時間とともにより洗練されたデジタル体験を提供することができるようになるにつれて、小売、メディア、娯楽、旅行、ホスピタリティなど、お客様がエンゲージするさまざまなブランドからよりパーソナライズされたエクスペリエンスを受け取ることへの期待と需要も高まっています。今日の消費者は、製品やサービスを検討、購入、使用する際に、デジタルチャネル全体でリアルタイムのキュレーションされたエクスペリエンスを期待しています。
機械学習 (ML) は、組織が高度にパーソナライズされたエクスペリエンスを提供するのに役立ち、顧客エンゲージメント、コンバージョン、収益、マージンを改善し、デジタル世界で差別化を実現します。
AWS は、デジタルチャネル全体でお客様に高品質のパーソナライズされたエクスペリエンスをもたらす機械学習ソリューションを提供し、すべてがビジネスニーズに合わせて調整されています。
利点
よりパーソナライズされたエクスペリエンスを提供する
(単にお客様に最も人気のある製品またはコンテンツを表示する)「人気バイアス」や (ユーザー、アイテムやコンテンツの履歴が存在しない)「コールドスタート」などの一般的な問題を解決します。これにより、カスタマーエクスペリエンスを低下させ、組織のカタログで新しいアイテムやコンテンツを発見することが難しくなります。
カスタマーエンゲージメントを向上させる
リアルタイムのユーザーアクティビティデータとユーザープロファイル情報を組み合わせて、動的なカスタマーエクスペリエンスと最適な製品やコンテンツの推奨事項を提供することにより、エンゲージメントとコンバージョンを向上させます。
すべてのタッチポイントをパーソナライズする
Amazon Personalize は、パーソナライゼーションを既存のウェブサイト、アプリケーション、SMS、E メールマーケティングシステムに簡単に統合して、あらゆるチャネルとデバイスに特別なカスタマーエクスペリエンスを提供できます。
お客様事例
ResMed は、睡眠時無呼吸、慢性閉塞性肺疾患、および他の睡眠障害を持つ人々のために、持続的気道陽圧装置とマスクを提供しています。クラウドに接続されたこの機器は、患者の睡眠パターンに関するデータを収集し、ResMed の myAir アプリケーションを通じてそのデータを患者と共有します。ResMed は、Amazon SageMaker を使用して、世界中の 1,850 万人を超える患者のためにパーソナライズされた睡眠療法をサポートする AI/ML IHS ソリューションを迅速に構築しました。
「SageMaker を採用する前、すべての myAir ユーザーは、その状態にかかわらず、アプリから同じメッセージを同時に受信していました。当社は SageMaker の機能を利用して、モデルパイプラインをトレーニングし、デプロイタイプを選択しました。これには、よりパーソナライズされた治療を促進するのに役立つ、カスタマイズされたコンテンツを提供するためのほぼリアルタイムの推論やバッチ推論が含まれます」。
ResMed、AI および ML 担当バイスプレジデント、Badri Raghavan 氏
「当社は、Pulselive プラットフォームを通じて、データを使用してクライアントのオンラインファンエクスペリエンスをパーソナライズおよび強化する方法に焦点を当てています。Amazon Personalize を使用して、スポーツファン向けに機械学習によってパーソナライズされたレコメンデーションを提供しています。私たちは機械学習の専門家ではありませんが、簡単にパーソナライズを行うことができ、統合はたった数日で完了しました。私たちのクライアントである、世界中に数百万人のファンを抱えるプレミア欧州サッカークラブの場合、ウェブサイトとモバイルアプリ全体でビデオの使用量が 20% 増えました。サッカークラブのファンは明らかに新しい推奨事項を受け入れています。Amazon Personalize によって、あらゆる場所にいるスポーツファンのために、データを駆使して 1 人ひとりに合わせてパーソナライズされたサービスを構築する際の限界をさらに押し上げることができます」
Pulselive のマネージングディレクター兼共同創設者、Wyndham Richardson 氏
Cencosud は、多国籍小売企業であるとともに、チリで最大の小売企業であり、ラテンアメリカで 3 番目に大きい上場小売企業です。
Cencosud は、ユーザー利用度を高めるような商品を推奨し、顧客のオンラインショッピング体験を最適化するために Amazon Personalize を選択しました。Cencosud は、Amazon Personalize を使用して、複数の種類のビジネスラインにスケールできる機械学習ベースの個別化ソリューションを迅速に開発し、機械学習を使用しない以前のアプローチと比較してクリック率を 600% 増加し、平均注文額を 26% 近く増加させることができました。スケーラビリティと、サービスを使用することで達成できる内容、および大規模かつ高コストのプロジェクトを開発することなくテストできるオプションがあったため、当社では Amazon Personalize を選択しました」。
Cencosud、CRO コーポレートリード、Javiera Valenzuela Rivera 氏
.9396df1d739f5a3b99ce8985231b0a48f7767c05.png "Zalando")
グローバルソフトウェア企業である Autodesk は、建築、エンジニアリング、および建設の専門家が、コンピュータ支援設計に Autodesk AutoCAD ソフトウェアを使用することで、より迅速かつ熟練した作業を行えるようサポートしたいと考えていました。Autodesk は、Amazon SageMaker を使用してコマンドとショートカットのプロアクティブなレコメンデーションを提供することで、ユーザーの効率を向上させることができました。
「AWS で機械学習を使用することで、インサイトの数を 10 倍に増やすことができました」。
Autodesk、エンジニアリングマネージャー、Ashish Arora 氏
「Zalando の価値は、顧客重視、スピード、起業家精神、エンパワーメントを中心に展開します。AWS での機械学習ワークロードを標準化して、カスタマーエクスペリエンスを向上させ、チームの生産性を高めるツールとプロセスを提供し、ビジネスに変化を及ぼしました。Zalando は、Amazon SageMaker を使用して、キャンペーンをより適切に操作し、パーソナライズされた衣装を生成し、お客様により良いエクスペリエンスを提供できます。AWS を利用するソリューションにより、当社のエンジニアとデータサイエンティストの生産性は 20% 向上しました」
Zalando のデジタルファウンデーション担当ダイレクター、Rodrigue Schäfer 氏
「Zappos では、分析と機械学習ソリューションを使用して、eコマースのカスタマーエクスペリエンスを大幅に改善しています。これにより、円滑で応答性の高いユーザーエクスペリエンスを維持しながら、個々のユーザーのサイジングと検索結果をパーソナライズできます。Amazon SageMaker を使用すると、お客様の靴のサイズを予測できます。AWS は、AWS のサービスによりエンジニアが DevOps オーバーヘッドではなくパフォーマンスと結果の改善に集中できるため、当社の ML/AI のエンタープライズ標準となっています」
Zappos の機械学習研究およびプラットフォームの責任者、Ameen Kazerouni 氏
ユースケース
ユーザーエクスペリエンスを強化する
関連性が高くコンテキスト化されたレコメンデーションを、既存のウェブサイトやアプリケーションなどに統合することで、すべてのタッチポイントをパーソナライズします。
貴重なインサイトを得て、ROI を迅速に実現する
パーソナライゼーションをカスタマーエクスペリエンスに統合するのにかかる時間を短縮しながら、有意義なユーザーエンゲージメントを迅速に生み出すために、機械学習を使用してイノベーションを加速します。
ビジネス目標に合わせてレコメンデーションを最適化する
商品のレコメンデーションを再ランク付けして、収益、アップセルおよびクロスセルのオポチュニティ、新しい商品、サイトでの滞在時間などの具体的なビジネス目標の達成を推進します。
顧客がより速く商品を見つけるのをサポートする
ユーザーが新しい製品、オファー、記事、コンテンツ、およびプロモーションを迅速に見つけることができるようにします。
検索結果をパーソナライズする
厳選された検索結果とユーザーの好みに基づいて、個別のレコメンデーションを追加します。
マーケティングコミュニケーションを強化する
プッシュ通知やマーケティングメールをパーソナライズして、トラフィックコンバージョンを増やします。広告の配置をパーソナライズすることもできます。
カートに追加される平均商品数を増やす
ショッピング、ブラウジング、またはチェックアウト時に、全体的な注文額を増加させる可能性が高い、関連する商品やトレンドの商品をリアルタイムで表示します。
ユーザーをより正確にターゲティングする
特定の商品または商品の属性に対するユーザーの親和性に基づいてインテリジェントなユーザーセグメンテーションを作成することにより、エンゲージメントを改善します。
データの価値を最大化する
商品の説明、レビュー、または他の構造化されていないテキストに存在している貴重な情報を利用して、レコメンデーションの精度を高めます。
