Wozu dient diese AWS-Lösungsimplementierung?

Mit der AI-Driven Social Media Dashboard-Lösung erhalten Sie Einblicke in die Unterhaltungen Ihrer Kunden und können die Bekanntheit Ihrer Marke steigern, indem Sie Interaktionen in sozialen Medien analysieren.

Diese Lösung stellt automatisch die erforderlichen AWS-Services bereit und konfiguriert diese, um Tweets in mehreren Sprachen nahezu in Echtzeit zu erfassen und sowohl die rohen als auch die angereicherten Datensätze dauerhaft im Data Lake der Lösung zu speichern. Anschließend können Sie diese Daten analysieren und relevante Dashboards mit Unterstützung von Amazon QuickSight erstellen, um Kundenstimmungen zu visualisieren und zu versehen.

Übersicht über die AWS-Lösungsimplementierung

AI-Driven Social Media Dashboard überwacht und erfasst festgelegte Tweets mittels Stream-Verarbeitung. Die Lösung verwendet eine serverlose Architektur sowie ML-Services (Amazon Translate und Amazon Comprehend) für die Übersetzung und Gewinnung von Erkenntnissen aus diesen Tweets. Das folgende Diagramm zeigt die Architektur, die Sie mithilfe des Einführungsleitfadens der Lösung und der dazugehörigen AWS CloudFormation-Vorlage in Minutenschnelle bereitstellen können.

AI-Driven Social Media Dashboard | Architekturdiagramm
 Zum Vergrößern klicken

AI-Driven Social Media Dashboard – Architektur der Lösungsimplementierung

Diese Lösung stellt eine Amazon Elastic Compute Cloud(Amazon EC2)-Instance bereit, die in einer Amazon Virtual Private Cloud (Amazon VPC) ausgeführt wird, die Tweets von Twitter erfasst. Ein Amazon Kinesis Data Firehose-Bereitstellungs-Stream lädt die Streaming-Tweets in das rohe Präfix im Amazon Simple Storage Service(Amazon S3)-Bucket der Lösung. Amazon S3 ruft eine AWS Lambda-Funktion zur Analyse der rohen Tweets mithilfe von Amazon Translate auf, um nicht auf Englisch verfasste Tweets ins Englische zu übersetzen. Außerdem wird Amazon Comprehend verwendet, um mittels natürlicher Sprachverarbeitung (Natural Language Processing, NLP) eine Entitätenextraktion und Stimmungsanalyse durchzuführen.

Ein zweiter Kinesis Data Firehose-Bereitstellungs-Stream lädt die übersetzten Tweets und Stimmungswerte in das zur Stimmung gehörende Präfix im Amazon S3-Bucket. Ein dritter Bereitstellungs-Stream lädt mithilfe des Amazon S3-Buckets Entitäten in das Entitätenpräfix.

Die Lösung stellt einen Data Lake bereit, der AWS Glue zur Datentransformation, Amazon Athena zur Datenanalyse und Amazon QuickSight zur Datenvisualisierung enthält. Der AWS Glue-Datenkatalog enthält eine logische Datenbank, die zur Organisation der Tabellen für die Daten in Amazon S3 verwendet wird. Athena verwendet diese Tabellendefinitionen, um die in Amazon S3 gespeicherten Daten abzufragen und die Informationen an ein Amazon QuickSight-Dashboard zurückzugeben.

Hat Ihnen diese Lösungsimplementierung geholfen?
Feedback geben 

Funktionen

Machine Learning

Nutzen Sie Machine Learning, um relevante Erkenntnisse und Kundenstimmungen aus Tweets zu extrahieren.

Automatisierung

Sie profitieren vom automatischen Starten und Konfigurieren der Services, die zum Aufnehmen, Speichern, Übersetzen, Analysieren und Visualisieren von Kundenfeedback aus Tweets erforderlich sind.

Visualisierung

Nutzen Sie Amazon QuickSight, um aus den analysierten Daten aufschlussreiche Dashboards zu erstellen.
Video
Mit AWS-Lösungen lösen: KI-gestützte Social Media Dashboards
Zurück zum Seitenanfang 
Entwickeln (Symbol)
Selbst eine Lösung bereitstellen

Durchsuchen Sie unsere Bibliothek der AWS-Lösungsimplementierungen, um Antworten auf häufige Architekturprobleme zu erhalten.

Weitere Informationen 
Einen APN-Partner suchen
Einen APN-Partner suchen

Finden Sie Beratungs- und Technologiepartner mit AWS-Zertifizierung, die Ihnen den Einstieg erleichtern.

Weitere Informationen 
Erkunden (Symbol)
Beratungsangebote für Lösungen erkunden

Durchsuchen Sie unser Portfolio mit Beratungsangeboten, um AWS-geprüfte Hilfe mit Lösungsbereitstellung zu erhalten.

Weitere Informationen