 2 |
Utilisateur A | 11999 | Achat dans la catégorie « Électronique » | 3 |
Utilisateur B | 17141 | Abonnez-vous au programme de fidélité | 1 |
Utilisateur B | 17141 | Téléchargez l'application mobile | 2 |
Utilisateur B | 17141 | Achat dans la catégorie « Électronique » | 3 |
Utilisateur C | 8103 | Abonnez-vous au programme de fidélité | 1 |
Utilisateur C | 8103 | Téléchargez l'application mobile | 2 |
Utilisateur C | 8103 | Achat dans la catégorie « Électronique » | 3 |
Utilisons maintenant Next Best Action pour recommander des actions à chaque utilisateur. Après avoir défini les actions éligibles aux recommandations, le aws-next-best-action
Recipe renvoie une liste classée d'actions, personnalisées pour chaque utilisateur, en fonction de la propension de l'utilisateur (la probabilité qu'un utilisateur effectue une action particulière, comprise entre 0.0 et 1.0) et de la valeur de cette action, si elle est fournie. Pour les besoins de cet article, nous prenons uniquement en compte la propension des utilisateurs.
Dans l'exemple suivant, nous voyons que pour l'utilisateur A (acheteur fréquent), S'abonner au programme de fidélité est l'action la plus recommandée avec un score de propension de 1.00, ce qui signifie que cet utilisateur est le plus susceptible de s'inscrire au programme de fidélité car il a fait nombreux achats. Par conséquent, recommander l’action S’abonner au programme de fidélité à l’utilisateur A a une forte probabilité d’augmenter l’engagement de l’utilisateur A.
Type d'utilisateur | Identifiant d'utilisateur | Recommandations d'actions | Rang d'action | Score de propension |
Utilisateur A | 11999 | Abonnez-vous au programme de fidélité | 1 | 1.00 |
Utilisateur A | 11999 | Achat dans la catégorie « Bijoux » | 2 | 0.86 |
Utilisateur A | 11999 | Achat dans la catégorie « Beauté et soins » | 3 | 0.85 |
Utilisateur B | 17141 | Achat dans la catégorie « Électronique » | 1 | 0.78 |
Utilisateur B | 17141 | Abonnez-vous au programme de fidélité | 2 | 0.71 |
Utilisateur B | 17141 | Achat dans la catégorie « Maisons intelligentes » | 3 | 0.66 |
Utilisateur C | 8103 | Achat dans la catégorie « Sacs à main et chaussures » | 1 | 0.60 |
Utilisateur C | 8103 | Téléchargez l'application mobile | 2 | 0.48 |
Utilisateur C | 8103 | Achat dans la catégorie « Vêtements » | 3 | 0.46 |
De même, l'utilisateur B (acheteur occasionnel) a une probabilité plus élevée de continuer à acheter dans la catégorie « Électronique » et également d'acheter de nouveaux produits dans une catégorie similaire, « Maisons intelligentes ». Par conséquent, Next Best Action vous recommande de prioriser les actions, Achat dans la catégorie « Électronique » et Achat dans la catégorie « Maisons intelligentes ». Cela signifie que si vous invitez l'utilisateur B à acheter des produits dans ces deux catégories, cela peut conduire à un plus grand engagement. Nous remarquons également que l'action de s'abonner au programme de fidélité est recommandée à l'utilisateur B mais avec un score de propension inférieur de 0.71 par rapport à l'utilisateur A, dont le score de propension est de 1.0. En effet, les utilisateurs qui ont un historique plus profond et qui sont plus avancés dans leur parcours d'achat bénéficient davantage des programmes de fidélité en raison des avantages supplémentaires et sont très susceptibles d'interagir davantage.
Enfin, nous voyons que la prochaine meilleure action pour l'utilisateur C achète dans la catégorie « Sacs à main et chaussures », ce qui est similaire à son action précédente d'achat dans la catégorie « Vêtements ». Nous constatons également que le score de propension à Télécharger l'application mobile est relativement inférieur (0.48) à celui d'une autre action, Acheter dans la catégorie « Sacs à main et chaussures », qui présente un score de propension plus élevé de 0.60. Cela signifie que si vous recommandez à l'utilisateur C d'acheter des produits dans une catégorie complémentaire (« Sacs à main et chaussures ») plutôt que de télécharger l'application mobile, il est plus susceptible de rester fidèle à votre marque et de continuer ses achats à l'avenir.
Pour plus de détails sur la façon de mettre en œuvre la Next Best Action (aws-next-best-action
) recette, reportez-vous à Documentation.
Conclusion
La nouvelle recette Next Best Action d'Amazon Personalize vous aide à recommander les bonnes actions au bon utilisateur en temps réel en fonction de son comportement et de ses besoins individuels. Cela vous permettra de maximiser l’engagement des utilisateurs et d’entraîner des taux de conversion plus élevés.
Pour plus d'informations sur Amazon Personalize, consultez le Amazon personnaliser le guide du développeur.
À propos des auteurs
Shreeya Sharma est un chef de produit technique principal travaillant avec AWS AI/ML sur Amazon Personalize. Elle a une formation en ingénierie informatique, en conseil technologique et en analyse de données. Dans ses temps libres, elle aime voyager, jouer au théâtre et tenter de nouvelles aventures.
Pranesh Anubhav est ingénieur logiciel senior pour Amazon Personalize. Il est passionné par la conception de systèmes d'apprentissage automatique pour servir les clients à grande échelle. En dehors de son travail, il adore jouer au football et est un fervent adepte du Real Madrid.
Aniket Deshmukh est un scientifique appliqué dans les laboratoires AWS AI prenant en charge Amazon Personalize. Aniket travaille dans le domaine général des systèmes de recommandation, des bandits contextuels et de l'apprentissage profond multimodal.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/build-brand-loyalty-by-recommending-actions-to-your-users-with-amazon-personalize-next-best-action/
- :possède
- :est
- :ne pas
- $UP
- 1
- 100
- 11
- 114
- 120
- 125
- 13
- 14
- 17
- 19
- 20
- 28
- 29
- 30
- 35%
- 36
- 49
- 60
- 7
- 72
- 8
- a
- A Propos
- accessible
- Compte
- à travers
- Action
- actes
- ajoutée
- ajout
- Supplémentaire
- avances
- aventures
- Après
- AI
- AI / ML
- Tous
- le long de
- aussi
- Amazon
- Amazon Personnaliser
- Amazon Web Services
- an
- analytique
- et les
- Annoncer
- Une autre
- tous
- chacun.e
- Apis
- appli
- applications
- appliqué
- approches
- SONT
- Réservé
- tableau
- AS
- At
- AWS
- fond
- base
- basé
- BE
- car
- humain
- profiter
- avantages.
- LES MEILLEURS
- jusqu'à XNUMX fois
- brand
- Marques
- construire
- la performance des entreprises
- entreprises
- mais
- acheter
- ACHETEUR..
- Achat
- by
- Campagnes
- CAN
- Peut obtenir
- capacités
- aptitude
- cas
- occasionnel
- catégories
- Catégories
- Voies
- chef
- Chief Technology Officer
- Cohorte
- Sociétés
- par rapport
- complémentaire
- ordinateur
- Informatique
- Considérer
- consulting
- contenu
- contextuel
- continuer
- Conversion
- conversions
- Prix
- engendrent
- des clients
- L'engagement des clients
- Clients
- données
- Analyse de Donnée
- profond
- l'apprentissage en profondeur
- profond
- Vous permet de définir
- livrer
- conception
- détail
- détails
- Déterminer
- Développeur
- mobiles
- différent
- numérique
- Ne pas
- download
- téléchargement
- motivation
- conduite
- deux
- chacun
- même
- sans effort
- non plus
- admissibles
- l'autonomisation des
- permettre
- permet
- encourager
- crypté
- participation
- engageant
- ingénieur
- ENGINEERING
- Chaque
- exemple
- excité
- attendre
- attend
- d'experience
- Expériences
- explorez
- Explorer
- les
- extrêmement
- Fonctionnalité
- few
- Prénom
- Abonnement
- Pour
- Avant
- fréquent
- De
- d’étiquettes électroniques entièrement
- plus
- En outre
- avenir
- Général
- obtenez
- plus grand
- Croissance
- Vous avez
- he
- vous aider
- aide
- ici
- Haute
- augmentation
- le plus élevé
- très
- sa
- Histoire
- Comment
- How To
- Cependant
- HTML
- HTTPS
- if
- Impact
- Mettre en oeuvre
- la mise en oeuvre
- améliorer
- amélioré
- l'amélioration de
- in
- Améliore
- croissant
- individuel
- d'information
- interagir
- interactions
- intérêts
- développement
- un investissement
- IT
- chemin
- jpg
- Labs
- lancer
- conduire
- apprentissage
- comme
- probabilité
- Probable
- Liste
- long-term
- plus long
- Style
- recherchez-
- aime
- baisser
- Fidélité
- programme de fidélité
- Programmes de fidélité
- click
- machine learning
- LES PLANTES
- magazine
- a prendre une
- FAIT DU
- Fabrication
- gérés
- manager
- Manuel
- Stratégie
- Maximisez
- Mai..
- significative
- veux dire
- ML
- Breeze Mobile
- Application Mobile
- PLUS
- (en fait, presque toutes)
- la plupart
- Nature
- Besoins
- Nouveauté
- produits nouveaux
- Newsletter
- next
- aucune
- Remarquer..
- nombreux
- of
- Financier
- on
- uniquement
- optimaux
- or
- Autre
- ande
- au contrôle
- plus de
- particulier
- les partenaires
- partenaires,
- passionné
- passé
- motifs
- effectuer
- Personnalisation
- Personnaliser
- Personnalisé
- Platon
- Intelligence des données Platon
- PlatonDonnées
- jouer
- possibilités
- Post
- Alimentation
- préférences
- précédent
- Avant
- Prioriser
- Privé
- processus
- Produit
- chef de produit
- Produits
- Programme
- Programmes
- promouvoir
- fournir
- à condition de
- fournit
- aportando
- achat
- achats
- achat
- but
- allant
- classé
- Nos tests de diagnostic produisent des résultats rapides et précis sans nécessiter d'équipement de laboratoire complexe et coûteux,
- Tarifs
- réal
- Real Madrid
- en temps réel
- vraiment
- recette
- recommander
- Recommandation
- recommandations
- recommandé
- recommander
- recommande
- réduire
- reportez-vous
- relativement
- libérer
- pertinent
- compter
- conditions
- résultat
- détail
- retourner
- Retours
- de revenus
- Avis
- bon
- même
- Escaliers intérieurs
- Sciences
- Scientifique
- But
- sécurisé
- sur le lien
- segmentation
- supérieur
- besoin
- service
- Services
- set
- elle
- Shopping
- montrer
- Spectacles
- de façon significative
- signature
- similaires
- Football
- Logiciels
- Software Engineer
- sur mesure
- Solutions
- sophistiqué
- Space
- spécifiquement
- étapes
- j'ai commencé
- les stratégies
- Lutter
- inscrire
- tel
- suffisant
- suggérer
- Suggère
- Appuyer
- Système
- table
- prend
- prise
- des campagnes marketing ciblées,
- Technique
- Technologie
- tendance
- que
- qui
- Le
- El futuro
- théâtre
- leur
- Les
- puis
- donc
- Ces
- l'ont
- this
- trois
- ravi
- fiable
- à
- top
- traditionnel
- Voyages
- essayer
- deux
- types
- typiquement
- incapable
- comprendre
- expérience unique et authentique
- ouvrir
- Mises à jour
- utilisé
- Utilisateur
- parcours utilisateur
- utilisateurs
- en utilisant
- Plus-value
- we
- web
- services Web
- Site Web
- sites Internet
- Quoi
- qui
- tout en
- WHO
- dont
- large
- sera
- comprenant
- dans les
- sans
- activités principales
- de travail
- vos contrats
- Classe mondiale
- Vous n'avez
- Votre
- zéphyrnet