실시간으로 개별 사용자의 요구에 맞는 조치를 선제적으로 추천하여 브랜드 참여와 충성도를 극대화할 수 있습니다. 차선책(aws-next-best-action) 레시피는 사용자가 과거 행동을 기반으로 취할 가능성이 가장 높은 행동에 대한 추천을 생성합니다. 차선책 레시피를 사용하여 로열티 프로그램 등록, 뉴스레터 가입, 새 카테고리 탐색, 앱 다운로드 등과 같은 가치 있는 활동을 추천하세요. 자세히 알아보십시오.
Amazon Personalize는 지능적인 사용자 세분화를 제공하므로 마케팅 채널을 통해 보다 효과적인 잠재 고객 발굴 캠페인을 실행할 수 있습니다. 두 가지 간단한 레시피를 사용하면 다양한 제품 카테고리, 브랜드 등에 대한 관심을 기반으로 사용자를 자동으로 분류할 수 있습니다. 'aws-item-affinity'는 영화, 노래 또는 제품과 같은 개별 항목에 대한 관심을 기반으로 사용자를 식별하는 반면 'aws-item-attribute'는 장르 또는 가격대와 같이 관심 있는 속성을 기반으로 사용자를 식별합니다. 지능적인 사용자 세분화는 마케팅 캠페인에 대한 참여도를 높이고, 대상 메시징을 통해 유지율을 높이며, 마케팅 지출에 대한 투자 수익을 개선할 수 있습니다. 자세히 알아보세요.
소매, 미디어 및 엔터테인먼트와 같은 산업의 일반적인 사용 사례에 맞게 특별히 맞춤화된 추천을 통해 고성능의 개인화된 사용자 경험을 더 빠르고 쉽게 제공할 수 있습니다. '자주 함께 구매', '현재 인기', 'X 콘텐츠를 본 시청자', '귀하를 위한 최고의 추천' 등과 같은 사용 사례에서 선택할 수 있습니다. Amazon Personalize가 사용 사례에 대한 최적의 설정을 선택하고 개인화된 추천을 생성 및 유지 관리하는 작업을 자동화하는 동안 비즈니스 요구 사항에 적용되는 추천 도구에 데이터를 매핑하기만 하면 시장 출시를 가속화할 수 있습니다. 자세히 알아보세요.
사용자 개인화 레시피는 모든 개인화된 추천 시나리오에 최적화되어 있습니다. 상호 작용, 항목 및 사용자 데이터세트를 기반으로 사용자가 상호 작용할 항목을 예측합니다. 항목을 추천할 때 자동 항목 탐색을 사용하여 검색 및 참여도를 향상시킵니다. 자세히 알아보십시오.
사용자에게 유사한 항목을 보여줌으로써 카탈로그의 검색 기능을 개선할 수 있습니다. 유사한 항목(aws-similar-items)은 지정한 항목과 유사한 항목에 대한 추천을 생성합니다. 유사한 항목을 사용하여 고객이 이전 행동 및 항목 메타데이터를 기반으로 카탈로그에서 새 항목을 찾도록 돕습니다. 유사한 항목을 추천하면 애플리케이션에 대한 사용자 참여, 클릭률 및 전환율을 높일 수 있습니다.
개인화된 순위는 특정 사용자에 대해 다시 순위가 매겨지는 추천 항목 목록입니다. 이는 검색 결과, 프로모션 또는 선별된 목록과 같은 주문된 항목 모음이 있고 각 사용자에 대해 개인화된 순위 재지정 기능을 제공하려는 경우에 유용합니다. Amazon Personalize를 사용하면 비즈니스 우선 순위를 달성하고 최상의 고객 경험을 보장하면서 사용자와 관련이 있을 수 있는 모든 항목을 강조 표시할 수 있습니다. 자세히 알아보십시오.
관련 추천을 구축할 때 가장 어려운 문제 중 하나는 카탈로그에 새 항목이 추가될 때 올바른 추천을 제공하는 것입니다. Amazon Personalize를 사용하면 카탈로그의 신규 항목과 기존 항목에 대한 추천 간에 적절한 균형을 만들어 신제품 및 최신 콘텐츠에 대한 품질 추천 사항을 생성할 수 있습니다. 자세히 알아보세요.
현재 인기 항목 추천기는 사용자 사이에서 가장 빠르게 인기를 얻고 있는 항목을 추천하는 데 도움이 됩니다. 또한 사용자의 최신 상호 작용 데이터를 기반으로 30분, 1시간, 3시간 또는 1일마다 추천 항목을 새로 고치는 옵션을 통해 인기 항목을 식별하는 빈도를 정의할 수 있습니다.
Amazon Personalize와 OpenSearch 통합으로 검색 결과를 개인화하세요. 검색은 특정 제품을 찾는 개인의 높은 의도를 가진 트래픽을 유도하므로 사용자를 참여시키는 데 매우 중요합니다. Amazon Personalize의 ML 기반 인텔리전스를 통해 각 사용자의 고유한 관심사와 요구 사항을 통합하여 더 높은 관련성을 가진 검색 결과를 제공해 보세요. OpenSearch v2.9 이상의 Amazon Personalize 검색 순위 지정 플러그인을 사용하면 실시간으로 관심사, 컨텍스트 및 과거 상호 작용을 기반으로 특정 사용자의 검색 결과에 관련성이 높은 항목을 더 많이 포함할 수 있습니다. 또한 각 검색 쿼리의 개인화 수준을 제어하여 검색 경험을 최대한 유연하게 만들고 제어할 수 있습니다. 검색 결과를 개인화하면 애플리케이션에 대한 사용자 참여, 클릭률 및 전환율을 높일 수 있습니다.
비즈니스 규칙을 적용하여 최적의 고객 경험을 제공합니다. Amazon Personalize를 사용하면 추천 사항을 자동으로 보강할 수 있습니다. 예를 들어, 최근에 구매한 항목을 필터링하고, 사용자가 특정 구독 계층에 있는 경우 프리미엄 콘텐츠를 강조 표시하거나, 캐러셀의 20%가 최신 스포츠 기사로 채워지도록 합니다. 동적 필터를 사용하면 별도의 순열을 생성할 필요 없이 즉석에서 필터 규칙을 수정할 수 있습니다. 자세히 알아보세요.
비즈니스 목표와 일치하는 규칙을 기반으로 특정 항목 또는 콘텐츠를 홍보할 수 있습니다. 이 기능을 사용하면 추천 내에서 홍보할 콘텐츠의 비율을 제어하여 각 사용자의 경험을 추가로 사용자 지정할 수 있습니다. Amazon Personalize는 제공된 비즈니스 규칙 내에서 각 사용자에게 홍보하기에 가장 관련성이 높은 항목 또는 콘텐츠를 자동으로 찾아서 사용자의 추천 항목 안에 배포합니다. 자세히 알아보세요.
제품 설명, 리뷰, 영화 시놉시스 또는 기타 비정형 텍스트에 갇힌 정보를 잠금 해제하여 사용자에게 관련성이 높은 추천을 생성합니다. 비정형 텍스트를 카탈로그의 일부로 제공하면 Amazon Personalize가 추천을 생성할 때 사용할 주요 정보를 자동으로 추출합니다. 지원되는 언어로는, 중국어(간체 및 번체), 영어, 프랑스어, 독일어, 일본어, 포르투갈어 및 스페인어가 포함됩니다. 자세히 알아보세요.
사용자에게 적절한 항목과 비즈니스에 중요한 항목을 고려하여 추천을 생성할 수 있습니다. 관련성에 더해 목표를 정의하여 추천에 영향을 미칠 수 있습니다. 이는 플랫폼, 사용자 참여, 이익 마진, 수익 또는 비즈니스에 중요하다고 정의한 모든 수치 지표에 소요된 시간을 최대화하는 데 사용할 수 있습니다. 자세히 알아보세요.
Amazon Personalize는 사용 사례에 가장 적합한 내용을 기반으로 실시간 또는 일괄 데이터를 사용할 수 있는 유연성을 제공합니다. 예를 들어 실시간 데이터는 웹사이트 또는 앱의 제품이나 콘텐츠 추천에 더 적합할 수 있습니다. 사용자의 변화하는 의도에 실시간으로 대응하여 정확한 추천을 제시할 수 있습니다. 일괄 데이터는 대규모 알림 캠페인에 더 적합할 수 있습니다. 예를 들어, 한 번에 많은 수의 사용자 또는 항목에 대한 추천을 계산하고, 저장한 다음, 이메일 시스템과 같은 일괄 지향 워크플로에 제공할 수 있습니다. Amazon Personalize는 이제 일괄 데이터를 증분 방식으로 가져올 수 있는 새로운 옵션을 지원하므로, 데이터를 업데이트하는 동시에 추천 품질을 개선할 수 있습니다. 데이터 세트의 기존 데이터에 새 레코드를 쉽게 추가할 수 있습니다. 자세히 알아보세요..
관련이 있는 추천을 제공하려면 해당 추천이 표시되는 컨텍스트를 고려해야 합니다. 컨텍스트에 따른 추천을 사용하면 고객에게 보다 개인화된 경험을 제공하고 디바이스 유형, 시간 등과 같은 컨텍스트 내에서 추천을 생성하여 해당 추천의 관련성을 높일 수 있습니다. 자세히 알아보세요.
Amazon Personalize를 통해 고객은 장바구니 추가, 페이지 조회, 클릭 수와 같은 비즈니스 목표에 미치는 Personalize의 영향을 자동으로 파악할 수 있습니다. 고객은 시스템에 전송된 모든 이벤트의 영향을 계산하여 모든 Personalize 추천의 비즈니스 결과를 측정할 수 있습니다. 사용자가 작업(예: 이벤트)을 완료하면 해당 데이터가 Personalize로 전송되고 총 영향이 계산됩니다. 자세히 알아보세요.
Amazon Personalize 콘텐츠 생성기는 생성형 AI를 사용하여 파운데이션 모델에서 생성된 텍스트로 더욱 설득력 있는 추천을 제공합니다. 추천 항목 간의 주제별 유사성을 설명하는 맞춤형 스니펫을 각 추천과 함께 제공하여 개인화를 개선합니다. 웹 사이트 캐러셀과 이메일 캠페인에 이를 통합하여 'X와 비슷한 컨텐츠'와 같은 일반적인 제목으로 대체하여 최종 사용자와의 긴밀한 관계를 구축할 수 있습니다. 자세히 알아보십시오.
빌더는 LangChain의 사용자 지정 체인을 사용하여 Amazon Personalize를 생성형 AI 솔루션과 원활하게 통합할 수 있습니다. 사전 구성된 LangChain 코드를 사용하면 Amazon Personalize를 간접 호출하고, 캠페인 또는 추천자의 추천을 검색하고, 이를 LangChain 에코시스템 내의 생성형 AI 애플리케이션에 원활하게 제공할 수 있습니다. 개인화된 마케팅 카피, 챗봇의 제품 또는 콘텐츠 추천, 개인화된 콘텐츠에 대한 간결한 요약 생성 등 다양한 사용 사례를 살펴보세요. 자세히 알아보십시오.
Amazon Personalize는 반환 항목 메타데이터를 추론 출력의 일부로 활성화하여 생성형 AI 워크플로를 개선합니다. 장르, 등급, 제품 설명 등 최대 10개의 필드를 선택하고 LangChain 통합 기능을 사용하여 이러한 다양한 추천을 파운데이션 모델에 원활하게 제공할 수 있습니다. 이러한 다양한 컨텍스트는 모델이 고도로 개인화된 콘텐츠를 생성하여 최종 사용자의 참여를 높이는 데 도움이 됩니다. 자세히 알아보십시오.