Amazon Customize tem o prazer de anunciar o novo Próxima melhor ação (aws-next-best-action
) receita para ajudá-lo a determinar as melhores ações a serem sugeridas a seus usuários individuais que permitirão aumentar a fidelidade à marca e a conversão.
O Amazon Personalize é um serviço de machine learning (ML) totalmente gerenciado que facilita aos desenvolvedores a entrega de experiências de usuário altamente personalizadas em tempo real. Ele permite que você melhore o envolvimento do cliente, fornecendo recomendações personalizadas de produtos e conteúdo em sites, aplicativos e campanhas de marketing direcionadas. Você pode começar sem nenhuma experiência anterior em ML, usando APIs para criar facilmente recursos de personalização sofisticados com apenas alguns cliques. Todos os seus dados são criptografados para serem privados e seguros.
Nesta postagem, mostramos como usar a receita Next Best Action para personalizar recomendações de ações com base nas interações, necessidades e comportamento anteriores de cada usuário.
Visão geral da solução
Com o rápido crescimento dos canais digitais e os avanços tecnológicos que tornam a hiperpersonalização mais acessível, as marcas lutam para determinar quais ações maximizarão o envolvimento de cada usuário individual. As marcas mostram as mesmas ações para todos os usuários ou contam com abordagens tradicionais de segmentação de usuários para recomendar ações para cada grupo de usuários. No entanto, estas abordagens já não são suficientes, porque cada utilizador espera uma experiência única e tende a abandonar marcas que não compreendem as suas necessidades. Além disso, as marcas não conseguem atualizar as recomendações de ação em tempo real devido à natureza manual do processo.
Com Next Best Action, você pode determinar as ações que têm maior probabilidade de envolver cada usuário individual com base em suas preferências, necessidades e histórico. Next Best Action leva em consideração os interesses de cada usuário na sessão e fornece recomendações de ações em tempo real. Você pode recomendar ações como inscrição em programas de fidelidade, inscrição em newsletter ou revista, exploração de uma nova categoria, download de um aplicativo e outras ações que incentivem a conversão. Isso permitirá que você melhore a experiência de cada usuário, fornecendo-lhes recomendações sobre ações ao longo da jornada do usuário que ajudarão a promover o envolvimento e a receita da marca a longo prazo. Também ajudará a melhorar o retorno do investimento em marketing, recomendando as ações que cada usuário tem maior probabilidade de realizar.
Parceiros da AWS como Credera estão entusiasmados com as possibilidades de personalização que o Amazon Personalize Next Best Action irá desbloquear para seus clientes.
“O Amazon Personalize é uma solução de aprendizado de máquina de classe mundial que permite às empresas criar experiências significativas para os clientes em uma ampla variedade de casos de uso, sem retrabalho extensivo ou custos iniciais de implementação que normalmente são exigidos para esses tipos de soluções. Estamos realmente entusiasmados com a adição do recurso Next Best Action, que permitirá aos clientes fornecer recomendações de ações personalizadas, melhorando significativamente suas experiências digitais e gerando valor comercial adicional. Especificamente, esperamos que qualquer pessoa que trabalhe no setor de varejo ou conteúdo veja uma experiência aprimorada para seus clientes e conversões mais altas como resultado direto do uso do Amazon Personalize. Estamos extremamente entusiasmados por sermos parceiros de lançamento da AWS neste lançamento e ansiosos para capacitar as empresas para impulsionar soluções personalizadas baseadas em ML com Next Best Action.”
– Jason Goth, sócio e diretor de tecnologia da Credera.
Casos de uso de exemplo
Para explorar o impacto desse novo recurso com mais detalhes, vamos revisar um exemplo com três usuários: A (User_id
11999), B (User_id
17141) e C (User_id
8103), que estão em diferentes estágios da jornada do usuário ao fazer compras em um site. Vemos então como Next Best Action sugere as ações ideais para cada usuário com base em suas interações e preferências anteriores.
Primeiro, analisamos o conjunto de dados de interações de ação para entender como os usuários interagiram com ações no passado. O exemplo a seguir mostra os três usuários e seus diferentes padrões de compras. O usuário A é um comprador frequente e já comprou principalmente nas categorias “Beleza e cuidados pessoais” e “Jóias” no passado. O usuário B é um comprador casual que já fez algumas compras na categoria “Eletrônicos” e o usuário C é um novo usuário do site que fez sua primeira compra na categoria “Roupas”.
Tipo de usuário | ID do usuário | Opções | Action_Event_Type | Timestamp |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | tomado | 2023-09-17 20:03:05 |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | tomado | 2023-09-18 19:28:38 |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | tomado | 2023-09-20 17:49:52 |
Usuário A | 11999 | Compra na categoria “Jóias” | tomado | 2023-09-26 18:36:16 |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | tomado | 2023-09-30 19:21:05 |
Usuário A | 11999 | Faça o download do aplicativo móvel | tomado | 2023-09-30 19:29:35 |
Usuário A | 11999 | Compra na categoria “Jóias” | tomado | 2023-10-01 19:35:47 |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | tomado | 2023-10-04 19:19:34 |
Usuário A | 11999 | Compra na categoria “Jóias” | tomado | 2023-10-06 20:38:55 |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | tomado | 2023-10-10 20:17:07 |
Usuário B | 17141 | Compra na categoria “Eletrônicos” | tomado | 2023-09-29 20:17:49 |
Usuário B | 17141 | Compra na categoria “Eletrônicos” | tomado | 2023-10-02 00:38:08 |
Usuário B | 17141 | Compra na categoria “Eletrônicos” | tomado | 2023-10-07 11:04:56 |
Usuário C | 8103 | Compra na categoria “Roupas” | tomado | 2023-09-26 18:30:56 |
Tradicionalmente, as marcas mostram as mesmas ações para todos os usuários ou empregam estratégias de segmentação de usuários para recomendar ações à sua base de usuários. A tabela a seguir é um exemplo de marca que mostra o mesmo conjunto de ações para todos os usuários. Essas ações podem ou não ser relevantes para os usuários, reduzindo seu engajamento com a marca.
Tipo de usuário | ID do usuário | Recomendações de ação | Classificação de Ação |
Usuário A | 11999 | Assine o Programa de Fidelidade | 1 |
Usuário A | 11999 | Faça o download do aplicativo móvel | 2 |
Usuário A | 11999 | Compra na categoria “Eletrônicos” | 3 |
Usuário B | 17141 | Assine o Programa de Fidelidade | 1 |
Usuário B | 17141 | Faça o download do aplicativo móvel | 2 |
Usuário B | 17141 | Compra na categoria “Eletrônicos” | 3 |
Usuário C | 8103 | Assine o Programa de Fidelidade | 1 |
Usuário C | 8103 | Faça o download do aplicativo móvel | 2 |
Usuário C | 8103 | Compra na categoria “Eletrônicos” | 3 |
Agora vamos usar Next Best Action para recomendar ações para cada usuário. Depois de definir as ações qualificadas para recomendações, o aws-next-best-action
A receita retorna uma lista classificada de ações, personalizada para cada usuário, com base na propensão do usuário (a probabilidade de um usuário realizar uma ação específica, variando entre 0.0 e 1.0) e o valor dessa ação, se fornecido. Para o propósito desta postagem, consideramos apenas a propensão do usuário.
No exemplo a seguir, vemos que para o Usuário A (comprador frequente), Inscrever-se no Programa de Fidelidade é a ação mais recomendada com uma pontuação de propensão de 1.00, o que significa que é mais provável que esse usuário se inscreva no programa de fidelidade porque fez inúmeras compras. Portanto, recomendar a ação Assine o Programa de Fidelidade ao Usuário A tem alta probabilidade de aumentar o engajamento do Usuário A.
Tipo de usuário | ID do usuário | Recomendações de ação | Classificação de Ação | Pontuação de propensão |
Usuário A | 11999 | Assine o Programa de Fidelidade | 1 | 1.00 |
Usuário A | 11999 | Compra na categoria “Jóias” | 2 | 0.86 |
Usuário A | 11999 | Compra na categoria “Beleza e cuidados pessoais” | 3 | 0.85 |
Usuário B | 17141 | Compra na categoria “Eletrônicos” | 1 | 0.78 |
Usuário B | 17141 | Assine o Programa de Fidelidade | 2 | 0.71 |
Usuário B | 17141 | Compre na categoria “Casas Inteligentes” | 3 | 0.66 |
Usuário C | 8103 | Compra na categoria “Bolsas e sapatos” | 1 | 0.60 |
Usuário C | 8103 | Faça o download do aplicativo móvel | 2 | 0.48 |
Usuário C | 8103 | Compra na categoria “Roupas” | 3 | 0.46 |
Da mesma forma, o Usuário B (comprador casual) tem maior probabilidade de continuar comprando na categoria “Eletrônicos” e também comprando novos produtos em uma categoria semelhante, “Casas Inteligentes”. Portanto, a Next Best Action recomenda que você priorize as ações, Compra na categoria “Eletrônicos” e Compra na categoria “Casas Inteligentes”. Isso significa que se você solicitar ao Usuário B que compre produtos nessas duas categorias, isso poderá levar a um maior engajamento. Observamos também que a ação de Assinar o Programa de Fidelidade é recomendada ao Usuário B, mas com um índice de propensão inferior de 0.71 em comparação ao Usuário A, cujo índice de propensão é 1.0. Isso ocorre porque os usuários que têm um histórico mais profundo e estão mais avançados em sua jornada de compras se beneficiam mais dos programas de fidelidade devido aos benefícios adicionais e têm maior probabilidade de interagir mais.
Por fim, vemos que a próxima melhor ação para o usuário C é comprar na categoria “Bolsas e sapatos”, que é semelhante à ação anterior de compra na categoria “Roupas”. Vemos também que a pontuação de propensão para baixar o aplicativo móvel é relativamente menor (0.48) do que outra ação, Comprar na categoria “Bolsas e sapatos”, que tem uma pontuação de propensão mais alta de 0.60. Isso significa que se você recomendar ao usuário C que compre produtos em uma categoria complementar (“Bolsas e sapatos”) em vez de baixar o aplicativo móvel, é mais provável que ele permaneça com sua marca e continue comprando no futuro.
Para obter mais detalhes sobre como implementar a Próxima Melhor Ação (aws-next-best-action
) receita, consulte documentação.
Conclusão
A nova receita Next Best Action no Amazon Personalize ajuda você a recomendar as ações certas ao usuário certo em tempo real com base em seu comportamento e necessidades individuais. Isso permitirá que você maximize o envolvimento do usuário e leve a maiores taxas de conversão.
Para obter mais informações sobre o Amazon Personalize, consulte o Guia do desenvolvedor do Amazon Personalize.
Sobre os autores
Shreya Sharma é gerente técnico sênior de produto e trabalha com AWS AI/ML no Amazon Personalize. Ela tem experiência em engenharia de ciência da computação, consultoria de tecnologia e análise de dados. Nas horas vagas, ela gosta de viajar, fazer teatro e experimentar novas aventuras.
Pranesh Anubhav é engenheiro de software sênior da Amazon Personalize. Ele é apaixonado por projetar sistemas de aprendizado de máquina para atender clientes em grande escala. Fora do trabalho, adora jogar futebol e é um ávido torcedor do Real Madrid.
Aniket Deshmukh é cientista aplicado nos laboratórios de IA da AWS que oferecem suporte ao Amazon Personalize. Aniket atua na área geral de sistemas de recomendação, bandidos contextuais e aprendizagem profunda multimodal.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/build-brand-loyalty-by-recommending-actions-to-your-users-with-amazon-personalize-next-best-action/
- :tem
- :é
- :não
- $UP
- 1
- 100
- 11
- 114
- 120
- 125
- 13
- 14
- 17
- 19
- 20
- 28
- 29
- 30
- 35%
- 36
- 49
- 60
- 7
- 72
- 8
- a
- Sobre
- acessível
- Conta
- em
- Açao Social
- ações
- adicionado
- Adição
- Adicional
- avanços
- aventuras
- Depois de
- AI
- AI / ML
- Todos os Produtos
- juntamente
- tb
- Amazon
- Amazon Customize
- Amazon Web Services
- an
- analítica
- e
- Anunciar
- Outro
- qualquer
- qualquer um
- APIs
- app
- aplicações
- aplicado
- se aproxima
- SOMOS
- ÁREA
- Ordem
- AS
- At
- AWS
- fundo
- base
- baseado
- BE
- Porque
- comportamento
- beneficiar
- Benefícios
- MELHOR
- entre
- interesse?
- marcas
- construir
- negócio
- negócios
- mas a
- comprar
- COMPRADOR..
- Comprar
- by
- Campanhas
- CAN
- Pode obter
- capacidades
- capacidade
- casos
- casual
- Categorias
- Categoria
- canais
- chefe
- Chief Technology Officer
- grupo
- Empresas
- comparado
- complementar
- computador
- Ciência da Computação
- Considerar
- consultor
- conteúdo
- contextual
- continuar
- Conversão
- conversões
- Custo
- crio
- cliente
- O envolvimento do cliente é aprimorado em uma relação direta e personalizada.
- Clientes
- dados,
- Análise de Dados
- profundo
- deep learning
- mais profunda
- definir
- entregar
- concepção
- detalhe
- detalhes
- Determinar
- Developer
- desenvolvedores
- diferente
- digital
- diretamente
- não
- download
- descarga
- distância
- condução
- dois
- cada
- facilmente
- sem esforço
- ou
- elegível
- capacitação
- permitir
- permite
- encorajar
- criptografada
- COMPROMETIMENTO
- noivando
- engenheiro
- Engenharia
- Cada
- exemplo
- animado
- esperar
- espera
- vasta experiência
- Experiências
- explorar
- Explorando
- extenso
- extremamente
- Característica
- poucos
- Primeiro nome
- seguinte
- Escolha
- para a frente
- freqüente
- da
- totalmente
- mais distante
- Além disso
- futuro
- Geral
- ter
- maior
- Growth
- Ter
- he
- ajudar
- ajuda
- sua experiência
- Alta
- superior
- mais
- altamente
- sua
- história
- Como funciona o dobrador de carta de canal
- Como Negociar
- Contudo
- HTML
- HTTPS
- if
- Impacto
- executar
- implementação
- melhorar
- melhorado
- melhorar
- in
- Crescimento
- aumentando
- Individual
- INFORMAÇÕES
- interagir
- interações
- interesses
- para dentro
- investimento
- IT
- viagem
- jpg
- Laboratório
- lançamento
- conduzir
- aprendizagem
- como
- probabilidade
- Provável
- Lista
- longo prazo
- mais
- olhar
- procurando
- ama
- diminuir
- Lealdade
- programa de fidelidade
- Os programas de fidelidade
- máquina
- aprendizado de máquina
- moldadas
- revista
- fazer
- FAZ
- Fazendo
- gerenciados
- Gerente
- manual
- Marketing
- Maximizar
- Posso..
- significativo
- significa
- ML
- Móvel Esteira
- Aplicativo móvel
- mais
- a maioria
- na maioria das vezes
- Natureza
- Cria
- Novo
- novos produtos
- Newsletter
- Próximo
- não
- Perceber..
- numeroso
- of
- Oficial
- on
- só
- ideal
- or
- Outros
- Fora
- lado de fora
- Acima de
- particular
- parceiro
- Parceiros
- apaixonado
- passado
- padrões
- realização
- Personalização
- Personalizar
- Personalizado
- platão
- Inteligência de Dados Platão
- PlatãoData
- jogar
- possibilidades
- Publique
- Powering
- preferências
- anterior
- Prévio
- Priorizar
- privado
- processo
- Produto
- gerente de produto
- Produtos
- Agenda
- Programas
- a promover
- fornecer
- fornecido
- fornece
- fornecendo
- compra
- compras
- aquisitivo
- propósito
- variando
- classificado
- rápido
- Preços
- reais
- Real Madrid
- em tempo real
- clientes
- receita
- recomendar
- Recomendação
- recomendações
- Recomenda
- recomendando
- recomenda
- redução
- referir
- relativamente
- liberar
- relevante
- depender
- requeridos
- resultar
- varejo
- retorno
- Retorna
- receita
- rever
- certo
- mesmo
- Escala
- Ciência
- Cientista
- Ponto
- seguro
- Vejo
- segmentação
- senior
- servir
- serviço
- Serviços
- conjunto
- ela
- minha
- mostrar
- Shows
- de forma considerável
- assinatura
- semelhante
- futebol
- Software
- Engenheiro de Software
- solução
- Soluções
- sofisticado
- Espaço
- especificamente
- Estágio
- começado
- estratégias
- Lutar
- Inscreva-se
- tal
- suficiente
- sugerir
- Sugere
- Apoiar
- sistemas
- mesa
- toma
- tomar
- visadas
- Dados Técnicos:
- Tecnologia
- tende
- do que
- que
- A
- O Futuro
- teatro
- deles
- Eles
- então
- assim sendo
- Este
- deles
- isto
- três
- emocionado
- tempo
- para
- topo
- tradicional
- Viagens
- tentando
- dois
- tipos
- tipicamente
- incapaz
- compreender
- único
- destravar
- Atualizar
- usar
- Utilizador
- jornada do usuário
- usuários
- utilização
- valor
- we
- web
- serviços web
- Site
- sites
- O Quê
- qual
- enquanto
- QUEM
- de quem
- Largo
- precisarão
- de
- dentro
- sem
- Atividades:
- trabalhar
- trabalho
- classe mundial
- Vocês
- investimentos
- zefirnet