Amazon персонализировать рада объявить о новом Следующий лучший экшен (aws-next-best-action
) рецепт, который поможет вам определить, какие действия лучше всего предложить вашим отдельным пользователям, что позволит вам повысить лояльность к бренду и конверсию.
Amazon Personalize — это полностью управляемый сервис машинного обучения (ML), который позволяет разработчикам легко предоставлять высоко персонализированный пользовательский интерфейс в режиме реального времени. Это позволяет вам улучшить взаимодействие с клиентами, предоставляя персонализированные рекомендации по продуктам и контенту на веб-сайтах, в приложениях и в целевых маркетинговых кампаниях. Вы можете начать работу, не имея предварительного опыта машинного обучения, используя API-интерфейсы, чтобы легко создавать сложные возможности персонализации за несколько кликов. Все ваши данные зашифрованы, чтобы обеспечить конфиденциальность и безопасность.
В этом посте мы покажем вам, как использовать рецепт «Следующее лучшее действие» для персонализации рекомендаций действий на основе прошлых взаимодействий, потребностей и поведения каждого пользователя.
Обзор решения
В условиях быстрого роста цифровых каналов и технологических достижений, которые делают гиперперсонализацию более доступной, брендам сложно определить, какие действия максимизируют вовлеченность каждого отдельного пользователя. Бренды либо показывают одни и те же действия всем пользователям, либо полагаются на традиционные подходы к сегментации пользователей, чтобы рекомендовать действия каждой группе пользователей. Однако этих подходов уже недостаточно, поскольку каждый пользователь ожидает уникального опыта и склонен отказываться от брендов, которые не понимают его потребностей. Кроме того, бренды не могут обновлять рекомендации по действиям в режиме реального времени из-за ручного характера процесса.
С помощью функции «Следующее лучшее действие» вы можете определить действия, которые с наибольшей вероятностью привлекут каждого отдельного пользователя, исходя из его предпочтений, потребностей и истории. Next Best Action учитывает интересы каждого пользователя во время сеанса и предоставляет рекомендации по действиям в режиме реального времени. Вы можете порекомендовать такие действия, как участие в программах лояльности, подписку на информационный бюллетень или журнал, изучение новой категории, загрузку приложения и другие действия, способствующие конверсии. Это позволит вам улучшить опыт каждого пользователя, предоставив ему рекомендации о действиях на протяжении всего пользовательского пути, которые помогут способствовать долгосрочному взаимодействию с брендом и увеличению дохода. Это также поможет повысить отдачу от маркетинговых инвестиций, рекомендуя действия, которые каждый пользователь с высокой вероятностью предпримет.
Партнерам AWS нравится Он поверит в восторге от возможностей персонализации, которые Amazon Personalize Next Best Action откроет для своих клиентов.
«Amazon Personalize — это решение мирового класса для машинного обучения, которое позволяет компаниям создавать содержательный клиентский опыт в широком спектре вариантов использования без масштабной доработки или первоначальных затрат на внедрение, которые обычно требуются для решений такого типа. Мы очень рады добавлению функции «Следующее лучшее действие», которая позволит клиентам предоставлять персонализированные рекомендации по действиям, что значительно улучшит их цифровой опыт и повысит ценность бизнеса. В частности, мы ожидаем, что любой, кто работает в сфере розничной торговли или контента, увидит улучшение качества обслуживания своих клиентов и повышение конверсии как прямой результат использования Amazon Personalize. Мы очень рады стать партнером AWS по запуску этого выпуска и с нетерпением ждем возможности предоставить компаниям возможность внедрять персонализированные решения на основе машинного обучения с помощью Next Best Action».
– Джейсон Гот, партнер и технический директор Credera.
Примеры использования
Чтобы более подробно изучить влияние этой новой функции, давайте рассмотрим пример, взяв трех пользователей: A (User_id
11999), Б (User_id
17141) и С (User_id
8103), которые находятся на разных этапах своего пользовательского пути при совершении покупок на веб-сайте. Затем мы видим, как Next Best Action предлагает оптимальные действия для каждого пользователя на основе его прошлых взаимодействий и предпочтений.
Сначала мы смотрим на набор данных о взаимодействиях действий, чтобы понять, как пользователи взаимодействовали с действиями в прошлом. В следующем примере показаны три пользователя и их различные модели покупок. Пользователь А является частым покупателем и в прошлом совершал покупки в основном в категориях «Красота и уход» и «Ювелирные изделия». Пользователь Б — случайный покупатель, совершивший в прошлом несколько покупок в категории «Электроника», а Пользователь В — новый пользователь на сайте, совершивший первую покупку в категории «Одежда».
Тип пользователя | ID пользователя | Действия | Action_Event_Type | Timestamp |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | приняты | 2023-09-17 20:03:05 |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | приняты | 2023-09-18 19:28:38 |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | приняты | 2023-09-20 17:49:52 |
Пользователь А | 11999 | Покупка в категории «Ювелирные изделия» | приняты | 2023-09-26 18:36:16 |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | приняты | 2023-09-30 19:21:05 |
Пользователь А | 11999 | Загрузите мобильное приложение | приняты | 2023-09-30 19:29:35 |
Пользователь А | 11999 | Покупка в категории «Ювелирные изделия» | приняты | 2023-10-01 19:35:47 |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | приняты | 2023-10-04 19:19:34 |
Пользователь А | 11999 | Покупка в категории «Ювелирные изделия» | приняты | 2023-10-06 20:38:55 |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | приняты | 2023-10-10 20:17:07 |
Пользователь B | 17141 | Купить в категории «Электроника» | приняты | 2023-09-29 20:17:49 |
Пользователь B | 17141 | Купить в категории «Электроника» | приняты | 2023-10-02 00:38:08 |
Пользователь B | 17141 | Купить в категории «Электроника» | приняты | 2023-10-07 11:04:56 |
Пользователь C | 8103 | Покупка в категории «Одежда» | приняты | 2023-09-26 18:30:56 |
Традиционно бренды либо показывают одни и те же действия всем пользователям, либо используют стратегии сегментации пользователей, чтобы рекомендовать действия своей пользовательской базе. В следующей таблице приведен пример бренда, демонстрирующего один и тот же набор действий всем пользователям. Эти действия могут иметь или не иметь отношение к пользователям, снижая их взаимодействие с брендом.
Тип пользователя | ID пользователя | Рекомендации по действию | Ранг действия |
Пользователь А | 11999 | Подпишитесь на программу лояльности | 1 |
Пользователь А | 11999 | Загрузите мобильное приложение | 2 |
Пользователь А | 11999 | Купить в категории «Электроника» | 3 |
Пользователь B | 17141 | Подпишитесь на программу лояльности | 1 |
Пользователь B | 17141 | Загрузите мобильное приложение | 2 |
Пользователь B | 17141 | Купить в категории «Электроника» | 3 |
Пользователь C | 8103 | Подпишитесь на программу лояльности | 1 |
Пользователь C | 8103 | Загрузите мобильное приложение | 2 |
Пользователь C | 8103 | Купить в категории «Электроника» | 3 |
Теперь давайте воспользуемся «Следующим лучшим действием», чтобы рекомендовать действия для каждого пользователя. После того как вы определите действия, подпадающие под рекомендации, aws-next-best-action
Рецепт возвращает ранжированный список действий, персонализированный для каждого пользователя, на основе склонности пользователя (вероятность выполнения пользователем определенного действия в диапазоне от 0.0 до 1.0) и ценности этого действия, если оно предусмотрено. Для целей этой статьи мы учитываем только склонности пользователей.
В следующем примере мы видим, что для пользователя А (частый покупатель) «Подписаться на программу лояльности» является наиболее рекомендуемым действием с показателем склонности 1.00. Это означает, что этот пользователь с наибольшей вероятностью зарегистрируется в программе лояльности, поскольку он сделал многочисленные покупки. Таким образом, рекомендация действия «Подписаться на программу лояльности» пользователю А имеет высокую вероятность увеличения вовлеченности пользователя А.
Тип пользователя | ID пользователя | Рекомендации по действию | Ранг действия | Оценка склонности |
Пользователь А | 11999 | Подпишитесь на программу лояльности | 1 | 1.00 |
Пользователь А | 11999 | Покупка в категории «Ювелирные изделия» | 2 | 0.86 |
Пользователь А | 11999 | Покупка в категории «Красота и уход» | 3 | 0.85 |
Пользователь B | 17141 | Купить в категории «Электроника» | 1 | 0.78 |
Пользователь B | 17141 | Подпишитесь на программу лояльности | 2 | 0.71 |
Пользователь B | 17141 | Покупка в категории «Умные дома» | 3 | 0.66 |
Пользователь C | 8103 | Покупайте в категории «Сумки и обувь». | 1 | 0.60 |
Пользователь C | 8103 | Загрузите мобильное приложение | 2 | 0.48 |
Пользователь C | 8103 | Покупка в категории «Одежда» | 3 | 0.46 |
Аналогичным образом, пользователь Б (персонаж случайного покупателя) с большей вероятностью продолжит совершать покупки в категории «Электроника», а также покупать новые продукты в аналогичной категории «Умные дома». Поэтому Next Best Action рекомендует вам расставить приоритеты в действиях: «Покупка» в категории «Электроника» и «Покупка в категории «Умные дома». Это означает, что если вы предложите пользователю Б покупать продукты в этих двух категориях, это может привести к большей вовлеченности. Мы также заметили, что действие «Подписаться на программу лояльности» рекомендуется пользователю Б, но с более низким показателем склонности 0.71 по сравнению с пользователем А, чей показатель склонности равен 1.0. Это связано с тем, что пользователи, которые имеют более глубокую историю и находятся дальше на пути к покупкам, получают больше выгоды от программ лояльности из-за дополнительных преимуществ и, скорее всего, будут больше взаимодействовать.
Наконец, мы видим, что следующим лучшим действием для пользователя C является покупка в категории «Сумки и обувь», что аналогично предыдущему действию «Покупка в категории «Одежда». Мы также видим, что показатель склонности к загрузке мобильного приложения относительно ниже (0.48), чем у другого действия, покупки в категории «Сумки и обувь», у которого показатель склонности выше — 0.60. Это означает, что если вы порекомендуете пользователю C приобретать товары в дополнительной категории («Сумки и обувь») вместо загрузки мобильного приложения, он с большей вероятностью останется приверженцем вашего бренда и продолжит совершать покупки в будущем.
Для получения более подробной информации о том, как реализовать следующее лучшее действие (aws-next-best-action
) рецепт см. документации.
Заключение
Новый рецепт «Следующее лучшее действие» в Amazon Personalize поможет вам рекомендовать правильные действия нужному пользователю в режиме реального времени с учетом его индивидуального поведения и потребностей. Это позволит вам максимизировать вовлеченность пользователей и привести к повышению коэффициента конверсии.
Для получения дополнительной информации об Amazon Personalize см. Руководство для разработчиков Amazon Personalize.
Об авторах
Шрия Шарма — старший технический менеджер по продукту, работающий с AWS AI/ML в Amazon Personalize. У нее есть опыт работы в области компьютерных наук, технологического консалтинга и анализа данных. В свободное время она любит путешествовать, выступать в театре и пробовать новые приключения.
Пранеш Анубхав — старший инженер-программист в Amazon Personalize. Он увлечен разработкой систем машинного обучения для обслуживания клиентов в больших масштабах. Вне работы он любит играть в футбол и является страстным болельщиком «Реала».
Аникет Дешмукх — научный сотрудник в лабораториях AWS AI, поддерживающих Amazon Personalize. Аникет работает в общей области рекомендательных систем, контекстных бандитов и мультимодального глубокого обучения.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/build-brand-loyalty-by-recommending-actions-to-your-users-with-amazon-personalize-next-best-action/
- :имеет
- :является
- :нет
- $UP
- 1
- 100
- 11
- 114
- 120
- 125
- 13
- 14
- 17
- 19
- 20
- 28
- 29
- 30
- 35%
- 36
- 49
- 60
- 7
- 72
- 8
- a
- О нас
- доступной
- Учетная запись
- через
- Действие
- действия
- добавленный
- дополнение
- дополнительный
- авансы
- приключения
- После
- AI
- AI / ML
- Все
- вдоль
- причислены
- Amazon
- Amazon персонализировать
- Amazon Web Services
- an
- аналитика
- и
- анонсировать
- Другой
- любой
- кто угодно
- API
- приложение
- Приложения
- прикладной
- подходы
- МЫ
- ПЛОЩАДЬ
- массив
- AS
- At
- AWS
- фон
- Использование темпера с изогнутым основанием
- основанный
- BE
- , так как:
- поведение
- польза
- Преимущества
- ЛУЧШЕЕ
- между
- марка
- брендов
- строить
- бизнес
- бизнес
- но
- купить
- ПОКУПАТЕЛЬ..
- покупка
- by
- Кампании
- CAN
- Может получить
- возможности
- возможности
- случаев
- казуальная
- категории
- Категории
- каналы
- главный
- Главный технический директор
- когорта
- Компании
- сравненный
- дополнительный
- компьютер
- Информатика
- Рассматривать
- консалтинг
- содержание
- контекстной
- продолжать
- Конверсия
- конверсий
- Цена
- Создайте
- клиент
- Взаимодействие с клиентами
- Клиенты
- данным
- Анализ данных
- глубоко
- глубокое обучение
- более глубокий
- определять
- доставить
- проектирование
- подробность
- подробнее
- Определять
- Застройщик
- застройщиков
- различный
- Интернет
- направлять
- Dont
- скачать
- загрузка
- управлять
- вождение
- два
- каждый
- легко
- легкий
- или
- право
- расширение прав и возможностей
- включить
- позволяет
- поощрять
- зашифрованный
- обязательство
- привлечение
- инженер
- Проект и
- Каждая
- пример
- возбужденный
- ожидать
- надеется
- опыт
- Впечатления
- Больше
- Исследование
- обширный
- чрезвычайно
- Особенность
- несколько
- Во-первых,
- после
- Что касается
- вперед
- частое
- от
- полностью
- далее
- Более того
- будущее
- Общие
- получить
- большой
- Рост
- Есть
- he
- помощь
- помогает
- ее
- High
- высший
- наивысший
- очень
- его
- история
- Как
- How To
- Однако
- HTML
- HTTPS
- if
- Влияние
- осуществлять
- реализация
- улучшать
- улучшенный
- улучшение
- in
- Увеличение
- повышение
- individual
- информация
- взаимодействовать
- взаимодействие
- интересы
- в
- инвестиций
- IT
- путешествие
- JPG
- Labs
- запуск
- вести
- изучение
- такое как
- вероятность
- Вероятно
- Список
- долгосрочный
- дольше
- посмотреть
- искать
- любит
- ниже
- Лояльность
- Программа лояльности
- Программы лояльности
- машина
- обучение с помощью машины
- сделанный
- журнал
- сделать
- ДЕЛАЕТ
- Создание
- управляемого
- менеджер
- руководство
- Маркетинг
- Максимизировать
- Май..
- значимым
- означает
- ML
- Мобильный телефон
- Мобильное приложение
- БОЛЕЕ
- самых
- в основном
- природа
- потребности
- Новые
- новые продукты
- Новостные рассылки
- следующий
- нет
- Уведомление..
- многочисленный
- of
- сотрудник
- on
- только
- оптимальный
- or
- Другое
- внешний
- внешнюю
- за
- особый
- партнер
- партнеры
- страстный
- мимо
- паттеранами
- выполнения
- воплощение
- Олицетворять
- Персонализированные
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- игры
- возможности,
- После
- Включение питания
- предпочтения
- предыдущий
- Предварительный
- Расставляйте приоритеты
- частная
- процесс
- Продукт
- Менеджер по продукции
- Продукция
- FitPartner™
- Программы
- продвижении
- обеспечивать
- при условии
- приводит
- обеспечение
- покупки
- Покупка
- покупка
- цель
- ранжирование
- вошел
- быстро
- Стоимость
- реальные
- Реал Мадрид
- реального времени
- на самом деле
- рецепт
- рекомендовать
- Рекомендация
- рекомендаций
- Управление по борьбе с наркотиками (DEA)
- рекомендуя
- рекомендует
- снижение
- относиться
- относительно
- освободить
- соответствующие
- полагаться
- обязательный
- результат
- розничный
- возвращают
- Возвращает
- доходы
- обзоре
- правую
- то же
- Шкала
- Наука
- Ученый
- Гол
- безопасный
- посмотреть
- сегментация
- старший
- служить
- обслуживание
- Услуги
- набор
- она
- Шоппинг
- показывать
- Шоу
- существенно
- подписание
- аналогичный
- Футбольный
- Software
- Инженер-программист
- Решение
- Решения
- сложный
- Space
- конкретно
- этапы
- и политические лидеры
- стратегий
- Бороться
- подписаться
- такие
- достаточный
- предлагать
- Предлагает
- поддержки
- системы
- ТАБЛИЦЫ
- принимает
- с
- целевое
- Технический
- Технологии
- как правило,
- чем
- который
- Ассоциация
- Будущее
- театр
- их
- Их
- тогда
- следовательно
- Эти
- они
- этой
- три
- взволнованный
- время
- в
- топ
- традиционный
- Путешествие
- пытается
- два
- Типы
- типично
- не в состоянии
- понимать
- созданного
- отпереть
- Обновление ПО
- использование
- Информация о пользователе
- путешествие пользователя
- пользователей
- через
- ценностное
- we
- Web
- веб-сервисы
- Вебсайт
- веб-сайты
- Что
- , которые
- в то время как
- КТО
- чья
- широкий
- будете
- в
- без
- Работа
- работает
- работает
- мировой класс
- Ты
- ВАШЕ
- зефирнет