Die benutzerdefinierte Modellierung von AWS Clean Rooms ML ist jetzt verfügbar | Prädiktive Erkenntnisse mithilfe Ihrer eigenen Modelle und Daten für Machine Learning (ML) in einer Clean-Rooms-Zusammenarbeit generieren »

AWS Clean Rooms ML

ML mit Ihren Partnern anwenden, ohne zugrunde liegende Daten zu teilen
Erste Schritte mit AWS Clean Rooms ML
Wenden Sie sich an einen Experten für AWS Clean Rooms

Mit AWS Clean Rooms ML können Sie und Ihre Partner datenschutzfreundliche Kontrollen anwenden, um Ihre firmeneigenen Daten und ML-Modelle zu schützen und gleichzeitig prädiktive Erkenntnisse zu generieren – und das alles, ohne die Rohdaten oder Modelle der anderen zu teilen oder zu kopieren. Mit der benutzerdefinierten Modellierung von AWS Clean Rooms ML können Sie und Ihre Partner ein benutzerdefiniertes ML-Modell für Training und Inferenz bereitstellen. Dabei werden Daten und Algorithmen von Erstanbietern verwendet, um ML-Prognosen in großem Maßstab anzuwenden, ohne vertrauliches geistiges Eigentum weitergeben zu müssen. Sie können auch ein von AWS verfasstes Lookalike-Modell verwenden und Ihre Partner einladen, eine kleine Auswahl ihrer Datensätze in eine Zusammenarbeit einzubringen, um einen erweiterten Satz ähnlicher Datensätze zu generieren und gleichzeitig die zugrunde liegenden Daten von Ihnen und Ihren Partnern zu schützen.

Einführung in AWS Clean Rooms ML

Vorteile von AWS Clean Rooms ML

Mit AWS Clean Rooms ML werden Ihre Daten nur zum Trainieren Ihres benutzerdefinierten oder ähnlichen Modells verwendet und nicht an andere Beteiligte weitergegeben oder zum Trainieren von AWS-Modellen verwendet. Sie können Ihre Daten jederzeit aus Clean Rooms ML entfernen oder ein benutzerdefiniertes Modell löschen und datenschutzfördernde Kontrollen anwenden, um sensible Daten zu schützen, die Sie in eine Zusammenarbeit einbringen.
Mit der benutzerdefinierten Modellierung von AWS Clean Rooms ML können Sie ML-Schulungen und -Inferenzen mit Ihren Modellen, Algorithmen und Daten durchführen, um mit Ihren Partnern prädiktive Insights zu generieren, ohne Ihre proprietären Modelle oder Algorithmen, die Sie in eine Zusammenarbeit einbringen, teilen zu müssen.
Mit AWS Clean Rooms ML Lookalike Modeling können Sie ein benutzerdefiniertes, AWS-eigenes ML-Modell für Sie und Ihre Partner trainieren. Das von AWS entwickelte Modell wurde für eine Vielzahl von Datensätzen wie Nachrichten, E-Commerce und Streaming-Videokanäle erstellt und getestet. Ihre Daten werden nur zum Trainieren Ihres Modells verwendet, Daten werden mit keiner der Parteien geteilt, und Sie können Ihre Daten entfernen oder ein benutzerdefiniertes Modell löschen, wann immer Sie möchten.

Anwendungsfälle

Werbetreibende können ihr proprietäres Modell und ihre Daten in eine Clean-Rooms-Zusammenarbeit einbringen und Publisher einladen, sich ihren Daten anzuschließen, um ein benutzerdefiniertes ML-Modell zu trainieren und bereitzustellen, das ihnen dabei hilft, die Effektivität ihrer Kampagnen zu steigern.

Finanzinstitute können historische Transaktionsaufzeichnungen verwenden, um ein benutzerdefiniertes ML-Modell zu trainieren, und Partner in eine Clean-Rooms-Zusammenarbeit einladen, um betrügerische Transaktionen zu erkennen.

Forschungseinrichtungen und Krankenhausnetzwerke können Kandidaten finden, die den Teilnehmern bestehender klinischer Studien ähneln, um klinische Studien zu beschleunigen.

Marken und Verlage können Lookalike-Segmente von Marktkunden modellieren und hochrelevante Werbeerlebnisse bieten.

Kunden und Partner

Flywheel

Xmars ist eine fortschrittliche KI-gestützte Anzeigenverwaltungsplattform, die Marken, Verkäufern und Agenturen beispiellose Vorteile bei der Maximierung der Rendite ihrer Amazon-Werbeausgaben bietet.

„Die Steigerung der Reichweite mit hoher Präzision und effizienter Skalierung hat für unsere Kunden oberste Priorität. Mit der AWS-Clean-Rooms-ML-Lösung, angereichert mit Amazon Marketing Cloud (AMC)-Daten, sind wir in der Lage, hochgradig maßgeschneiderte modellierte Zielgruppen zu erstellen, die darauf ausgelegt sind, die Wahrscheinlichkeit der Benutzer vorherzusagen, mit einer Anzeige zu interagieren oder einen Kauf abzuschließen. Durch die direkte Ansprache der modellierten Zielgruppe über Amazon DSP führte dieser Bring-Your-Own-Model (BYOM)-Ansatz zu einer Steigerung der Seitenaufrufrate mit Detailseiten um 34 % und zu einem um 24 % höheren Transaktionswert bei Amazon. AWS Clean Rooms eröffnet uns wirklich mehr Möglichkeiten und Flexibilität, um hochwertige Interessenten für unsere Werbetreibenden zu finden.“

Tony Wang, Mitbegründer von Xmars

Flywheel ist eine E-Commerce-Einzelhandelsagentur. Ihr erstklassiger Service kombiniert maßgeschneidertes Fachwissen mit modernsten Softwarelösungen, um ein einziges Ziel zu erreichen: die Steigerung von Umsatz, Marktanteil und Rentabilität für unsere Kunden bei Amazon.

„AWS Clean Rooms ML verbessert unsere Fähigkeit, die Kaufbereitschaft der Benutzer zu messen. Datenschutzfreundliches Deep Learning ermöglicht es uns, komplexe Beziehungen zwischen Benutzern und ihren Einkaufstouren zu erfassen und so eine präzisere Ausrichtung unserer Marken zu ermöglichen. Zum ersten Mal können wir das Einkaufserlebnis auf individueller Ebene auf datenschutzfreundliche Weise anpassen und so bessere Ergebnisse für sie und unsere Kunden erzielen.“

Dan Nealon, Senior Manager Data Science, Flywheel

Xmars

Amazon Marketing Cloud (AMC) ist eine sichere, datenschutzfreundliche Clean-Room-Anwendung von Amazon Ads, die Tausende von Vermarktern mit individueller Analytik und kanalübergreifenden Analysen unterstützt. Entwickler können AMC-APIs verwenden, um ihre eigenen Angebote zu erstellen, während Analysten mit einer Benutzeroberfläche interagieren können, die über die Amazon-Ad-Konsole verfügbar ist.

„AMC Audiences bietet jetzt neue benutzerdefinierte Lookalike-Audiences, die auf AWS Clean Rooms ML basieren. Sie können für Kampagnen im Amazon DSP aktiviert werden und Werbetreibenden helfen, eine zusätzliche Zielgruppenreichweite zu erzielen, die ihren Zielen entspricht. Seit der Markteinführung im Oktober 2023 ermöglichte diese Funktion einer führenden CPG-Marke, neue Interessenten zu erreichen und die Kampagnenleistung zu steigern.“

Paula Despins, Vice President of Ads Measurement, Amazon Ads

Slalom ist eine globale Unternehmens- und Technologieberatungsfirma.

„Wir sind stets bestrebt, mit unseren Publisher-Kunden zusammenzuarbeiten, um ihren Technologie-Stack zu aktualisieren, damit sie das volle Potenzial ihres hochwertigen Anzeigeninventars leichter ausschöpfen können. Die hochpräzise ML-Modellierung von AWS Clean Rooms ML ist sehr überzeugend, da Verlage nach Möglichkeiten suchen, die Werbewirksamkeit zu verbessern. AWS Clean Rooms ML bietet eine benutzerfreundliche Oberfläche, mit der Verlage und Marken die richtigen Nutzer für eine Werbekampagne identifizieren und gleichzeitig die vertraulichen Daten beider Parteien schützen können.“

Mukesh Kumar, Geschäftsführer des Global Technology Teams, Slalom

Experian sammelt, analysiert und verarbeitet Kreditdaten in großem Umfang, um Unternehmen dabei zu helfen, intelligentere Entscheidungen zu treffen, Privatpersonen Zugang zu Finanzdienstleistungen zu verschaffen und Kreditgeber dabei zu unterstützen, Risiken zu minimieren.

„Da Vermarkter und Verlage danach streben, den Wert ihrer First-Party-Daten über eine wachsende Anzahl von Verbraucher-Touchpoints zu maximieren, wollen unsere Kunden Lösungen, die ihnen eine effektive und sichere Interaktion mit ihren Partnern ermöglichen. AWS Clean Rooms ML ermöglicht unseren Marketing-Kunden, ihre First-Party-Daten in Kombination mit unseren einzigartigen Verbraucherdaten, wie z. B. Informationen zum Fahrzeugkauf, zu verwenden, um potenzielle Nutzer auf Verlagsseiten zu finden, die den derzeit besten Kunden des Vermarkters ähneln, ohne vertrauliche Daten an Partner weiterzugeben.“

Chris Feo, SVP of Sales, Experian

Twilio Segment ist eine führende Kundendatenplattform (CDP, Customer Data Platform), die das Wachstum des Kundengeschäfts durch effektive Werbung beschleunigt.

„Nie war es wichtiger, sich auf hochwertige First-Party-Daten in Echtzeit zu konzentrieren, da Unternehmen immer mehr KI-gestützte Kampagnen starten. Unser aktueller Bericht zeigt, dass 85 % der Unternehmen der Erfassung und Nutzung von First-Party-Daten im kommenden Jahr Priorität einräumen. Die Nutzung der ML-Modellierung von AWS Clean Rooms trägt zum Schutz der wertvollen First-Party-Daten unserer Kunden bei und ermöglicht es ihnen gleichzeitig, durch die Zusammenarbeit mit ihren bevorzugten Medienverlagen hochwertige Zielgruppen anzusprechen.“

Kathryn Murphy, SVP für Produkt, Twilio Segment

Affinity Solutions, ein führendes Unternehmen für Einblicke in Verbraucherkäufe, verwendet Daten von über 140 Millionen Karten, um einen beispiellosen Überblick über die Verbraucherausgaben in den USA zu bieten und Daten in umsetzbare Erkenntnisse umzuwandeln, die den Marktanteil und das Umsatzwachstum steigern.

„Affinity Solutions steht an vorderster Front, wenn es darum geht, den Datenschutz mit der Bereitstellung umfassender Verbraucherinformationen in Einklang zu bringen. Mit AWS Clean Rooms ML können unsere Marketingkunden unseren deterministischen Datensatz als Ausgangsdaten für die Erstellung fortschrittlicher Lookalike-Modelle in Kombination mit ihren eigenen Daten nutzen. Dies ermöglicht es Unternehmen, potenzielle Käufer plattformübergreifend zu identifizieren und gleichzeitig die Datenschutzstandards einzuhalten und aussagekräftige, umsetzbare Erkenntnisse für den datenschutzbewussten Markt von heute zu liefern.“

Atul Chadha, Chief Technology Officer, Affinity Solutions

The Weather Company bietet Verbrauchern, Marken und Unternehmen auf der ganzen Welt Wetterdaten und Einblicke.

„The Weather Company testet AWS Clean Rooms als praktische Methode, um es Werbetreibenden zu ermöglichen, ihre First-Party-Daten zusammen mit Wetterdaten zu analysieren und prädiktives Machine Learning zu nutzen, um auf der Grundlage der Auswirkungen des Wetters auf das tägliche Leben der Menschen in großem Umfang engagierte Zielgruppen zu identifizieren. AWS Clean Rooms bietet eine optimierte Funktion, die die Amortisierungszeit beschleunigt und die Erstellung von Lookalike-Segmenten mit wenigen Klicks ermöglicht und uns gleichzeitig hilft, die Daten von Hunderten Millionen von Verbrauchern zu schützen, die jeden Monat unsere digitalen Angebote besuchen.“

Dave Olesnevich, Leiter für Werbeprodukte, The Weather Company

StellarAlgo ist eine führende Kunden-Cloud-Plattform für die Sport- und Live-Publikumsindustrie, die Partnerschaften mit mehr als 110 Einrichtungen in ganz Nordamerika unterhält, einschließlich ligaweiter Beziehungen mit der NFL, NHL und NBA.

„Als führendes Unternehmen, das den weltweit führenden Sport- und Live-Unterhaltungsmarken hilft, ihr Publikum zu verstehen, zu vergrößern und zu monetarisieren, freuen wir uns sehr, dass AWS Clean Rooms weiterhin schnell innoviert, um unseren Kunden zum Erfolg zu verhelfen. Die AWS-Clean-Rooms-ML-Modellierung hilft unseren Kunden dabei, hochwertige Interessenten zu identifizieren und zu binden, sodass sie effektivere, resonantere Partnerschaften eingehen können – und gleichzeitig können wir ihnen helfen, ihre sensiblen First-Party-Daten zu schützen. Wir freuen uns sehr, dass AWS Clean Rooms weiterhin schnell innoviert, um den Erfolg unserer Kunden zu fördern.“

Greg Sargent, SVP Sports Partnerships, StellarAlgo

BRIDGE ist eine kundenorientierte Omni-Channel-Marketingplattform, die Kunden dabei unterstützt, ihr wahres Käuferpublikum anzusprechen.

 

„Wir bei BRIDGE freuen uns, AWS Clean Rooms ML zur Unterstützung unseres Lookalike-Audience-Builders zu verwenden. So können unsere Kunden unsere echten Personen-Datensätze sicher nutzen, um ihre CRM-Dateien besser zu verstehen und ihren nächsten Kunden zu finden. AWS Clean Rooms ML unterstützt das Ziel von BRIDGE, Tools für die Zusammenarbeit bereitzustellen, bei denen der Datenschutz an erster Stelle steht, die die Kundeninformationen verbessern und die Marketingergebnisse effektiver steigern.“

Rob Rose, CEO, BRIDGE