預測使用者參與度解決方案提供簡單的架構,可自動執行以下程序:根據 Amazon Personalize 中的使用者活動提出預測建議,並使用這些建議更新 Amazon Pinpoint 端點。
此指引旨在提供一個簡單的架構,來示範如何使用 ML 提出產品建議並自動更新端點和區段。您能以此架構作為基礎,來處理各式各樣的使用案例。
概觀
以下圖表展示了您可以使用 GitHub 上的範例程式碼建置的架構。

預測使用者參與度架構
該程式碼會部署 AWS Lambda 函數,可從應用程式中擷取使用者活動資料。此函數會將資料傳送到 Amazon Personalize,以在資料上執行機器學習 (ML) 模型來識別模式。Amazon Personalize 會為每個使用者 ID 產生建議項目的個人化排名。
Lambda 函數會擷取個人化排名並將其傳送到 Amazon Pinpoint,系統會根據個人化排名與客群篩選條件的相符程度,使用這些建議自動更新屬於您客群的端點。例如,如果您曾傳送產品 A 的相關簡訊給客戶,但根據最近的活動顯示,該客戶現在展現了對產品 B 的偏好,則此指引將自動更新客戶端點,將端點從接收產品 A 簡訊的客群移至接收產品 B 簡訊的客群。
您還可以設定行銷活動,以向此指引更新的客群傳送個人化、及時且相關的訊息。您可以選擇立即或稍後傳送訊息,也可以建立週期性進行的行銷活動,以設定的時間間隔傳送訊息。如需詳細資訊,請參閱 Amazon Pinpoint 行銷活動。
此指引包括個人化汽車搜尋的範例資料集,用於訓練機器學習 (ML) 模型。它亦包含一個示範,說明如何使用 ML 提出產品建議,並自動更新端點和客群。您能以此架構作為基礎,來處理各式各樣的使用案例。
功能
自動化
建立架構,使用來自 Amazon Personalize 的預測性建議自動更新 Amazon Pinpoint 端點。
示範
此指引包括個人化汽車搜尋的範例資料集,以及可用於示範功能的示範演練。