Características de Amazon Personalize

La personalización del usuario predice los artículos con los que interactuará un usuario en función de sus interacciones históricas con los artículos de tu catálogo. La receta de personalización del usuario se puede entrenar en hasta 3 mil millones de interacciones y 5 millones de artículos únicos. Al recomendar artículos, la personalización de los usuarios mejora el descubrimiento y la interacción con la exploración automática de los artículos y se actualiza cada 2 horas para tener en cuenta los nuevos artículos (cuando las actualizaciones automáticas están habilitadas).

La clasificación personalizada le ayuda a ofrecer una lista de artículos recomendados que se clasifican para un usuario en especial. Esto resulta útil si tiene una colección de artículos pedidos, como resultados de búsqueda, promociones o listas organizadas, y quiere ofrecer clasificaciones personalizadas a cada uno de los usuarios. La clasificación personalizada admite hasta 5 millones de artículos con baja latencia y le permite destacar y adaptar las recomendaciones de artículos de acuerdo con los intereses cambiantes de los usuarios.

Mejore la visibilidad de su catálogo mostrando los elementos que los usuarios están viendo, explorando o buscando. Artículos similares genera recomendaciones para artículos similares a uno que usted especifique. Utilice artículos similares para ayudar a los usuarios a descubrir nuevos artículos de su catálogo en función de su actividad previa y los metadatos de los artículos. Recomendar artículos similares puede aumentar la interacción de los usuarios, la cantidad de clics y la tasa de conversión de su negocio.

Segmente automáticamente a sus usuarios en función de su interés en las categorías de productos, las marcas y otros atributos. La afinidad de artículos identifica a los usuarios en función de su interés en artículos individuales, como películas, canciones o productos, y la afinidad de atributos de artículo identifica a los usuarios en función de los atributos que les interesan, como el género o el precio. La segmentación inteligente de usuarios puede servirle para conseguir una mayor interacción con las campañas de marketing, aumentar la retención a través de mensajes específicos y mejorar el retorno de inversión de sus inversiones en marketing.

Recomiende artículos que ganen popularidad al ritmo más rápido entre sus usuarios. Con Trending-Now, puede definir la frecuencia con la que identifica los artículos en tendencia, con opciones para actualizar las recomendaciones cada 30 minutos, 1 hora, 3 horas o 1 día, en función de los datos de interacciones más recientes de sus usuarios.

Maximice el compromiso y la lealtad a la marca recomendando de forma proactiva acciones adaptadas a las necesidades individuales de usuarios en tiempo real. La siguiente acción recomendada genera sugerencias de acciones que es probable que sus usuarios realicen en función de sus interacciones anteriores con su catálogo. Utilice la siguiente acción recomendada para recomendar acciones de gran valor, como inscribirse en programas de fidelización, suscribirse a un boletín informativo, explorar una nueva categoría y descargar una aplicación.

Amazon Personalize aporta flexibilidad para usar datos en tiempo real o por lote en función de que lo sea más adecuado para su caso de uso. Por ejemplo, los datos en tiempo real pueden ser más adecuados para las recomendaciones de productos o contenido en un sitio web o una aplicación. Adáptese a los cambios de intención de los usuarios en tiempo real para lograr que sus recomendaciones sean relevantes. Los datos por lote pueden ser más adecuados para las grandes campañas de notificación. Por ejemplo, puede computar recomendaciones para cantidades significativas de usuarios o artículos de una sola vez, almacenarlas e incorporarlas en flujos de trabajo orientados a lotes, como los sistemas de correo electrónico. Amazon Personalize también admite importaciones masivas incrementales de datos para actualizar sus datos y mejorar la calidad de sus recomendaciones. En los conjuntos de datos, puede agregar con facilidad nuevos registros a los datos existentes.

Para ofrecer recomendaciones relevantes, se requiere tener en cuenta el contexto en el que se van a visualizar. En el caso de las recomendaciones contextuales, se puede entregar a los clientes una experiencia más personalizada y mejorar la relevancia de las recomendaciones. Para ello, debe generarlas dentro de un contexto, por ejemplo, por tipo de dispositivo y hora del día, entre otros parámetros.