この投稿は、トムソン・ロイターのヘシャム・ファヒムが共同執筆しています。
トムソン・ロイター (TR) は、企業や専門家にとって世界で最も信頼されている情報機関の XNUMX つです。 信頼できる答えを見つけるために必要なインテリジェンス、テクノロジー、人間の専門知識を企業に提供し、より良い意思決定をより迅速に下せるようにします。 TR の顧客は、金融、リスク、法務、税務、会計、およびメディア市場にまたがっています。
Thomson Reuters は、ユーザーがサブスクリプション ライセンス モデルを使用してサインアップできる、税、法務、およびニュース キャンペーンで市場をリードする製品を提供しています。 顧客のこのエクスペリエンスを強化するために、TR は、販売チームが最も関連性の高いサブスクリプション パッケージを顧客に提案できるようにする一元化された推奨プラットフォームを作成したいと考えていました。カスタマイズされた製品の選択。
この一元化されたプラットフォームを構築する前に、TR には、更新の推奨事項を生成するための従来のルールベースのエンジンがありました。 このエンジンのルールは事前に定義され、SQL で記述されていました。これは、管理が難しいだけでなく、TR のさまざまな統合データ ソースからのデータの急増に対処するのにも苦労していました。 TR の顧客データは、顧客のニーズの変化を反映してビジネス ルールが進化するよりも速い速度で変化しています。 TR の新しい機械学習 (ML) ベースのパーソナライゼーション エンジンの主な要件は、最近の顧客の傾向を考慮した正確なレコメンデーション システムに集中していました。 望ましいソリューションは、運用オーバーヘッドが低く、ビジネス目標の達成を加速する機能と、変化する消費者の習慣や新製品に対処するために常に最新のデータでトレーニングできるパーソナライゼーション エンジンです。
TR の顧客にとって価値のある製品に基づいて更新の推奨事項をパーソナライズすることは、販売およびマーケティング チームにとって重要なビジネス上の課題でした。 TR には、顧客とのやり取りから収集され、集中型のデータ ウェアハウスに保存された、パーソナライズに使用できる豊富なデータがあります。 TR は ML のアーリー アダプターであり、 アマゾンセージメーカー、そして AI/ML ドメインでの成熟度は、チームがパーソナライゼーション モデルをトレーニングできるデータ ウェアハウス内の関連データの重要なデータセットを照合したことを意味しました。 TR は AI/ML のイノベーションを継続しており、最近では、 Amazonパーソナライズは、ユーザー インタラクションとアイテムを使用してユーザー向けのレコメンデーションを生成するフルマネージド ML サービスです。 この投稿では、TR が Amazon Personalize を使用して、最適な製品サブスクリプション プランと関連する価格を顧客に提供するスケーラブルなマルチテナント レコメンダー システムを構築した方法について説明します。
ソリューションのアーキテクチャ
ソリューションは、データを通じてユーザーを理解するという TR のコア オペレーションを考慮して設計する必要がありました。 これらのユーザーに、大規模なデータ コーパスからパーソナライズされた関連コンテンツを提供することは、ミッション クリティカルな要件でした。 各ユーザーの要件に合わせてカスタマイズされた質の高いレコメンデーションを取得するには、適切に設計されたレコメンデーション システムを使用することが重要です。
このソリューションでは、ユーザー行動データの収集と準備、Amazon Personalize を使用した ML モデルのトレーニング、トレーニング済みモデルによるパーソナライズされたレコメンデーションの生成、パーソナライズされたレコメンデーションを使用したマーケティング キャンペーンの推進が必要でした。
TR は、可能な限り AWS マネージド サービスを利用して、運用を簡素化し、差別化につながらない重労働を軽減したいと考えていました。 TR使用 AWS グルー DataBrew & AWSバッチ ML パイプラインで抽出、変換、ロード (ETL) ジョブを実行するジョブと、SageMaker と Amazon Personalize を使用して推奨事項を調整します。 トレーニング データの量と実行時間の観点から、ソリューションは、TR のビジネス チームのダウンストリーム コンシューマーにすでにコミットされている時間枠内で数百万のレコードを処理できるように拡張可能である必要がありました。
以下のセクションでは、ソリューションに含まれるコンポーネントについて説明します。
ML トレーニング パイプライン
ユーザーとコンテンツ間のやり取りは、クリックストリーム データの形式で収集されます。このデータは、顧客がコンテンツをクリックすると生成されます。 TR は、これがサブスクリプション プランの一部であるか、サブスクリプション プランを超えているかを分析して、価格とプランの登録オプションに関する追加の詳細を提供できるようにします。 さまざまなソースからのユーザー操作データは、データ ウェアハウスに保持されます。
次の図は、ML トレーニング パイプラインを示しています。
パイプラインは、データ ウェアハウスからデータを抽出し、データを変換してインタラクション、ユーザー、アイテム データセットを作成する AWS Batch ジョブから始まります。
モデルのトレーニングには、次のデータセットが使用されます。
- 構造化された商品データ – サブスクリプション、注文、製品カタログ、トランザクション、および顧客の詳細
- 半構造化行動データ – ユーザー、使用法、および相互作用
この変換されたデータは、 Amazon シンプル ストレージ サービス (Amazon S3) バケット。ML トレーニングのために Amazon Personalize にインポートされます。 TR はユーザー向けにパーソナライズされたレコメンデーションを生成したいため、 USER_PERSONALIZATION これは、ソリューション バージョンの作成と呼ばれます。 ソリューション バージョンが作成されると、ユーザー向けにパーソナライズされた推奨事項を生成するために使用されます。
ワークフロー全体は、 AWSステップ関数. アラートと通知は、Microsoft Teams を使用してキャプチャされ、Microsoft Teams に公開されます。 Amazon シンプル通知サービス (Amazon SNS)と アマゾンイベントブリッジ.
パーソナライズされたレコメンデーション パイプラインの生成: バッチ推論
顧客の要件と好みは頻繁に変化し、クリックストリーム データでキャプチャされた最新のインタラクションは、変化する顧客の好みを理解するための重要なデータ ポイントとして機能します。 絶え間なく変化する顧客の好みに適応するために、TR はパーソナライズされたレコメンデーションを毎日生成します。
次の図は、パーソナライズされたレコメンデーションを生成するパイプラインを示しています。
DataBrew ジョブは、現在のサブスクリプション プランと最近のアクティビティに基づいて、更新中に推奨事項を提供する資格があるユーザーのために、TR データ ウェアハウスからデータを抽出します。 DataBrew ビジュアル データ準備ツールを使用すると、TR データ アナリストやデータ サイエンティストは、データを簡単にクリーニングおよび正規化して、分析および ML 用に準備できます。 ビジュアル データ準備ツール内の 250 を超える事前構築済みの変換から選択して、コードを記述する必要なくデータ準備タスクを自動化できる機能は、重要な機能でした。 DataBrew ジョブは、バッチ推奨ジョブのインタラクションと入力用の増分データセットを生成し、出力を S3 バケットに保存します。 新しく生成された増分データセットは、対話データセットにインポートされます。 増分データセットのインポート ジョブが成功すると、Amazon Personalize のバッチ推奨ジョブが入力データでトリガーされます。 Amazon Personalize は、入力データで提供されたユーザー向けの最新の推奨事項を生成し、推奨事項 S3 バケットに保存します。
価格の最適化は、新しく形成された推奨事項を使用する準備が整う前の最後のステップです。 TR は、生成された推奨事項に対してコスト最適化ジョブを実行し、SageMaker を使用して、この最終ステップの一部として推奨事項に対してカスタム モデルを実行します。 AWS Glue ジョブは、Amazon Personalize から生成された出力をキュレートし、SageMaker カスタムモデルで必要な入力形式に変換します。 TR は、AWS が提供する幅広いサービスを活用できます。レコメンデーション プラットフォームで Amazon Personalize と SageMaker の両方を使用して、顧客企業とエンドユーザーのタイプに基づいてレコメンデーションを調整します。
ワークフロー全体が分離され、Step Functions を使用してオーケストレーションされるため、データ処理要件に応じてパイプラインを柔軟にスケーリングできます。 アラートと通知は、Amazon SNS と EventBridge を使用してキャプチャされます。
メールキャンペーンの推進
価格設定の結果とともに生成された推奨事項は、TR の顧客への電子メール キャンペーンを促進するために使用されます。 AWS Batch ジョブを使用して、各顧客の推奨事項をキュレートし、最適化された価格情報でそれを充実させます。 これらの推奨事項は TR のキャンペーン システムに取り込まれ、次の電子メール キャンペーンが促進されます。
- 顧客が関心を持つ可能性のある新製品を使用したサブスクリプションの自動更新またはアップグレード キャンペーン
- より良いオファー、より関連性の高い製品、および法的コンテンツ資料による契約中の更新キャンペーン
このプロセスからの情報はカスタマー ポータルにも複製されるため、現在のサブスクリプションを確認している顧客は新しい更新の推奨事項を確認できます。 TR は、新しいレコメンデーション プラットフォームを実装して以来、メール キャンペーンからのコンバージョン率が高くなり、販売注文の増加につながっています。
次のステップ: リアルタイムのレコメンデーション パイプライン
顧客の要件とショッピング行動はリアルタイムで変化します。適切なコンテンツを提供するには、リアルタイムの変化に推奨事項を適応させることが重要です。 バッチレコメンデーションシステムのデプロイで大きな成功を収めた後、TR は現在、Amazon Personalize を使用してレコメンデーションを生成するリアルタイムのレコメンデーションパイプラインを実装することで、このソリューションを次のレベルに引き上げることを計画しています。
次の図は、リアルタイムの推奨事項を提供するためのアーキテクチャを示しています。
リアルタイムの統合は、ライブのユーザー エンゲージメント データを収集し、Amazon Personalize にストリーミングすることから始まります。 ユーザーが TR のアプリケーションを操作すると、クリックストリーム イベントが生成され、 Amazon Kinesisデータストリーム. 次に、イベントは TR の集中型ストリーミング プラットフォームに取り込まれます。 KafkaのAmazonマネージドストリーミング (アマゾン MSK)。 Amazon MSK を使用すると、完全マネージド型の Apache Kafka を使用して、ストリーミング データをリアルタイムで簡単に取り込んで処理できます。 このアーキテクチャでは、Amazon MSK がストリーミング プラットフォームとして機能し、生の着信クリックストリーム イベントで必要なデータ変換を実行します。 次に、 AWSラムダ 関数がトリガーされて、Amazon Personalize データセットと互換性のあるスキーマにイベントをフィルターし、それらのイベントを Amazon Personalize イベント トラッカーにプッシュします。 putEvent
API。 これにより、Amazon Personalize はユーザーの最新の行動から学習し、関連するアイテムをレコメンデーションに含めることができます。
TR の Web アプリケーションは、にデプロイされた API を呼び出します。 アマゾンAPIゲートウェイ 推奨事項を取得します。これにより、Lambda 関数がトリガーされ、 GetRecommendations
Amazon Personalize を使用した API 呼び出し。 Amazon Personalize は、ユーザーの行動に合わせてキュレーションされた最新のパーソナライズされた推奨事項のセットを提供します。これらは、Lambda および API Gateway を介してウェブ アプリケーションに返されます。
このリアルタイム アーキテクチャにより、TR は顧客の最新の行動に合わせてキュレーションされたパーソナライズされたレコメンデーションを顧客に提供し、顧客のニーズをより適切に満たすことができます。
まとめ
この投稿では、TR が Amazon Personalize やその他の AWS サービスを使用してレコメンデーション エンジンを実装する方法を紹介しました。 Amazon Personalize により、TR は高性能モデルの開発とデプロイを加速し、顧客に推奨事項を提供できるようになりました。 TR は、数か月前と比べて、数週間以内に新しい製品スイートをオンボーディングできるようになりました。 TR は、Amazon Personalize と SageMaker を使用して、より優れたコンテンツ サブスクリプション プランと顧客向けの価格でカスタマー エクスペリエンスを向上させることができます。
このブログを楽しく読み、Amazon Personalize の詳細と、それが組織のレコメンデーション システムの構築にどのように役立つかを知りたい場合は、以下をご覧ください。 開発者ガイド.
著者について
ヘシャム ファヒム Thomson Reuters の主任機械学習エンジニア兼パーソナライゼーション エンジン アーキテクトです。 彼は、大企業から中規模の新興企業に至るまで、学界および産業界の組織と協力してきました。 スケーラブルな深層学習アーキテクチャに重点を置いており、モバイル ロボティクス、生物医学画像分析、レコメンデーション システムの経験があります。 コンピューターから離れて、彼は天体写真、読書、長距離サイクリングを楽しんでいます。
スリニヴァーサ・シェイク ボストンを拠点とする AWS のソリューション アーキテクトです。 彼は、エンタープライズのお客様がクラウドへの移行を加速できるよう支援しています。 彼はコンテナと機械学習技術に情熱を注いでいます。 余暇には、家族と過ごす時間、料理、旅行を楽しんでいます。
ヴァムシ クリシュナ エナボタラ AWS の上級応用 AI スペシャリスト アーキテクトです。 彼は、さまざまなセクターの顧客と協力して、影響力の大きいデータ、分析、および機械学習のイニシアチブを加速させています。 AI と ML のレコメンデーション システム、NLP、コンピューター ビジョンの分野に情熱を注いでいます。 仕事以外では、Vamshi は RC 愛好家であり、RC 機器 (飛行機、車、ドローン) を組み立て、ガーデニングも楽しんでいます。
シモーネ・ズシェ AWS のシニア ソリューション アーキテクトです。 クラウド アーキテクトとして 6 年以上の経験を持つ Simone は、組織がビジネス上の問題に取り組む方法を変革するのに役立つ革新的なプロジェクトに取り組んでいます。 AWS で大企業のお客様のサポートを支援しており、Machine Learning TFC の一員です。 仕事以外では、車や写真の仕事を楽しんでいます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/how-thomson-reuters-delivers-personalized-content-subscription-plans-at-scale-using-amazon-personalize/
- 100
- 7
- a
- 能力
- できる
- 私たちについて
- アカデミー
- 加速する
- 会計
- 正確な
- 越えて
- アクティビティ
- 適応する
- NEW
- 利点
- 後
- AI
- AI / ML
- すべて
- ことができます
- 既に
- Amazon
- Amazonパーソナライズ
- 分析
- アナリスト
- 分析論
- 分析
- &
- 回答
- アパッチ
- API
- 適用された
- 応用AI
- アプローチ
- 建築
- エリア
- 周りに
- 関連する
- 自動化する
- 認知度
- AWS
- AWSグルー
- バック
- ベース
- 基礎
- なぜなら
- BEST
- より良いです
- の間に
- 越えて
- 生物医学
- ブログ
- ボストン
- 幅
- ビルド
- 建物
- 内蔵
- ビジネス
- ビジネス
- コール
- キャンペーン
- キャンペーン
- キャンペーン
- 自動車
- カタログ
- 中心の
- 集中型の
- 挑戦する
- 変化する
- 変更
- 変化
- 選択する
- クラウド
- コード
- 収集
- コミットした
- 企業
- 比べ
- 互換性のあります
- コンポーネント
- コンピュータ
- Computer Vision
- コンピューター
- 考えると
- 絶えず
- consumer
- 消費者
- コンテナ
- コンテンツ
- 継続します
- 変換
- 基本
- 費用
- 可能性
- 作ります
- 作成した
- 作成
- キュレーション
- 教区副牧師
- 電流プローブ
- カスタム
- 顧客
- 顧客データ
- 顧客満足体験
- Customers
- daily
- データ
- データの準備
- データ処理
- データセット
- 取引
- 決定
- 深いです
- 深い学習
- 配信する
- 提供します
- によっては
- 展開
- 展開する
- 展開
- 設計
- 細部
- 発展した
- 開発
- 異なります
- 距離
- ドメイン
- ドライブ
- 運転
- ドローン
- 間に
- 各
- 前
- 早い
- エレベート
- 適格
- 使用可能
- 有効にする
- 婚約
- エンジン
- エンジニア
- 豊かにする
- Enterprise
- 企業
- 熱狂者
- 全体
- 装置
- イベント
- イベント
- 刻々と変化する
- 進化
- 体験
- 専門知識
- 説明する
- エキス
- 抽出物
- 家族
- 速いです
- 特徴
- filter
- ファイナル
- ファイナンシャル
- もう完成させ、ワークスペースに掲示しましたか?
- 会社
- 柔軟性
- フォーカス
- フォロー中
- フォーム
- 形式でアーカイブしたプロジェクトを保存します.
- 形成
- FRAME
- から
- 完全に
- function
- 機能
- ゲートウェイ
- 生成する
- 生成された
- 生成
- 生成
- 取得する
- 受け
- 与える
- 目標
- 素晴らしい
- 持って
- 助けます
- ことができます
- ハイパフォーマンス
- より高い
- 認定条件
- HTML
- HTTPS
- 人間
- 画像
- 実装する
- 実装
- import
- 重要
- in
- include
- 入ってくる
- 増加した
- 産業を変えます
- 情報
- イニシアチブ
- 革新的手法
- 革新的な
- 統合された
- 統合
- インテリジェンス
- 相互作用
- 相互作用
- 関心
- 関係する
- IT
- リーディングシート
- ジョブ
- Jobs > Create New Job
- 旅
- キー
- 大
- 姓
- 最新の
- つながる
- 主要な
- LEARN
- 学習
- Legacy
- リーガルポリシー
- レベル
- ライセンシング
- 生活
- フェイスリフト
- ライブ
- 負荷
- 長い
- ロー
- 機械
- 機械学習
- make
- 作る
- 管理します
- マネージド
- 市場
- 市場をリードする
- マーケティング
- マーケット
- 満期
- メディア
- Microsoft
- マイクロソフトチーム
- かもしれない
- 何百万
- ML
- モバイル
- モデル
- ヶ月
- 他には?
- 最も
- 必要
- ニーズ
- 新作
- 新製品
- ニュース
- 次の
- NLP
- 通知
- 通知
- オファー
- オンボード
- ONE
- オペレーショナル
- 業務執行統括
- 最適化
- 最適化
- オプション
- 受注
- 組織
- 組織
- その他
- 外側
- パッケージ
- 部
- 情熱的な
- 実行する
- 実行する
- 個人化
- 個人
- カスタマイズ
- 視点
- 写真撮影
- パイプライン
- 計画
- 計画
- プラン
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- お願いします
- ポイント
- ポータル
- 可能
- ポスト
- プ
- 準備
- 準備中
- ブランド
- 価格、またオプションについて
- 価格設定
- 問題
- プロセス
- 処理
- プロダクト
- 製品
- プロ
- 専門家
- プロジェクト(実績作品)
- 提供します
- 提供
- は、大阪で
- 提供
- 公表
- プッシュ
- 品質
- すぐに
- 上げる
- 測距
- レート
- Raw
- リーディング
- 準備
- リアル
- への
- 最近
- 最近
- レシピ
- おすすめ
- 提言
- 記録
- 減らします
- 言及
- 反映する
- 関連した
- 複製された
- の提出が必要です
- 要件
- 要件
- 結果
- ロイター通信社
- レビュー
- リスク
- ロボット工学
- ルール
- ラン
- セージメーカー
- セールス
- ド電源のデ
- 規模
- スケーリング
- 科学者たち
- セクション
- セクター
- 見ること
- シニア
- 役立つ
- 仕える
- サービス
- サービス
- サービング
- セッションに
- ショッピング
- 符号
- 重要
- 簡単な拡張で
- 簡素化する
- から
- So
- 溶液
- ソリューション
- ソース
- ソース
- 専門家
- 支出
- 開始
- スタートアップ
- 手順
- ストレージ利用料
- 保存され
- 店舗
- ストリーミング
- 購読
- サブスクリプション
- 成功
- 成功した
- スイート
- サポート
- システム
- テーラード
- 取る
- 取り
- タスク
- 税金
- チーム
- チーム
- テクノロジー
- テクノロジー
- アプリ環境に合わせて
- トムソンロイター
- 介して
- 時間
- 〜へ
- ツール
- top
- トレーニング
- 訓練された
- トレーニング
- 取引
- 最適化の適用
- 変換
- 変換
- 旅行
- トレンド
- トリガ
- 信頼されている
- わかる
- 理解する
- 最新
- アップグレード
- 使用法
- つかいます
- ユーザー
- users
- 貴重な
- さまざまな
- バージョン
- 、
- ビジョン
- ボリューム
- wanted
- 富
- ウェブ
- Webアプリケーション
- ウィークス
- この試験は
- which
- 誰
- 以内
- 無し
- 仕事
- 働いていました
- ワーキング
- 作品
- 世界の
- でしょう
- 書きます
- 書かれた
- 年
- You
- あなたの
- ゼファーネット