Predictive User Engagement는 Amazon Personalize의 사용자 활동에 따라 예측 추천을 제공하고 이러한 추천을 사용하여 Amazon Pinpoint 엔드포인트를 업데이트하는 프로세스를 자동화하는 간편한 애플리케이션입니다.
이 지침은 제품 추천 생성에 기계 학습을 사용하고 엔드포인트와 세그먼트를 자동으로 업데이트하는 방법을 설명하는 간단한 아키텍처를 제공하기 위해 설계되었습니다. 다양한 사용 사례에서 이 아키텍처를 기반으로 구축할 수 있습니다.
개요
아래의 다이어그램은 GitHub의 예제 코드를 사용하여 구축할 수 있는 아키텍처를 보여줍니다.
Predictive User Engagement 아키텍처
이 코드는 애플리케이션의 사용자 활동 데이터를 수집하는 AWS Lambda 함수를 배포합니다. 이 함수는 데이터를 Amazon Personalize에 전송합니다. Amazon Personalize는 데이터에 기반한 기계 학습(ML) 모델을 실행하여 패턴을 식별합니다. Amazon Personalize는 각 사용자 ID에 대해 추천 항목의 개인화된 순위를 생성합니다.
Lambda 함수는 개인화된 순위를 가져와서 Amazon Pinpoint로 전송합니다. Amazon Pinpoint는 개인화된 순위와 세그먼트 필터 간에 일치 정도에 기반하여 추천 항목을 사용하여 세그먼트에 속해 있는 엔드포인트를 자동으로 업데이트합니다. 예를 들어 제품 A에 대한 메시지 전송 대상인 고객이 지금 최근 활동에 기반하여 제품 B에 호의를 보입니다. 이 지침은 자동으로 고객의 엔드포인트를 업데이트하여 제품 A 메시지를 수신하는 세그먼트의 엔드포인트를 제품 B 메시지를 수신하는 세그먼트로 엔드포인트를 이동합니다.
또한 캠페인을 설정하여 개인화된 적절한 관련 메시지를 지침이 업데이트한 세그먼트로 적시에 보낼 수도 있습니다. 메시지를 즉시 또는 미래에 전송하거나 설정된 간격에 따라 메시지를 보내는 반복 캠페인을 설정할 수도 있습니다. 자세한 내용은 Amazon Pinpoint 캠페인을 참조하세요.
이 지침은 개인화된 차량 검색의 샘플 데이터 세트를 포함하며 이 데이터 세트는 기계 학습(ML) 모델을 훈련하는 데 사용됩니다. 이 지침은 ML을 사용하여 제품 추천을 생성하고 엔드포인트와 세그먼트를 자동으로 업데이트하는 방법을 보여주는 데모도 포함되어 있습니다. 다양한 사용 사례에서 이 아키텍처를 기반으로 구축할 수 있습니다.
