Amazon-Personalize-Funktionen

Die Benutzerpersonalisierung sagt voraus, mit welchen Elementen ein Benutzer interagieren wird, basierend auf seinen bisherigen Interaktionen mit Ihren Katalogelementen. Das Verfahren zur Benutzerpersonalisierung kann anhand von bis zu 3 Milliarden Interaktionen und 5 Millionen Einzelelementen trainiert werden. Bei der Empfehlung von Artikeln verbessert die Benutzerpersonalisierung die Entdeckung und Einbindung durch die automatische Artikelsuche und wird alle 2 Stunden aktualisiert, um neue Artikel zu berücksichtigen (wenn automatische Aktualisierungen aktiviert sind).

Mithilfe der personalisierten Rangfolge können Sie eine Liste empfohlener Artikel bereitstellen, die für einen bestimmten Benutzer eingestuft wurden. Dies ist nützlich, wenn Sie über eine Sammlung geordneter Elemente wie Suchergebnisse, Werbeaktionen oder kuratierte Listen verfügen und für jeden Ihrer Benutzer eine personalisierte Rangfolge bereitstellen möchten. Die personalisierte Rangfolge unterstützt bis zu 5 Millionen Artikel mit geringer Latenz und ermöglicht es Ihnen, Artikelempfehlungen entsprechend den sich entwickelnden Interessen eines Benutzers hervorzuheben und anzupassen.

Verbessern Sie die Auffindbarkeit Ihres Katalogs, indem Sie Elemente anzeigen, die Ihre Benutzer anzeigen, erkunden oder nach denen sie suchen. „Ähnliche Artikel“ generiert Empfehlungen für Artikel, die einem von Ihnen angegebenen Artikel ähnlich sind. Verwenden Sie ähnliche Artikel, um Benutzern dabei zu helfen, neue Artikel in Ihrem Katalog basierend auf ihrem bisherigen Verhalten und Artikel-Metadaten zu entdecken. Durch die Empfehlung ähnlicher Artikel können Sie die Benutzerinteraktion, die Klickrate und die Konversionsrate Ihres Unternehmens steigern.

Segmentieren Sie Ihre Benutzer automatisch basierend auf ihrem Interesse an Produktkategorien, Marken und anderen Attributen. Die Artikelaffinität identifiziert Benutzer anhand ihres Interesses an einzelnen Artikeln wie Filmen, Liedern oder Produkten, und die Artikelattributaffinität identifiziert Benutzer anhand der Attribute, die ihnen wichtig sind, z. B. Genre oder Preisklasse. Intelligente Nutzer-Segmentierung kann mehr Engagement bei Marketingkampagnen erzielen, die Bindung durch gezielte Nachrichten erhöhen und die Kapitalrendite für Ihre Marketingausgaben verbessern.

Empfehlen Sie Artikel, die bei Ihren Benutzern am schnellsten an Beliebtheit gewinnen. Mithilfe von „Jetzt im Trend“ können Sie die Häufigkeit definieren, mit der „Jetzt im Trend“ Trendartikel identifiziert. Dabei haben Sie die Möglichkeit, Empfehlungen alle 30 Minuten, 1 Stunde, 3 Stunden oder 1 Tag basierend auf den aktuellsten Interaktionsdaten Ihrer Benutzer zu aktualisieren.

Maximieren Sie das Interaktion und die Treue zu Ihrer Marke, indem Sie proaktiv und in Echtzeit Aktionen empfehlen, die auf die individuellen Bedürfnisse der Benutzer zugeschnitten sind. Die nächstbeste Maßnahme generiert Empfehlungen für Maßnahmen, die Ihre Benutzer aufgrund ihrer vorherigen Interaktionen mit Ihrem Katalog wahrscheinlich ergreifen werden. Empfehlen Sie hochwertige Aktionen, indem Sie die nächstbeste Maßnahme ergreifen, z. B. die Anmeldung bei einem Treueprogramm, die Anmeldung für einen Newsletter, das Erkunden einer neuen Kategorie und das Herunterladen einer App.

Amazon Personalize bietet die Flexibilität, Echtzeit- oder Batch-Daten zu verwenden, je nachdem, was für Ihren Anwendungsfall am besten geeignet ist. Echtzeitdaten können zum Beispiel für Produkt- oder Inhaltsempfehlungen auf einer Website oder App besser geeignet sein. Sorgen Sie für die Relevanz Ihrer Empfehlungen, indem Sie auf die sich ändernden Absichten Ihrer Benutzer in Echtzeit reagieren. Für große Benachrichtigungskampagnen können Batch-Daten besser geeignet sein. So können Sie beispielsweise Empfehlungen für sehr viele Benutzer oder Artikel auf einmal berechnen, speichern und in Batch-Workflows wie E-Mail-Systeme einspeisen. Amazon Personalize unterstützt auch inkrementelle Massendatenimporte, um Ihre Daten zu aktualisieren und die Qualität Ihrer Empfehlungen zu verbessern. Sie können ganz einfach neue Datensätze an die vorhandenen Daten in Ihren Datensätze anhängen.

Um relevante Empfehlungen bereitzustellen, müssen Sie den Kontext berücksichtigen, in dem sie betrachtet werden. Mit kontextbezogenen Empfehlungen können Sie Ihren Kunden eine persönlichere Erfahrung bieten und die Relevanz von Empfehlungen verbessern, indem Sie diese in einem Kontext wie Gerätetyp, Tageszeit usw. generieren.