Personalisieren Sie Ihre Kundenerlebnisse

Steigern Sie Engagement, Conversion und Umsatz mit Machine Learning

Da sich die Fähigkeit, anspruchsvollere digitale Erlebnisse zu liefern, im Laufe der Zeit weiterentwickelt hat, hat sich auch die Erwartung und Nachfrage der Kunden entwickelt, von den Marken, mit denen sie in den Bereichen Einzelhandel, Medien und Unterhaltung, Reisen und Gastgewerbe und mehr zusammenarbeiten, ein persönlicheres Erlebnis zu erhalten. Verbraucher erwarten heute kuratierte Echtzeiterlebnisse über digitale Kanäle hinweg, wenn sie Produkte und Dienstleistungen betrachten, kaufen und nutzen.

Machine Learning (ML) kann Unternehmen dabei helfen, hochgradig personalisierte Erfahrungen zu liefern, was zu Verbesserungen bei Kundenbindung, Conversion, Umsatz und Marge führt und in einer digitalen Welt Differenzierung schafft.

AWS bietet Lösungen für Machine Learning, die Ihren Kunden über digitale Kanäle hinweg qualitativ hochwertigere personalisierte Erlebnisse bieten, die alle auf Ihre Geschäftsanforderungen zugeschnitten sind.

Personalisieren Sie Kundenempfehlungen mit Machine Learning (2:41)

Vorteile

Cropped shot of a businessman using a digital tablet at night in an office

Bieten Sie bessere personalisierte Erlebnisse

Lösen Sie häufig auftretende Probleme wie „Popularitätsbias“ (lediglich Anzeigen der beliebtesten Produkte oder Inhalte für einen Kunden) und „Kaltstart“ (wenn kein Benutzer-, Artikel- oder Inhaltsverlauf vorhanden ist), wodurch das Kundenerlebnis und die Fähigkeit, neue Artikel zu entdecken, im Inhalt im Katalog einer Organisation beeinträchtigt werden.

Woman in cafe shopping online with laptop

Kundenbindung stärken

Steigern Sie das Engagement und die Conversion, indem Sie dynamische Kundenerlebnisse und optimale Produkt- oder Inhaltsempfehlungen mithilfe einer Mischung aus Echtzeitdaten zur Benutzeraktivität und Benutzerprofilinformationen bereitstellen.

Side view of a man making a video chat at a boat

Jeden Berührungspunkt personalisieren

Integrieren Sie die Personalisierung einfach in Ihre vorhandenen Websites, Apps, SMS- und E-Mail-Marketing-Systeme, um ein einzigartiges Kundenerlebnis über alle Kanäle und Geräte hinweg zu bieten.

Kundengeschichten

Pulselive

ResMed bietet Geräte und Masken für kontinuierlichen positiven Atemwegsdruck für Menschen mit Schlafapnoe, chronisch obstruktiver Lungenerkrankung und weiteren Schlafstörungen. Dieses mit der Cloud verbundene Gerät sammelt Daten über das Schlafverhalten der Patienten und teilt diese mit den Patienten über die myAir-Anwendung von ResMed. ResMed nutzte Amazon SageMaker zum schnellen Aufbau der KI/ML-IHS-Lösung, mit der die Schlaftherapie für über 18,5 Millionen Patienten weltweit personalisiert werden kann. 

„Vor der Einführung von SageMaker erhielten alle myAir-Benutzer unabhängig von ihrem Zustand dieselben Nachrichten von der App zur gleichen Zeit. Wir nutzten die Vorteile der SageMaker-Funktionen zum Trainieren von Modellpipelines und zur Auswahl von Bereitstellungsarten, einschließlich nahezu Echtzeit- und Batch-Inferenzen, um maßgeschneiderte Inhalte zu liefern, die eine besser personalisierte Therapie unterstützen.“ 

Badri Raghavan, Vice President for AI and ML – ResMed

Lesen Sie die Fallstudie, um weitere Informationen zu erhalten >>

Pulselive
„Wir konzentrieren uns darauf, wie wir mit der Pulselive-Plattform Daten zur Personalisierung und Optimierung der Online-Oberfläche unserer Kunden für ihre Fans einsetzen können. Dank Amazon Personalize und Machine Learning können wir Sportfans jetzt personalisierte Empfehlungen liefern. Wir sehen uns nicht als Machine-Learning-Experten, hatten aber mit der Verwendung von Personalize keinerlei Probleme und konnten die Integration innerhalb weniger Tage abschließen. Bei einem unserer Kunden – einem sehr erfolgreichen europäischen Fußballclub mit weltweit Millionen Fans – konnten wir den Videokonsum auf der Website und in der mobilen App sofort um 20 % steigern. Die Fans sprechen also äußerst gut auf die neuen Empfehlungen an. Mithilfe von Amazon Personalize können wir die Möglichkeiten zum Erstellen von datengestützten, individuell personalisierten Erfahrungen für Sportfans auf der ganzen Welt noch weiter ausreizen."

Wyndham Richardson, Managing Director & Co-Founder – Pulselive

Pulselive

Cencosud ist ein multinationales Einzelhandelsunternehmen, das größte Einzelhandelsunternehmen in Chile und das drittgrößte börsennotierte Einzelhandelsunternehmen in Lateinamerika. 

Cencosud hat sich für Amazon Personalize entschieden, um das Online-Einkaufserlebnis für Kunden zu optimieren, indem Produkte empfohlen werden, die die Kundenbindung der Nutzer steigern. Mit Amazon Personalize war Cencosud in der Lage, in kürzester Zeit eine auf Machine Learning basierende Personalisierungslösung zu entwickeln, die über mehrere Geschäftsbereiche hinweg skaliert werden konnte. Dies führte zu einer 600 %igen Steigerung der Klickraten und einem fast 26 %igen Anstieg des durchschnittlichen Bestellwerts im Vergleich zu ihrem vorherigen, nicht-ML-gesteuerten Ansatz. Die Skalierbarkeit und das, was mit dem Service erreicht werden kann, sowie die Möglichkeit zu testen, ohne große und teure Projekte entwickeln zu müssen, haben uns dazu bewogen, Amazon Personalize zu wählen.“

Javiera Valenzuela Rivera, CRO Corporate Lead, – Cencosud

Cencosud nutzt Amazon Personalize, um das digitale Einkaufserlebnis zu verbessern
Video-Testimonial ansehen »
Zalando

Das weltweit tätige Softwareunternehmen Autodesk wollte Experten aus den Bereichen Architektur, Ingenieurwesen und Bauwesen dabei unterstützen, schneller und effizienter zu arbeiten, wenn sie seine Software Autodesk AutoCAD für computergestütztes Design verwenden. Autodesk konnte die Benutzereffizienz steigern, indem es mit Amazon SageMaker proaktiv Empfehlungen für Befehle und Abkürzungen bereitstellt. 

„Durch den Einsatz von Machine Learning auf AWS konnten wir die Anzahl der Erkenntnisse um den Faktor 10 erhöhen.“

Ashish Arora, Engineering Manager – Autodesk 

Lesen Sie die Fallstudie, um weitere Informationen zu erhalten >>

BuildOn-Customer-Logos
„Die Werte von Zalando drehen sich um Kundenorientierung, Schnelligkeit, Unternehmertum und Empowerment. Wir haben uns entschieden, unsere Machine-Learning-Workloads auf AWS zu standardisieren, um die Kundenerfahrung zu verbessern, unserem Team Tools und Prozesse für mehr Produktivität zur Verfügung zu stellen und unser Geschäft anzukurbeln. Mit Amazon SageMaker kann Zalando Kampagnen besser steuern, personalisierte Outfits generieren und unseren Kunden bessere Erlebnisse bieten. Mit dieser AWS-basierten Lösung ist die Produktivität unserer Ingenieure und Daten-Wissenschaftler um 20 % gestiegen.“

Rodrigue Schäfer, Direktor für Digital Foundation – Zalando

Zappos
„Bei Zappos verbessern wir das Kundenerlebnis im E-Commerce messbar durch den Einsatz von Analytics- und Machine-Learning-Lösungen, die es uns ermöglichen, die Größe und die Suchergebnisse für einzelne Benutzer zu personalisieren und gleichzeitig ein sehr flüssiges und reaktionsschnelles Benutzererlebnis zu erhalten. Mit Amazon SageMaker können wir die Schuhgrößen unserer Kunden vorhersagen. AWS ist unser Unternehmensstandard für ML/KI, weil die AWS-Services es den Technikern ermöglichen, sich auf die Verbesserung der Leistung und der Ergebnisse zu konzentrieren und nicht auf den DevOps-Aufwand.“

Ameen Kazerouni, Head of Machine Learning Research and Platforms - Zappos

Anwendungsfälle

Verbessern Sie das Benutzererlebnis

Personalisieren Sie jeden einzelnen Berührungspunkt, indem Sie hochgradig relevante, kontextabhängige Empfehlungen in Ihre bestehende Website, Anwendung und vieles mehr integrieren.

Gewinnen Sie unschätzbare Einblicke und einen schnellen Return on Investment

Beschleunigen Sie die Innovation mit Machine Learning, um schnell eine überzeugende Benutzerbindung zu schaffen und gleichzeitig die Zeit zu verkürzen, die für die Integration der Personalisierung in Ihr Kundenerlebnis erforderlich ist.  

Optimieren Sie Empfehlungen für Geschäftsziele

Richten Sie Artikel-Empfehlungen neu aus, um greifbare Geschäftsziele wie Umsatz, Upsell- und Cross-Sell-Möglichkeiten, neue Artikel und die Verweildauer auf einer Website zu fördern. 

Helfen Sie Kunden, Artikel schneller zu finden

Ermöglichen Sie es den Nutzern, rasch neue Produkte, Angebote, Artikel, Inhalte und Werbeaktionen zu finden. 

Personalisieren Sie Suchergebnisse

Fügen Sie individuelle Empfehlungen hinzu, die auf kuratierten Suchergebnissen und Benutzerpräferenzen beruhen. 

Verbessern Sie die Marketing-Kommunikation

Personalisieren Sie Push-Benachrichtigungen und Marketing-E-Mails, um die Traffic-Konversion zu erhöhen. Sie können auch Anzeigenschaltungen personalisieren. 

Erhöhen Sie die durchschnittliche Warenkorbgröße

Zeigen Sie relevante oder trendige Artikel in Echtzeit an, die den Gesamtwert der Bestellung während des Einkaufs, beim Stöbern oder an der Kasse erhöhen können. 

Sprechen Sie Benutzer genauer an

Erhöhen Sie das Engagement, indem Sie eine intelligente Benutzersegmentierung auf der Grundlage der Affinität eines Benutzers zu bestimmten Artikeln oder Artikelattributen erstellen. 

Erschließen Sie den Wert Ihrer Daten

Entschlüsseln Sie Informationen, die in Produktbeschreibungen, Bewertungen oder anderen unstrukturierten Texten enthalten sind, um relevantere Empfehlungen zu generieren. 

Entdecken Sie speziell entwickelte Services, AWS-Lösungen, Partnerlösungen und Anleitungen, mit denen Sie Ihre geschäftlichen und technischen Anwendungsfälle schnell lösen können.

Personalisierte Erlfahrungen mit Machine Learning bewahren

Entwickeln und implementieren Sie Personalisierungs-Workloads durch durchgängige Automatisierung und Planung von Updates für Ressourcen innerhalb des Amazon-Personalize-Service.

Voraussagende Nutzerbindung

Dieser Leitfaden bietet eine einfache Architektur, die den Prozess der Erstellung vorausschauender Empfehlungen auf der Grundlage der Benutzeraktivität in Amazon Personalize automatisiert und Amazon-Pinpoint-Endpunkte mit diesen Empfehlungen aktualisiert.

Leitfaden für prädiktive Werte für die Mitgliederbindung in AWS

Dieser Leitfaden zeigt, wie gemeinnützige Verbände und Mitgliedsorganisationen mithilfe von AWS Data Lake und künstlicher Intelligenz/Machine Learning (KI/ML) proaktiv erkennen können, welche Mitglieder ihre Mitgliedschaft wahrscheinlich auslaufen lassen werden.

Leitfaden für die prädiktive Segmentierung mithilfe von Daten von Drittanbietern mit AWS Clean Rooms

Dieser Leitfaden zeigt, wie AWS-Services Ihnen dabei helfen können, die Erfassung von Kunden- und Drittanbieterdaten zu automatisieren, die Zusammenarbeit zu ermöglichen, ohne Rohdaten auszutauschen, und mithilfe von Machine Learning prädiktive Segmente zu erstellen. 

Leitfaden für personalisierte Empfehlungen in AWS nahezu in Echtzeit

Dieser Leitfaden hilft Unternehmen dabei, mithilfe von Amazon Personalize eine Empfehlungspipeline in Echtzeit aufzubauen. Die Pipeline erstellt personalisierte Empfehlungen, die auf dem Profil und Verhalten eines Benutzers basieren, um das Kundenerlebnis zu verbessern. 

Sind Sie startbereit?

Vertrieb kontaktieren
Kontaktieren Sie uns

Kontaktieren Sie uns, um weitere Informationen zu Lösungen für Machine Learning zur Personalisierung zu erhalten.

Kontaktieren Sie uns 
Partner suchen
Partner suchen

Wenden Sie sich an das AWS Partner Network, um mit unseren globalen Technologie- und Beratungspartnern zusammenzuarbeiten

Erste Schritte 
Beginnen Sie mit der Ausführung von Initiativen
Jetzt ausprobieren

Verwenden Sie Amazon Personalize, um die Bereitstellung Ihres Personalisierungs-Workloads zu beschleunigen

Weitere Informationen 

Ressourcen

Kunden mithilfe von Machine Learning personalisierte Empfehlungen in Echtzeit anbieten

Video ansehen »

Amazon Personalize kann jetzt bis zu 50 % bessere Empfehlungen für sich schnell ändernde Kataloge mit neuen Produkten und frischen Inhalten erstellen

Blog lesen »

Wie wird Amazon SageMaker verwendet, um personalisierte Rezeptempfehlungen bereitzustellen?

Blog lesen »