¿Para qué sirve esta implementación de soluciones de AWS?

Esta solución combina Amazon Pinpoint y Amazon SageMaker para ayudar a automatizar el proceso de recopilación de datos de clientes y creación de segmentos de Amazon Pinpoint identificados por el aprendizaje automático (ML) para enviar mensajes adaptados a la audiencia. Estos segmentos pueden incluir usuarios sobre los que se predice que van a desertar, usuarios sobre los que se predice que van a realizar una compra y otros comportamientos de usuario pronosticados relevantes para las necesidades empresariales.

Esta solución incluye un conjunto de datos de muestra que puede utilizar como referencia para desarrollar sus propios modelos de aprendizaje automático personalizados con datos propios.

Como requisito previo, debe implementar la solución de base de datos digital de eventos de interacción con los usuarios antes de implementar esta solución.

Información general sobre la implementación de soluciones de AWS

En el siguiente diagrama se muestra la arquitectura que puede implementar automáticamente con la guía de implementación de la solución y la plantilla de AWS CloudFormation correspondiente.

Segmentación predictiva mediante Amazon Pinpoint y Amazon SageMaker | Diagrama de la arquitectura
 Haga clic para ampliar

Arquitectura de la solución de segmentación predictiva mediante Amazon Pinpoint y Amazon SageMaker

La plantilla de AWS CloudFormation implementa un proceso diario por lotes organizado por AWS Step Functions. El proceso comienza cuando un evento basado en el tiempo de Amazon CloudWatch desencadena una serie de funciones de AWS Lambda que utilizan una consulta de Amazon Athena para consultar los datos de los clientes almacenados en Amazon Simple Storage Service (Amazon S3). Estos datos se rastrean a diario por AWS Glue.

Los datos de los clientes incluyen puntos de enlace exportados desde Amazon Pinpoint y datos de las interacciones de los usuarios finales transmitidos desde Amazon Pinpoint mediante la base de datos digital de eventos de interacción con los usuarios. Amazon SageMaker realiza solicitudes de transformación en lotes para predecir la pérdida de clientes en función de un modelo entrenado de aprendizaje automático (ML).

De manera predeterminada, la solución está configurada para procesar los datos del conjunto de datos de muestra. Para usar su propio conjunto de datos, debe personalizar la solución.

Segmentación predictiva mediante Amazon Pinpoint y Amazon SageMaker

Versión 1.1.0
Última actualización: 12/2020
Autor: AWS

Tiempo estimado de implementación: 10 minutos

Código fuente  Plantilla de CloudFormation 
Utilice el siguiente botón para suscribirse a las actualizaciones de la solución.

Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice.  

¿Lo ayudó esta implementación de soluciones?
Proporcione su opinión 

Características

Automatización

Cree una arquitectura capaz de automatizar la recopilación de datos del cliente, predecir la pérdida de clientes mediante el aprendizaje automático (ML) y mantener un segmento de audiencia adaptada para la mensajería.

Personalización

Esta solución incluye un conjunto de datos de ejemplo que puede utilizar para entrenar el modelo de aprendizaje automático (ML) que se incluye. Sin embargo, puede modificar la solución para usar su propio conjunto de datos.
Video
Solving with AWS Solutions: Predictive Segmentation using Amazon Pinpoint and Amazon SageMaker
Volver arriba 
Ícono de creación
Implemente usted mismo una solución

Consulte nuestra biblioteca de Implementaciones de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.

Más información 
Buscar un socio de APN
Buscar un socio de APN

Encuentre socios consultores y tecnológicos certificados por AWS que lo ayudarán a comenzar.

Más información 
Ícono de exploración
Explore las ofertas de asesoramiento sobre soluciones

Explore nuestra cartera de ofertas de asesoramiento para obtener ayuda autorizada por AWS con la implementación de la solución.

Más información