Amazon-Personalize-Funktionen

Maximieren Sie das Engagement und die Loyalität Ihrer Marke, indem Sie proaktiv in Echtzeit Maßnahmen empfehlen, die auf die Bedürfnisse Ihrer einzelnen Nutzer zugeschnitten sind. Das Next-Best-Action-Rezept (aws-next-best-action) generiert Empfehlungen für Aktionen, die Ihre Benutzer aufgrund ihres früheren Verhaltens am wahrscheinlichsten ergreifen werden. Verwenden Sie das Next-Best-Action-Rezept, um wertvolle Aktionen wie die Registrierung für Treueprogramme, die Anmeldung für einen Newsletter, das Erkunden einer neuen Kategorie, das Herunterladen einer App usw. zu empfehlen. Weitere Informationen.

Amazon Personalize bietet eine intelligente Nutzersegmentierung, mit der Sie effektivere Werbekampagnen über Ihre Marketingkanäle durchführen können. Mit unseren beiden neuen Recipes können Sie Nutzer automatisch basierend auf ihrem Interesse an bestimmten Produktkategorien, Marken und anderen Kriterien segmentieren. „aws-item-affinity“ identifiziert Nutzer anhand ihres Interesses an einzelnen Elementen wie Filmen, Songs oder Produkten. „aws-item-attribute“ identifiziert Nutzer anhand von Attributen, die für sie wichtig sind wie zum Beispiel Genre oder Preis. Intelligente Nutzer-Segmentierung kann mehr Engagement bei Marketingkampagnen erzielen, die Bindung durch gezielte Nachrichten erhöhen und die Kapitalrendite für Ihre Marketingausgaben verbessern. Weitere Informationen.

Empfehlungen, die speziell auf gängige Anwendungsfälle in Branchen wie dem Einzelhandel und der Medien- und Unterhaltungsindustrie zugeschnitten sind, machen es schneller und einfacher, leistungsstarke, personalisierte Benutzererlebnisse zu liefern. Sie können aus Anwendungsfällen wie „Häufig zusammen gekauft“, „Jetzt im Trend“, „Weil Sie X angesehen haben“, „Top-Auswahl für Sie“ und mehr wählen. Verbinden Sie einfach Ihre Daten mit dem Empfehlungsgeber, der auf Ihr Unternehmen zutrift, während Amazon Personalize die optimalen Einstellungen für Ihren Anwendungsfall wählt und den Prozess automatisiert, um personalisierte Empfehlungen zu erstellen, zu erhalten und die Markteinführung zu beschleunigen. Weitere Informationen.

Die Benutzerpersonalisierung (aws-user-personalization) ist für alle personalisierten Empfehlungsszenarien optimiert. Sie sagt die Artikel voraus, mit denen ein Benutzer interagieren wird, und zwar auf der Grundlage von Interaktionen, Artikeln und Benutzerdatensätzen. Bei der Empfehlung von Artikeln nutzt es die automatische Suche nach Artikeln, um die Entdeckung und das Engagement zu verbessern.

Verbessern Sie die Suchfunktionalität Ihres Katalogs durch Bereitstellen ähnlicher Artikel für Ihre Benutzer. Ähnliche Artikel (aws-similar-items) erzeugt Empfehlungen für Artikel, die einem von Ihnen angegebenen Artikel ähnlich sind. Verwenden Sie Ähnliche Artikel, um Kunden zu helfen, neue Artikel in Ihrem Katalog zu entdecken, basierend auf ihrem früheren Verhalten und den Artikel-Metadaten. Die Empfehlung ähnlicher Artikel kann das Engagement der Benutzer, die Klickrate und die Konversionsrate für Ihre Anwendung erhöhen.

Die personalisierte Rangliste ist eine Liste mit empfohlenen Artikeln, die für einen bestimmten Benutzer neu sortiert werden. Dies ist nützlich, wenn Sie eine Sammlung von geordneten Artikeln haben, wie z. B. Suchergebnisse, Sonderangebote oder kuratierte Listen, und Sie für jeden Ihrer Nutzer personalisierte neue Ranglisten anbieten möchten. Mit Amazon Personalize können Sie alles hervorheben, was für Ihre Nutzer relevant sein könnte, während Sie gleichzeitig Ihre Geschäftsziele erreichen und das beste Kundenerlebnis gewährleisten.

Eines der schwierigsten Probleme bei der Erstellung relevanter Empfehlungen besteht darin, die richtigen Empfehlungen anzubieten, wenn neue Artikel zu Ihrem Katalog hinzugefügt werden. Amazon Personalize ermöglicht es Ihnen, hochwertige Empfehlungen für neue Produkte und frische Inhalte zu generieren, indem Sie ein ausgewogenes Verhältnis zwischen Empfehlungen für neue und bestehende Artikel in Ihrem Katalog schaffen. Weitere Informationen.

Der Trending-Now-Recommender hilft Kunden, Artikel zu empfehlen, die bei ihren Benutzern am schnellsten an Beliebtheit gewinnen. Kunden können auch die Häufigkeit definieren, mit der im Trend befindliche Artikel identifiziert werden. Die Empfehlungen können auf der Grundlage der neuesten Benutzerinteraktionsdaten alle 30 Minuten, jede Stunde, alle 3 Stunden oder jeden Tag aktualisiert werden.

Personalisieren Sie Ihre Suchergebnisse mit Amazon Personalize und OpenSearch-Integration. Die Suche ist entscheidend, um Nutzer anzusprechen, da sie zielgerichtete Zugriffe von Personen generiert, die nach bestimmten Produkten suchen. Verbessern Sie die Relevanz Ihrer Suchergebnisse, indem Sie die individuellen Interessen und Bedürfnisse jedes Benutzers mithilfe von ML-basierten Informationen von Amazon Personalize berücksichtigen. Mit dem Search-Ranking-Plugin von Amazon Personalize in OpenSearch v2.9 und höher können Sie relevante Artikel in den Suchergebnissen eines bestimmten Benutzers basierend auf seinen Interessen, seinem Kontext und früheren Interaktionen in Echtzeit hervorheben. Sie können auch den Grad der Personalisierung für jede Suchabfrage steuern, um maximale Flexibilität und Kontrolle über Ihr Sucherlebnis zu gewährleisten. Durch die Personalisierung Ihrer Suchergebnisse können Sie die Nutzerinteraktion, die Klickrate und die Konversionsrate für Ihre Anwendung erhöhen.

Wenden Sie Geschäftsregeln an, um das optimale Kundenerlebnis zu bieten. Amazon Personalize ermöglicht es Ihnen, die Empfehlungen automatisch zu erweitern. Filtern Sie z. B. kürzlich gekaufte Artikel heraus, heben Sie Premium-Inhalte hervor, wenn ein Benutzer ein bestimmtes Abonnement abgeschlossen hat, oder stellen Sie sicher, dass 20% eines Karussells mit aktuellen Sportartikeln gefüllt sind. Mit dynamischen Filtern können Sie Filterregeln im Handumdrehen ändern, ohne dass Sie separate Permutationen erstellen müssen. Weitere Informationen.

Bewerben Sie bestimmte Artikel oder Inhalte auf der Grundlage von Regeln, die mit Ihren Geschäftszielen übereinstimmen. Mit dieser Funktion können Sie den prozentualen Anteil der beworbenen Inhalte in Ihren Empfehlungen steuern, um die Erfahrung jedes Nutzers weiter zu individualisieren. Amazon Personalize findet automatisch die relevantesten Artikel oder Inhalte, die für jeden Benutzer im Rahmen der angegebenen Geschäftsregel beworben werden sollen, und verteilt sie auf die Empfehlungen des Benutzers. Weitere Informationen.

Entsperren Sie die Informationen, die in Produktbeschreibungen, Rezensionen, Filmzusammenfassungen oder anderen unstrukturierten Texten enthalten sind, um hochrelevante Empfehlungen für Benutzer zu generieren. Stellen Sie unstrukturierten Text als Teil Ihres Katalogs bereit und Amazon Personalize extrahiert automatisch wichtige Informationen, die bei der Generierung von Empfehlungen verwendet werden. Unterstützte Sprachen sind Chinesisch (vereinfacht und traditionell), Englisch, Französisch, Deutsch, Japanisch, Portugiesisch und Spanisch. Weitere Informationen.

Überlegen Sie, was für Ihre Nutzer relevant ist und was für Ihr Unternehmen wichtig ist, wenn Sie Empfehlungen generieren. Sie können neben der Relevanz auch ein Ziel definieren, um Empfehlungen zu beeinflussen. Damit können Sie die auf einer Plattform verbrachte Zeit, das Engagement der Benutzer, die Gewinnspanne, den Umsatz oder jede andere numerische Kennzahl, die Sie für Ihr Unternehmen als wichtig erachten, maximieren. Weitere Informationen.

Amazon Personalize bietet die Flexibilität, Echtzeit- oder Batch-Daten zu verwenden, je nachdem, was für Ihren Anwendungsfall am besten geeignet ist. Echtzeitdaten können zum Beispiel für Produkt- oder Inhaltsempfehlungen auf einer Website oder App besser geeignet sein. Sorgen Sie für die Relevanz Ihrer Empfehlungen, indem Sie auf die sich ändernden Absichten Ihrer Benutzer in Echtzeit reagieren. Für große Benachrichtigungskampagnen können Batch-Daten besser geeignet sein. Sie können beispielsweise Empfehlungen für eine sehr große Anzahl von Benutzern oder Artikeln in einem Durchlauf berechnen, sie speichern und sie in Batch-orientierte Workflows wie etwa E-Mail-Systeme einspeisen. Amazon Personalize unterstützt jetzt den inkrementellen Massenimport von Daten – eine neue Option, um deine Daten zu aktualisieren und die Qualität deiner Empfehlungen zu verbessern. Sie können ganz einfach neue Datensätze an die vorhandenen Daten in Ihren Datensätze anhängen. Weitere Informationen.

Wenn Sie relevante Empfehlungen geben wollen, müssen Sie den Kontext berücksichtigen, in dem sie gesehen werden. Mit kontextbezogenen Empfehlungen können Sie Ihren Kunden ein personalisiertes Erlebnis bieten und die Relevanz der Empfehlungen verbessern, indem Sie sie in einem bestimmten Kontext generieren, z. B. Instance-Gerätetyp, Tageszeit und mehr. Weitere Informationen.

Amazon Personalize ermöglicht es Kunden automatisch zu verstehen, welchen Einfluss Personalize auf ihre Geschäftsziele wie Warenkorb, Seitenaufrufe und Klicks hat. Kunden können das Geschäftsergebnis jeder Personalize-Empfehlung messen, indem sie die Auswirkungen jedes an das System gesendeten Ereignisses berechnen. Wenn ein Benutzer eine Aktion (d. h. ein Ereignis) ausführt, werden diese Daten an Personalize gesendet und die Gesamtauswirkungen berechnet. Weitere Informationen.

Amazon Personalize Content Generator verwendet generative KI, um Empfehlungen mithilfe von Texten, die von Basismodellen generiert wurden, überzeugender zu gestalten. Es verbessert die Personalisierung, indem jeder Empfehlung ein maßgeschneidertes Snippet beigefügt wird, das die thematische Ähnlichkeit der empfohlenen Artikel beschreibt. Integrieren Sie es in Website-Karussells und E-Mail-Kampagnen, um generische Titel wie „More like X“ zu ersetzen und eine engere Verbindung zu Ihren Endbenutzern zu fördern. Weitere Informationen.

Entwickler können eine benutzerdefinierte Kette auf LangChain verwenden, um Amazon Personalize nahtlos in generative KI-Lösungen zu integrieren. Mit vorkonfiguriertem LangChain-Code können Sie Amazon Personalize aufrufen, Empfehlungen für eine Kampagne oder einen Empfehlungsgeber abrufen und diese nahtlos in Ihre generativen KI-Anwendungen innerhalb des LangChain-Ökosystems einspeisen. Erkunden Sie eine Reihe von Anwendungsfällen, darunter personalisierte Marketingtexte, das Empfehlen von Produkten oder Inhalten in Chatbots oder das Generieren von kurzen Zusammenfassungen für personalisierte Inhalte. Weitere Informationen.

Amazon Personalize verbessert Ihren generativen KI-Workflow, indem Metadaten von Rücksendeartikeln als Teil der Inferenzausgabe aktiviert werden. Wählen Sie bis zu 10 Felder aus, z. B. Genre, Bewertung und Produktbeschreibung, und nutzen Sie unsere LangChain-Integrationsfunktion, um diese angereicherten Empfehlungen nahtlos in die Basismodelle einzufügen. Dieser umfassendere Kontext hilft Modellen dabei, hochgradig personalisierte Inhalte zu generieren, um Ihre Interaktion mit Endbenutzern zu steigern. Weitere Informationen.