概览
概览
在零售电商独立站和品牌 app 业务场景下，构建个性化推荐是普遍的帮助用户有效发现商品并促进转化的业务需求。企业在构建个性化推荐系统时会遇到数据难以处理，模型难以构建，以及业务和系统难以有效配合等痛点。亚马逊云科技面对该场景构建零售行业智能推荐导购解决方案指南，帮助客户高效实现生成式 AI 在零售电商行业在基于用户行为的电商商品推荐，以及通过对会话理解客户购物需要，从而提供个性化产品推荐的应用落地。该指南基于 Amazon SageMaker、Amazon EKS、Amazon ElasticCache 等服务构建。
在零售电商独立站和品牌 app 业务场景下，构建个性化推荐是普遍的帮助用户有效发现商品并促进转化的业务需求。企业在构建个性化推荐系统时会遇到数据难以处理，模型难以构建，以及业务和系统难以有效配合等痛点。亚马逊云科技面对该场景构建零售行业智能推荐导购解决方案指南，帮助客户高效实现生成式 AI 在零售电商行业在基于用户行为的电商商品推荐，以及通过对会话理解客户购物需要，从而提供个性化产品推荐的应用落地。该指南基于 Amazon SageMaker、Amazon EKS、Amazon ElasticCache 等服务构建。
优势
优势
支持多模态
指南提供基于用户意图的商品导购、基于图片的商品导购和基于视频的商品导购功能，让客户更方便地找到感兴趣的商品，从而促进商品成交，提升电商客户的商品转化效率。
对话式购物
在 chatbot 中完成从商品推荐、添加购物车到下单的整个购物流程，导购更智能，满足客户的多样化购物需求。
高弹性
结合 auto scaling 可满足电商场景的高并发请求需求，同时模型使用私有化部署或调用 Bedrock 服务的方式，数据都在客户账号内，确保电商客户数据安全的要求。
客户收益
客户收益
提高电商平台商品转化率
用户无需在网站上反复搜索对比，只需通过自然语言对话即可直接获取满足需求的产品，购物过程更加直接简便，商品交易率相应提升。
提升电商平台用户留存率
用户可以高效快速找到心仪商品，购物体验得到极大改善，会更愿意在该平台持续购物消费。
节省电商平台人工客服成本
传统模式下需要大量人工客服应对用户咨询，而智能购物助理可以大幅减少人工客服人员需求，从而降低人力成本支出。
架构图及说明
将用户的购物意图文本，通过 Embedding model 生成购物意图向量。
使用用户的历史行为记录和 Top_N 商品的商品信息，生成商品的营销文案。
将推荐商品和营销文案回复到用户
架构图及说明
前端页面通过 Amazon API Gateway 请求服务
API Gateway 将用户 ID 和用户 query 传递到 AWS Lambda
根据用户 ID 到 Amazon DynamoDB 获取用户同 session 的对话记录
根据当前 query 和对话记录，构造成 Prompt 并请求 LLM，生成用户的购物意图文本。LLM 托管在 Amazon Bedrock 或 Amazon SageMaker。
将用户的购物意图文本，通过 Embedding model 生成购物意图向量。
使用购物意图向量，到 Amazon OpenSearch 搜索引擎检索相关商品。
将用户 ID 和多个相关商品送到 Amazon Personalize，进行个性化排序，选取 Top N 商品。
根据用户 ID 到 DynamoDB 获取用户的历史行为记录
使用用户的历史行为记录和 Top_N 商品的商品信息，生成商品的营销文案。
将推荐商品和营销文案回复到用户
