Vorausschauende Segmentierung mit Amazon Pinpoint und Amazon SageMaker

Die vorausschauende Segmentierung mit Amazon Pinpoint und Amazon SageMaker kombiniert Amazon Pinpoint mit Amazon SageMaker, um den Prozess der Erfassung von Kundendaten zu automatisieren und Amazon Pinpoint-Segmente zu erstellen, die durch Machine Learning (ML) für maßgeschneiderte Zielgruppennachrichten identifiziert werden. Diese Segmente können Benutzer mit einer Prognose zur Abwanderung, Benutzer mit einer Prognose zum Kauf und andere prognostizierte Benutzerverhaltensweisen enthalten, die für Ihre Geschäftsanforderungen relevant sind.

Diese Anleitung enthält einen Beispieldatensatz, den Sie als Referenz verwenden können, um Ihre eigenen benutzerdefinierten ML-Modelle mit Ihren eigenen Daten zu entwickeln.

Die Bereitstellung der Digital-User-Engagement-Events-Database ist eine Voraussetzung für die Bereitstellung dieser Lösung.

Übersicht

Das folgende Diagramm zeigt die Architektur, die Sie mit dem Beispielcode auf GitHub erstellen können.

Architektur für die vorausschauende Segmentierung mit Amazon Pinpoint und Amazon SageMaker

Der Code stellt einen täglichen Batch-Prozess bereit, der von AWS Step Functions orchestriert wird. Der Prozess beginnt, wenn ein zeitbasiertes Amazon CloudWatch-Ereignis eine Reihe von AWS Lambda-Funktionen auslöst, die eine Amazon Athena-Abfrage verwenden, um in Amazon Simple Storage Service (Amazon S3) gespeicherte Kundendaten abzufragen. Diese Daten werden täglich von AWS Glue gecrawlt.

Die Kundendaten umfassen Endpunkte, die von Amazon Pinpoint exportiert wurden, und Daten zur Einbindung der Endbenutzer, die von Amazon Pinpoint unter Verwendung der Digital-User-Engagement-Events-Database-Lösung gestreamt wurden. Amazon Sagemaker führt Batch-Transformationsanforderungen aus, um die Kundenabwanderung auf der Grundlage eines trainierten ML-Modells (Machine Learning) vorherzusagen.

Standardmäßig ist die vorausschauende Segmentierung mit Amazon Pinpoint und Amazon SageMaker so konfiguriert, dass Daten aus dem Beispieldatensatz verarbeitet werden. Um Ihren eigenen Datensatz zu verwenden, müssen Sie die Lösung modifizieren.

Vorausschauende Segmentierung mit Amazon Pinpoint und Amazon SageMaker

Version 1.1.0
Zuletzt aktualisiert: 12/2020
Autor: AWS

Hat Ihnen dieser Leitfaden geholfen?
Feedback geben 

Funktionen

Automatisierung

Bauen Sie eine Architektur auf, die die Erfassung von Kundendaten automatisiert, die Kundenabwanderung mithilfe von ML vorhersagt und ein maßgeschneidertes Zielgruppensegment für Messaging aufrechterhält.

Individuelle Anpassung

Diese Anleitung enthält einen Beispieldatensatz, den Sie zum Trainieren des enthaltenen ML-Modells verwenden können. Sie können den Code jedoch modifizieren, um Ihren eigenen Datensatz zu verwenden.
Video
Lösen mit AWS-Lösungen: Vorausschauende Segmentierung mit Amazon Pinpoint und Amazon SageMaker
Zurück zum Seitenanfang 
Symbol für Entwickeln
Stellen Sie eine AWS-Lösung selbst bereit

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

Weitere Informationen 
Einen APN-Partner suchen
Eine AWS-Partner-Lösung finden

Finden Sie AWS-Partner, die Ihnen den Einstieg erleichtern.

Symbol für Erkunden
Beratung erkunden

Präskriptive Architekturdiagramme, Beispielcode und technische Inhalte für häufig vorkommende Anwendungsfälle finden.

Weitere Informationen