使用 Amazon Pinpoint 和 Amazon SageMaker 进行预测性细分

“使用 Amazon Pinpoint 和 Amazon SageMaker 进行预测性细分”将 Amazon Pinpoint 与 Amazon SageMaker 相结合,以帮助自动执行针对定制受众信息传递收集客户数据并创建由机器学习(ML)识别的 Amazon Pinpoint 细分的流程。这些细分可以包括预计会流失的用户、预计会进行购买的用户以及与您的业务需求相关的其他预计用户行为。

该指南包括一个示例数据集,您可以将它用作参考,以使用自己的数据开发自己的自定义机器学习模型。

部署数字用户参与事件数据库是部署此指南的先决条件。

概览

下图展示了您可以使用 GitHub 上的示例代码构建的架构。

使用 Amazon Pinpoint 和 Amazon SageMaker 进行预测性细分 | 架构图
 单击可放大

使用 Amazon Pinpoint 和 Amazon SageMaker 进行预测性细分的架构

代码将会部署由 AWS Step Functions 编排的日常批处理流程。该流程始于 Amazon CloudWatch 基于时间的事件触发一系列 AWS Lambda 函数,这些函数使用 Amazon Athena 查询来查询 Amazon Simple Storage Service(Amazon S3)中存储的客户数据。AWS Glue 每天都会抓取数据。

客户数据包括从 Amazon Pinpoint 导出的端点以及使用数字用户参与事件数据库解决方案从 Amazon Pinpoint 流式传输的最终用户参与数据。Amazon Sagemaker 执行批量转换请求,以根据训练的机器学习(ML)模型预测客户流失情况。

默认情况下,使用 Amazon Pinpoint 和 Amazon SageMaker 进行的预测性细分被配置为处理来自样本数据集的数据。要使用您自己的数据集,您必须自定义该指南。

使用 Amazon Pinpoint 和 Amazon SageMaker 进行预测性细分

版本 1.1.0
上次更新时间:2020 年 12 月
作者:AWS

此指南是否对您有帮助?
提供反馈 

功能

自动化

构建一种可自动收集客户数据,使用机器学习预测客户流失,并维护用于收发消息的定制受众细分的架构。

自定义

此指南包括一个示例数据集,您可以用它来训练所含的机器学习模型。但是,您可以修改此代码,以便使用您自己的数据集。
视频
使用 AWS 解决方案来解决:使用 Amazon Pinpoint 和 Amazon SageMaker 进行预测性细分
回到顶部 
构建图标
自己部署解决方案

浏览我们的 AWS 解决方案实施库,以获取常见架构问题的答案。

了解详情 
查找 APN 合作伙伴
查找 APN 合作伙伴

寻找 AWS 认证的咨询和技术合作伙伴,以帮助您入门。

了解详情 
探索图标
了解解决方案咨询服务

浏览我们的咨询服务组合,以获取经过 AWS 审查的解决方案部署帮助。

了解详情