由于提供更复杂数字体验的能力随着时间不断发展,客户对于从零售、媒体和娱乐、旅游和酒店等与之合作的品牌那里获得更个性化体验的期望和需求也在不断发展。今天的消费者希望在他们考虑、购买和使用产品和服务时,能够通过数字渠道获得实时的、精心策划的体验。
Machine learning (ML) 可以帮助组织提供高度个性化的体验,从而提高客户参与度、转化率、收入和利润率,并在数字世界中创造差异化。
AWS 提供机器学习解决方案,以通过数字渠道为您的客户提供更高质量的个性化体验,一切均按照您的业务需求定制。
优势

提供更好的个性化体验
解决常见的问题,如“流行性偏好”(仅仅向客户显示最流行的产品或内容)和“冷启动”(没有用户、产品或内容历史),这会削弱客户体验和在组织目录中发现新产品或内容的能力。

提高客户参与度
通过结合实时用户活动数据和用户资料信息,提供动态的客户体验和最佳的产品或内容推荐,提高用户参与度和转化率。

个性化每个接触点
将个性化轻松集成到您现有的网站、应用程序、SMS 和电子邮件营销系统中,从而在各种渠道和设备上提供独特的客户体验。
客户案例

“我们专注于如何通过 Pulselive 平台使用数据来为粉丝打造个性化和增强的在线体验。借助 Amazon Personalize,我们现在能够通过机器学习来为体育迷提供个性化推荐。我们并不认为自己是机器学习专家,但却发现 Personalize 非常简单,只需几天就能完成集成工作。在我们服务于一个在全球拥有数百万粉丝的顶级欧洲足球俱乐部客户时,我们很快就将其网站和移动应用程序的视频观看量提高了 20%。他们的粉丝显然正在接受新的推荐。利用 Amazon Personalize,我们将能够进一步突破极限,为世界各地的体育迷构建数据驱动的一对一个性化体验。”
Wyndham Richardson,Pulselive 总经理兼联合创始人

“为了让我们更加以客户为中心、扩展我们的覆盖面并增加用户使用率,我们开始利用 Amazon Personalize 帮助 M Coupon 移动应用程序的超过 600000 名用户在店内购物体验中实现节省。对比之前带来每月收入增长的大数据分析解决方案,通过使用 Amazon Personalize,我们推荐商品数量增长了 5 倍。特别值得一提的是,Amazon Personalize 使客户从未购买过的产品数量增加了高达 40%。由 AWS 提供支持的新推荐服务是我们在企业范围内推出的第一项人工智能技术,在这之后我们又推出了各种各样的人工智能技术。”
Jaehyun Shin,Lotte Mart 大数据团队负责人

“Zalando 的价值观主要体现在以客户为中心、速度、创业精神和授权方面。我们决定在 AWS 上实现机器学习工作负载标准化,以改善客户体验,为我们的团队提供可进一步提高工作效率的工具和流程,并推动我们业务的发展。利用 Amazon SageMaker,Zalando 可以更好地开展活动、打造个性化服务,并为我们的客户提供更好的体验。利用由 AWS 提供支持的这项解决方案,我们的工程师和数据科学家的工作效率提高了 20%。”
Rodrigue Schäfer,Zalando 数字基金会总监

“在 Zappos,我们通过分析和机器学习解决方案,在保持高度流动性和响应性用户体验的同时,为个人用户个性化定制尺码和搜索结果,从而显著改善了电子商务客户体验。使用 Amazon SageMaker,我们可以预测客户的鞋码。AWS 是我们的 ML/AI 企业标准,因为有了 AWS 服务,我们的工程师就能够专注于改进性能和结果,不再需要担心开发运维开销。”
Ameen Kazerouni,Zappos 机器学习研究和平台主管
使用案例
零售
带来唯一的主页体验
根据用户的购物历史记录使用产品推荐来个性化他们的主页。
帮助客户更快地发现产品
帮助用户快速找到相关的新产品、交易和促销活动。
提高营销传播
使用个性化产品推荐来个性化推送通知和营销电子邮件。
调整产品推荐
在产品详细信息页面上推荐类似的物品,以帮助用户轻松找到他们需要的物品。
相关产品排名
轻松地对相关产品推荐重新排名,以推动切实的商业成果。
促进提升销售和交叉销售
将 Amazon Personalize 与业务逻辑相结合,以创建高质量的购物车提升销售和交叉销售推荐。
媒体和娱乐
提高内容使用
提供有关视频、音乐、电子书等的高度相关性个性化内容推荐。
高度策划的内容轮播
基于每个用户的内容使用历史记录为他们创建个性化的内容轮播。
突出新内容产品
帮助用户根据他们独特的品味和偏好找到新鲜内容。
创建个性化广告投放
在音频和视频内容内个性化滚动推出前、推出中和推出后的广告投放。
提高营销传播
使用个性化内容推荐来个性化推送通知和营销电子邮件。
加强基于流派的推荐
基于内容轮播和列表将个性化推荐添加到流派中。
亲自尝试
使用 Amazon Personalize,只需单击几下,您即可实施 ML 支持的定制个性化推荐系统,而无需构建、训练和部署“自己动手的”机器学习解决方案。更喜欢为推荐引擎开发自己的机器学习模型的组织可以使用 Amazon SageMaker。
Amazon Personalize 使开发人员可以通过 Amazon.com 使用的 ML 技术来构建应用程序,从而提供实时个性化推荐,而无需 ML 专业知识。
Amazon Personalize 可自动执行构建、训练和部署 ML 模型所需的很多复杂步骤,从而可以轻松地为各种不同的个性化使用案例开发应用程序,包括特定的产品或内容推荐、个性化搜索结果和定制的营销沟通信息。
您可以将以下 AWS 解决方案参考架构用作参考。
AWS 解决方案参考架构是由 AWS 创建的架构图集合。它们为应用程序提供了说明性的指导,以及在 AWS 账户中复制工作负载的其他说明。
通过识别所有渠道中的已知和未知访客,个性化和改进客户体验。在所有渠道中利用客户交互活动,以提供可提供高投资回报 (ROI) 的优惠和活动
通过识别所有渠道中的已知和未知旅客,个性化和改进客户体验。在所有渠道中利用客户交互活动,以执行可提供高投资回报 (ROI) 的优惠和活动。
或者,您可以部署以下 AWS 解决方案实施。
AWS 解决方案实施旨在帮助您使用 AWS 平台提高解决常见问题的速度和构建速度。所有 AWS 解决方案实施均经过 AWS 架构师审查,具有操作高效、可靠、安全且经济高效的特点。每个 AWS 解决方案实施都附有详细的架构、部署指南以及对自动和手动部署的相关说明。
此解决方案可帮助您为产品组合构建自定义 Amazon Personalize 体验。Amazon Personalize 可让您大规模创建自定义建议模型。该解决方案通过端到端自动化和 Amazon Personalize 服务中资源的更新安排,简化并加速个性化工作负载的开发和部署。