아마존 개인화 새로운 소식을 전하게 된 것을 기쁘게 생각합니다 차선책 (aws-next-best-action
) 브랜드 충성도와 전환율을 높일 수 있도록 개별 사용자에게 제안할 수 있는 최선의 조치를 결정하는 데 도움이 되는 레시피입니다.
Amazon Personalize는 개발자가 고도로 개인화된 사용자 경험을 실시간으로 손쉽게 제공할 수 있도록 지원하는 완전 관리형 ML(기계 학습) 서비스입니다. 웹사이트, 애플리케이션, 타겟 마케팅 캠페인에서 개인화된 제품 및 콘텐츠 추천을 제공하여 고객 참여를 향상시킬 수 있습니다. ML 경험이 없어도 API를 사용하여 몇 번의 클릭만으로 정교한 개인화 기능을 쉽게 구축할 수 있습니다. 귀하의 모든 데이터는 비공개적이고 안전하도록 암호화됩니다.
이 게시물에서는 Next Best Action 레시피를 사용하여 각 사용자의 과거 상호 작용, 요구 사항 및 행동을 기반으로 작업 권장 사항을 개인화하는 방법을 보여줍니다.
솔루션 개요
디지털 채널의 급속한 성장과 초개인화에 대한 접근성을 높이는 기술 발전으로 인해 브랜드는 각 개별 사용자의 참여를 극대화할 조치를 결정하는 데 어려움을 겪고 있습니다. 브랜드는 모든 사용자에게 동일한 작업을 표시하거나 기존 사용자 세분화 접근 방식을 사용하여 각 사용자 집단에 작업을 권장합니다. 그러나 이러한 접근 방식은 더 이상 충분하지 않습니다. 왜냐하면 모든 사용자는 고유한 경험을 기대하고 자신의 요구 사항을 이해하지 못하는 브랜드를 포기하는 경향이 있기 때문입니다. 또한 프로세스의 수동 특성으로 인해 브랜드는 작업 권장 사항을 실시간으로 업데이트할 수 없습니다.
Next Best Action을 사용하면 각 사용자의 선호도, 요구 사항, 기록을 기반으로 각 사용자의 참여 가능성이 가장 높은 작업을 결정할 수 있습니다. Next Best Action은 각 사용자의 세션 내 관심사를 고려하고 실시간으로 조치 권장 사항을 제공합니다. 로열티 프로그램 등록, 뉴스레터나 잡지 가입, 새 카테고리 탐색, 앱 다운로드 및 전환을 장려하는 기타 작업과 같은 작업을 권장할 수 있습니다. 이를 통해 장기적인 브랜드 참여와 수익을 촉진하는 데 도움이 되는 사용자 여정 전반에 걸친 작업에 대한 권장 사항을 각 사용자에게 제공함으로써 각 사용자의 경험을 개선할 수 있습니다. 또한 각 사용자가 취할 가능성이 높은 조치를 추천하여 마케팅 투자 수익을 높이는 데 도움이 됩니다.
AWS 파트너는 다음과 같습니다. 크레데라 Amazon Personalize Next Best Action이 고객을 위해 열어줄 개인화 가능성에 기대가 큽니다.
“Amazon Personalize는 기업이 일반적으로 이러한 유형의 솔루션에 필요한 광범위한 재작업이나 초기 구현 비용 없이 다양한 사용 사례에 걸쳐 의미 있는 고객 경험을 창출할 수 있게 해주는 세계적 수준의 기계 학습 솔루션입니다. 고객이 개인화된 작업 권장 사항을 제공하여 디지털 경험을 크게 개선하고 추가적인 비즈니스 가치를 창출할 수 있는 Next Best Action 기능이 추가된 것을 매우 기쁘게 생각합니다. 특히 소매 또는 콘텐츠 공간에서 일하는 모든 사람이 Amazon Personalize 사용의 직접적인 결과로 고객 경험이 향상되고 전환율이 높아질 것으로 기대합니다. 우리는 이번 릴리스에서 AWS의 출시 파트너가 된 것을 매우 기쁘게 생각하며 기업이 Next Best Action을 통해 ML 기반 맞춤형 솔루션을 추진할 수 있도록 지원하기를 기대합니다.”
– Jason Goth, Credera 파트너 겸 최고 기술 책임자
사용 사례 예
이 새로운 기능의 영향을 더 자세히 살펴보기 위해 세 명의 사용자를 대상으로 예를 검토해 보겠습니다. A (User_id
11999), B(User_id
17141) 및 C(User_id
8103) 웹사이트에서 구매하는 동안 사용자 여정의 다양한 단계에 있습니다. 그런 다음 Next Best Action이 과거 상호 작용 및 선호도를 기반으로 각 사용자에게 최적의 작업을 제안하는 방법을 살펴봅니다.
먼저, 사용자가 과거에 작업과 어떻게 상호 작용했는지 이해하기 위해 작업 상호 작용 데이터 세트를 살펴봅니다. 다음 예에서는 세 명의 사용자와 그들의 다양한 쇼핑 패턴을 보여줍니다. 사용자 A는 단골 구매자이며 과거에는 주로 "뷰티 & 그루밍" 및 "주얼리" 카테고리에서 쇼핑했습니다. 사용자 B는 과거에 '전자제품' 카테고리에서 몇 차례 구매한 적이 있는 일반 구매자이고, 사용자 C는 '의류' 카테고리에서 처음 구매한 웹사이트의 신규 사용자입니다.
사용자 유형 | 사용자 ID | 행위 | Action_Event_Type | 시간 기록 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 촬영 | 2023-09-17 20:03:05 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 촬영 | 2023-09-18 19:28:38 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 촬영 | 2023-09-20 17:49:52 |
사용자 A | 11999 | '주얼리' 카테고리에서 구매 | 촬영 | 2023-09-26 18:36:16 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 촬영 | 2023-09-30 19:21:05 |
사용자 A | 11999 | 모바일 앱 다운로드 | 촬영 | 2023-09-30 19:29:35 |
사용자 A | 11999 | '주얼리' 카테고리에서 구매 | 촬영 | 2023-10-01 19:35:47 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 촬영 | 2023-10-04 19:19:34 |
사용자 A | 11999 | '주얼리' 카테고리에서 구매 | 촬영 | 2023-10-06 20:38:55 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 촬영 | 2023-10-10 20:17:07 |
사용자 B | 17141 | "전자제품" 카테고리에서 구매 | 촬영 | 2023-09-29 20:17:49 |
사용자 B | 17141 | "전자제품" 카테고리에서 구매 | 촬영 | 2023-10-02 00:38:08 |
사용자 B | 17141 | "전자제품" 카테고리에서 구매 | 촬영 | 2023-10-07 11:04:56 |
사용자 C | 8103 | '의류' 카테고리에서 구매 | 촬영 | 2023-09-26 18:30:56 |
전통적으로 브랜드는 모든 사용자에게 동일한 작업을 표시하거나 사용자 세분화 전략을 사용하여 사용자 기반에 작업을 권장합니다. 다음 표는 모든 사용자에게 동일한 작업 집합을 보여주는 브랜드의 예입니다. 이러한 행동은 사용자와 관련이 있을 수도 있고 그렇지 않을 수도 있어 브랜드에 대한 참여가 감소합니다.
사용자 유형 | 사용자 ID | 조치 권장 사항 | 행동 순위 |
사용자 A | 11999 | 로열티 프로그램 구독 | 1 |
사용자 A | 11999 | 모바일 앱 다운로드 | 2 |
사용자 A | 11999 | "전자제품" 카테고리에서 구매 | 3 |
사용자 B | 17141 | 로열티 프로그램 구독 | 1 |
사용자 B | 17141 | 모바일 앱 다운로드 | 2 |
사용자 B | 17141 | "전자제품" 카테고리에서 구매 | 3 |
사용자 C | 8103 | 로열티 프로그램 구독 | 1 |
사용자 C | 8103 | 모바일 앱 다운로드 | 2 |
사용자 C | 8103 | "전자제품" 카테고리에서 구매 | 3 |
이제 Next Best Action을 사용하여 각 사용자에게 작업을 추천해 보겠습니다. 권장 사항에 적합한 작업을 정의한 후 aws-next-best-action
recipe는 사용자 성향(사용자가 특정 행동을 취할 확률, 0.0~1.0 범위)과 해당 행동의 가치(제공된 경우)를 기준으로 각 사용자에게 맞춤화된 순위가 매겨진 행동 목록을 반환합니다. 이 게시물에서는 사용자 성향만 고려합니다.
다음 예에서는 사용자 A(단골 구매자)의 경우 충성도 프로그램 구독이 성향 점수 1.00의 가장 권장되는 작업임을 알 수 있습니다. 이는 이 사용자가 충성도 프로그램에 등록할 가능성이 가장 높다는 것을 의미합니다. 수많은 구매. 따라서 사용자 A에게 로열티 프로그램 가입 작업을 권장하면 사용자 A의 참여가 증가할 확률이 높습니다.
사용자 유형 | 사용자 ID | 조치 권장 사항 | 행동 순위 | 성향 점수 |
사용자 A | 11999 | 로열티 프로그램 구독 | 1 | 1.00 |
사용자 A | 11999 | '주얼리' 카테고리에서 구매 | 2 | 0.86 |
사용자 A | 11999 | '뷰티 & 그루밍' 카테고리에서 구매 | 3 | 0.85 |
사용자 B | 17141 | "전자제품" 카테고리에서 구매 | 1 | 0.78 |
사용자 B | 17141 | 로열티 프로그램 구독 | 2 | 0.71 |
사용자 B | 17141 | "스마트 홈" 카테고리에서 구매 | 3 | 0.66 |
사용자 C | 8103 | 핸드백&신발 카테고리에서 구매 | 1 | 0.60 |
사용자 C | 8103 | 모바일 앱 다운로드 | 2 | 0.48 |
사용자 C | 8103 | '의류' 카테고리에서 구매 | 3 | 0.46 |
마찬가지로, 사용자 B(일반 구매자 페르소나)는 "전자제품" 카테고리에서 계속 구매하고 유사한 카테고리인 "스마트 홈"에서 신제품을 구매할 가능성이 더 높습니다. 따라서 Next Best Action에서는 '전자제품' 카테고리에서 구매하고, '스마트 홈' 카테고리에서 구매하는 등 행동의 우선순위를 정할 것을 권장합니다. 즉, 사용자 B에게 이 두 카테고리의 제품을 구매하도록 유도하면 참여도가 높아질 수 있습니다. 또한 충성도 프로그램 구독 작업이 사용자 B에게 권장되지만 성향 점수가 0.71인 사용자 A에 비해 성향 점수가 1.0로 낮다는 것을 알 수 있습니다. 이는 더 깊은 역사를 가지고 있고 쇼핑 여정을 더 많이 따라가는 사용자가 추가 혜택으로 인해 로열티 프로그램에서 더 많은 혜택을 받고 더 많이 상호 작용할 가능성이 높기 때문입니다.
마지막으로 사용자 C의 Next Best Action이 "Handbags & Shoes" 카테고리에서 구매하는 것을 볼 수 있는데, 이는 이전에 "의류" 카테고리에서 구매한 액션과 유사합니다. 또한 모바일 앱을 다운로드하는 경향 점수는 성향 점수가 0.48으로 더 높은 '핸드백 및 신발' 카테고리의 구매 액션보다 상대적으로 낮은(0.60) 것을 알 수 있습니다. 즉, 사용자 C에게 모바일 앱 다운로드보다 보완적인 카테고리(“핸드백 및 신발”)의 제품 구매를 권장하면 해당 사용자는 귀하의 브랜드를 계속 유지하고 앞으로도 쇼핑을 계속할 가능성이 더 높습니다.
Next Best Action 구현 방법에 대한 자세한 내용은 (aws-next-best-action
) 레시피를 참조하세요. 선적 서류 비치.
결론
Amazon Personalize의 새로운 Next Best Action 레시피는 개별 행동과 요구 사항을 기반으로 올바른 사용자에게 실시간으로 올바른 작업을 추천하는 데 도움이 됩니다. 이를 통해 사용자 참여를 극대화하고 전환율을 높일 수 있습니다.
Amazon Personalize에 대한 자세한 내용은 다음을 참조하십시오. Amazon Personalize 개발자 가이드.
저자에 관하여
슈리야 샤르마 Amazon Personalize에서 AWS AI/ML을 담당하는 수석 기술 제품 관리자입니다. 그녀는 컴퓨터 공학, 기술 컨설팅, 데이터 분석 분야의 배경 지식을 갖고 있습니다. 여가 시간에는 여행, 연극 공연, 새로운 모험을 즐깁니다.
프라네시 아누바브 Amazon Personalize의 수석 소프트웨어 엔지니어입니다. 그는 대규모 고객에게 서비스를 제공하기 위한 기계 학습 시스템을 설계하는 데 열정을 갖고 있습니다. 업무 외에 그는 축구를 좋아하며 레알 마드리드의 열렬한 추종자입니다.
아니케트 데쉬무크 Amazon Personalize를 지원하는 AWS AI 연구소의 응용 과학자입니다. Aniket은 추천 시스템, 상황별 밴딧(Contextual Bandits) 및 다중 모드 딥 러닝의 일반 영역에서 일하고 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/build-brand-loyalty-by-recommending-actions-to-your-users-with-amazon-personalize-next-best-action/
- :있다
- :이다
- :아니
- $UP
- 1
- 100
- 11
- 114
- 120
- 125
- 13
- 14
- 17
- 19
- 20
- 28
- 29
- 30
- 35%
- 36
- 49
- 60
- 7
- 72
- 8
- a
- 소개
- 얻기 쉬운
- 계정
- 가로질러
- 동작
- 행위
- 추가
- 또한
- 추가
- 발전하다
- 모험
- 후
- AI
- AI / ML
- All
- 따라
- 또한
- 아마존
- 아마존 개인화
- Amazon Web Services
- an
- 분석
- 및
- 알리다
- 다른
- 어떤
- 누군가
- API
- 앱
- 어플리케이션
- 적용된
- 구혼
- 있군요
- 지역
- 배열
- AS
- At
- AWS
- 배경
- 기지
- 기반으로
- BE
- 때문에
- 행동
- 이익
- 혜택
- BEST
- 사이에
- 상표
- 브랜드
- 빌드
- 사업
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- 사기
- 사는 사람..
- 구매
- by
- 캠페인
- CAN
- 얻을 수 있습니다
- 기능
- 능력
- 가지 경우
- 평상복
- 카테고리
- 범주
- 채널
- 주요한
- 최고 기술 책임자 (CTO)
- 보병대
- 기업
- 비교
- 보완적인
- 컴퓨터
- 컴퓨터 과학
- 고려
- 컨설팅
- 함유량
- 문맥
- 계속
- 매출 상승
- 전환
- 비용
- 만들
- 고객
- 고객 참여
- 고객
- 데이터
- 데이터 분석
- 깊은
- 깊은 학습
- 깊이
- 밝히다
- 배달하다
- 설계
- 세부 묘사
- 세부설명
- 결정
- 개발자
- 개발자
- 다른
- 디지털
- 곧장
- 말라
- 다운로드
- 다운로드
- 드라이브
- 운전
- 두
- 마다
- 용이하게
- 힘들이지 않은
- 중
- 자격이되는
- 힘을 실어
- 가능
- 수
- 격려
- 암호화
- 약혼
- 매력적인
- 기사
- 엔지니어링
- 모든
- 예
- 흥분한
- 기대
- ~을 기대하는
- 경험
- 체험
- 탐험
- 탐색
- 광대 한
- 매우
- 특색
- 를
- 먼저,
- 수행원
- 럭셔리
- 앞으로
- 빈번한
- 에
- 충분히
- 추가
- 게다가
- 미래
- 일반
- 얻을
- 큰
- 성장
- 있다
- he
- 도움
- 도움이
- 그녀의
- 높은
- 더 높은
- 최고
- 고도로
- 그의
- history
- 방법
- How To
- 그러나
- HTML
- HTTPS
- if
- 영향
- 구현
- 이행
- 개선
- 개선하는
- 개선
- in
- 증가
- 증가
- 개인
- 정보
- 상호 작용하는
- 상호 작용
- 이해
- 으로
- 투자
- IT
- 여행
- JPG
- 실험실
- 시작
- 리드
- 배우기
- 처럼
- 있을 수 있는 일
- 아마도
- 명부
- 장기
- 이상
- 보기
- 찾고
- loves
- 절감
- 충성도
- 로열티 프로그램
- 포인트 제도
- 기계
- 기계 학습
- 만든
- 잡지
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 매니저
- 조작
- 마케팅
- 극대화하다
- XNUMX월..
- 의미있는
- 방법
- ML
- 모바일
- 모바일 앱
- 배우기
- 가장
- 대개
- 자연
- 요구
- 신제품
- 새로운 제품
- MMCC 뉴스레터
- 다음 것
- 아니
- 알아채다..
- 다수의
- of
- 장교
- on
- 만
- 최적의
- or
- 기타
- 아웃
- 외부
- 위에
- 특별한
- 파트너
- 파트너
- 열렬한
- 과거
- 패턴
- 실행할 수 있는
- 개인
- 개인
- 맞춤형 교육 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연주
- 가능성
- 게시하다
- 전원
- 환경 설정
- 너무 이른
- 이전에
- 우선 순위
- 사설
- 방법
- 프로덕트
- 제품 관리자
- 제품
- 프로그램
- 프로그램
- 홍보
- 제공
- 제공
- 제공
- 제공
- 매수
- 구매
- 구입
- 목적
- 이르기까지
- 순위
- 빠른
- 거주비용
- 현실
- 레알 마드리드
- 실시간
- 정말
- 조리법
- 권하다
- 추천
- 추천
- 추천
- 추천하는
- 추천하다
- 감소
- 참조
- 상대적으로
- 공개
- 관련된
- 의지하다
- 필수
- 결과
- 소매
- return
- 반품
- 수익
- 리뷰
- 연락해주세요
- 같은
- 규모
- 과학
- 과학자
- 점수
- 안전해야합니다.
- 참조
- 분할
- 연장자
- 서브
- 서비스
- 서비스
- 세트
- 그녀
- 쇼핑
- 표시
- 쇼
- 크게
- 로그인
- 비슷한
- 축구
- 소프트웨어
- 소프트웨어 엔지니어
- 해결책
- 솔루션
- 정교한
- 스페이스 버튼
- 구체적으로
- 단계
- 시작
- 전략들
- 노력
- 가입
- 이러한
- 충분한
- 제안
- 제안
- 지원
- 시스템은
- 테이블
- 소요
- 복용
- 대상
- 테크니컬
- Technology
- 경향이있다
- 보다
- 그
- XNUMXD덴탈의
- 미래
- 극장
- 그들의
- 그들
- 그때
- 따라서
- Bowman의
- 그들
- 이
- 세
- 감동적인
- 시간
- 에
- 상단
- 전통적인
- 여행
- 노력
- 두
- 유형
- 일반적으로
- 할 수 없는
- 이해
- 유일한
- 잠금을 해제
- 업데이트
- 사용
- 사용자
- 사용자 여정
- 사용자
- 사용
- 가치
- we
- 웹
- 웹 서비스
- 웹 사이트
- 웹 사이트
- 뭐
- 어느
- 동안
- 누구
- 누구의
- 넓은
- 의지
- 과
- 이내
- 없이
- 작업
- 일하는
- 일
- 세계적 수준의
- 자신의
- 너의
- 제퍼 넷