À quoi sert cette implémentation de solutions AWS ?

Cette solution combine Amazon Pinpoint et Amazon SageMaker pour automatiser le processus de collecte de données client et de création de segments identifiés par le machine learning (ML) pour une messagerie d'audience sur mesure. Ces segments peuvent inclure des utilisateurs susceptibles de résilier, des utilisateurs susceptibles de réaliser un achat et d'autres comportements d'utilisateurs prédits qui correspondent aux besoins de votre entreprise.

Cette solution inclut un exemple d'ensemble de données que vous pouvez utiliser comme référence pour déployer vos propres modèles de ML personnalisés à l'aide de vos propres données.

Le déploiement de lasolution Digital User Engagement Events Database est un prérequis pour déployer cette solution.

Présentation de l'implémentation de solutions AWS

Le diagramme ci-dessous présente l'architecture que vous pouvez déployer automatiquement à l'aide du guide d'implémentation de la solution et du modèle AWS CloudFormation fourni.

Architecture de Predictive Segmentation Using Amazon Pinpoint et Amazon SageMaker architecture | Schéma de l’architecture
 Cliquez pour agrandir.

Architecture de Predictive Segmentation Using Amazon Pinpoint and Amazon SageMaker architecture

Le modèle AWS CloudFormation déploie un processus par lots quotidien orchestré par AWS Step Functions. Le processus est lancé lorsqu'un événement Amazon CloudWatch temporel déclenche une série de fonctions AWS Lambda qui utilise une requête Amazon Athena pour interroger les données client stockées dans Amazon Simple Storage Service (Amazon S3). Les données sont analysées quotidiennement par AWS Glue.

Les données client incluent des points de terminaison exportés à partir d'Amazon Pinpoint et des données d'engagement d'utilisateurs finaux transmises à partir d'Amazon Pinpoint à l'aide de la solution Digital User Engagement Events Database. Amazon SageMaker exécute des requêtes de transformation par lots pour estimer le taux d'attrition en fonction d'un modèle de machine learning (ML) entraîné.

Par défaut, la solution est configurée pour traiter les données à partir de l'exemple d'ensemble de données. Vous avez toutefois la possibilité de personnaliser la solution pour utiliser votre propre ensemble de données.

Segmentation prédictive à l'aide d'Amazon Pinpoint et Amazon SageMaker

Version 1.1.0
Dernière mise à jour : 12/2020
Auteur : AWS

Temps de déploiement estimé : 10 min

Code source  Modèle CloudFormation 
Utilisez le bouton ci-dessous pour vous abonner aux mises à jour de la solution.

Remarque : pour vous abonner aux mises à jour RSS, vous devez activer un plug-in RSS pour le navigateur que vous utilisez.  

Cette implémentation des solutions vous a-t-elle aidé ?
Donner mon avis 

Fonctions

Automatisation

Déployez une architecture qui automatise la collecte de données client, estime le taux d'attrition à l'aide du ML et assure une segmentation personnalisée pour la messagerie.

Personnalisation

Cette solution inclut un exemple d'ensemble de données que vous pouvez utiliser pour entraîner le modèle ML fourni. Vous avez toutefois la possibilité de modifier la solution pour utiliser votre propre ensemble de données.
Vidéo
Résoudre les problèmes avec des solutions AWS : Segmentation prédictive avec Amazon Pinpoint et Amazon SageMaker
Retour en haut de la page 
Icône Créer
Déployer vous-même votre solution

Parcourez notre bibliothèque des implémentations des solutions AWS pour obtenir des réponses aux problèmes d'architecture courants.

En savoir plus 
Rechercher un partenaire APN
Rechercher un partenaire APN

Trouvez des partenaires consultants et technologiques certifiés AWS pour vous aider à commencer.

En savoir plus 
Icône Explorer
Explorer les offres de conseil pour les solutions

Parcourez notre portefeuille d'offres de conseil pour obtenir une aide approuvée AWS au déploiement de solutions.

En savoir plus