用亚马逊个性化推荐和生成式人工智能提升您的营销解决方案

借助亚马逊个性化推荐和生成式人工智能,让您的营销解决方案更上一层楼

生成式人工智能正在改变企业的商业方式。组织正在使用人工智能来改善数据驱动的决策、提升全渠道体验和推动下一代产品开发。企业特别使用生成式人工智能来为营销努力提供动力,如电子邮件、推送通知和其他出站通信渠道。根特公司预测,“到2025年,大型企业发送的30%的出站营销信息将由合成生成。”然而,单靠生成式人工智能并不足以提供引人入胜的客户沟通。研究显示,最具影响力的沟通是个性化的,即在正确的时间向正确的用户展示正确的信息。根据麦肯锡的数据,“71%的消费者希望公司提供个性化的互动。”客户可以利用亚马逊个性化和生成式人工智能来为营销活动创作简明扼要、个性化的内容,提升广告参与度并增强对话式聊天机器人。

开发人员可以利用亚马逊个性化构建应用程序,该应用程序由与亚马逊用于实时个性化推荐的相同类型的机器学习(ML)技术支持。借助亚马逊个性化,开发人员可以无需具备机器学习专业知识,通过个性化产品和内容推荐来提高用户参与度。使用亚马逊个性化提供的配方(为特定用例准备的算法),客户可以提供各种个性化服务,包括特定产品或内容推荐、个性化排序和用户分割。此外,作为一个完全托管的人工智能服务,亚马逊个性化通过机器学习加速客户的数字转型,使将个性化推荐集成到现有网站、应用程序和电子邮件营销系统等变得更加容易。

在本文中,我们将演示如何借助亚马逊个性化和生成式人工智能以及亚马逊基石提高您的营销活动。亚马逊个性化和生成式人工智能将帮助您根据个人消费者偏好定制您的营销活动。

亚马逊个性化和亚马逊基石如何协同工作以实现此目标呢?假设您是一名营销人员,想要根据用户在平台上的互动,向他们发送量身定制的电子邮件推荐他们可能喜欢的电影。或者您可能希望向一部分用户发送定向邮件,宣传他们可能感兴趣的新款鞋子。以下用例使用生成式人工智能来增强两种常见的营销电子邮件。

用例1:使用生成式人工智能发送定向的个性化电子邮件

借助亚马逊个性化和亚马逊基石,您可以生成个性化的推荐并创建带有个人化色彩的出站消息,以适应每个用户。

以下图示了由生成式人工智能驱动的提供定向个性化电子邮件的架构和工作流程。

首先,将用户互动数据集导入亚马逊个性化进行训练。亚马逊个性化会自动使用为您挑选的顶级产品配方来训练模型。作为输出,亚马逊个性化提供与用户偏好相符的推荐。

您可以使用以下代码来识别用户的推荐项目:

get_recommendations_response = personalize_runtime.get_recommendations(                            recommenderArn = workshop_recommender_top_picks_arn,                            userId = str(user_id),                            numResults = number_of_movies_to_recommend)

更多信息,请参阅亚马逊个性化 API 参考

生成的推荐结果会通过包含用户偏好、人口统计信息和亚马逊个性化推荐项目的提示被送入亚马逊基石中。

例如,想要为用户创建一个迷人有趣的个性化电子邮件的营销人员可以使用以下提示:

创建一个个性化的电子邮件,使用户感到迷人有趣,从而引起他们的兴趣。用户最近观看了适合家庭观赏的电影。以下是推荐的项目——《小美人鱼》、《海外奇缘》、《蜘蛛侠:跳入蜘蛛宇宙》。

通过使用Amazon Bedrock提供的其中一个基础模型(FM),比如Claude 2,结合下面的提示和示例代码,您可以为用户创建个性化的电子邮件:

personalized_email_response = bedrock_client.invoke_model(                            body = prompt,                            modelId = identifier_of_the_model)

更多信息,请参阅Amazon Bedrock API参考

Amazon Bedrock会为用户返回一个个性化的电子邮件:

主题:爱上这个推荐的电影之夜!

亲爱的<用户姓名>,

渴望秋天的温馨感觉?没问题!来看看我们为您和您的亲人推荐的三部电影:

1. 小美人鱼:这部经典迪士尼电影讲述了一个名叫阿里尔的美人鱼公主,她梦想着人类的世界。因为她的迷恋,她与海女巫乌尔苏拉达成了一项交易,并学到了重要的教训。

2. 海外奇缘:这部迪士尼电影讲述了一个生活在魔法屋中的哥伦比亚家族——玛德利加尔斯。这个家族的每个成员都有独特的天赋,而年轻的玛丽贝尔必须帮助拯救自己的家人。

3. 蜘蛛侠:跳入蜘蛛宇宙:这部动画超级英雄电影是一部必看的动作片。蜘蛛侠是布鲁克林的一名名叫迈尔斯·莫拉莱斯的青少年,他与其他具有蜘蛛超能力的人合作拯救多元宇宙。

有了可爱的角色,动听的曲调和动人的故事,这三部电影都不容错过。准备好爆米花,因为您将会有一场盛宴!

用例2:使用生成式人工智能提升一对多营销活动

在一对多电子邮件营销中,使用通用内容可能导致低用户参与度(即低开启率和退订率)。公司回避这种结果的一种方法是手动制作具有吸引力主题的多个出站消息的变体。但这样做会浪费时间。通过将Amazon Personalize和Amazon Bedrock集成到您的工作流程中,您可以快速确定感兴趣的用户段,并创建具有更大相关性和参与度的电子邮件内容的变体。

以下图示说明了由生成式人工智能驱动的提升营销活动的架构和工作流程。

要撰写一对多邮件,首先将用户的互动数据集导入到Amazon Personalize进行训练。Amazon Personalize使用用户分割的算法训练模型。通过用户分割算法,Amazon Personalize自动确定展示对应目标用户倾向的项目的个体用户。

您可以使用以下示例代码来确定目标用户并检索项目的元数据:

create_batch_segment_response = personalize.create_batch_segment_job(        jobName = job_name,        solutionVersionArn = solution_version_arn,        numResults = number_of_users_to_recommend        jobInput =  {            "s3DataSource": {                "path": batch_input_path            }        },        jobOutput = {            "s3DataDestination": {            "path": batch_output_path            }        })

更多信息,请参阅Amazon Personalize API参考

Amazon Personalize会将推荐的用户列表交付给每个项目的目标受众,保存在batch_output_path中。然后,您可以使用其中一个FM结合您的提示将用户段投入到Amazon Bedrock中。

对于这个使用案例,您可能希望通过电子邮件来营销一款新发布的运动鞋。一个示例提示可能包括以下内容:

为用户群体“球鞋发烧友”,创建一个引人注目的电子邮件,推广最新款球鞋“Ultra Fame II”。为用户提供折扣代码FAME10,可节省10%的费用。

与第一个使用案例类似,您将在亚马逊基岩(Amazon Bedrock)中使用以下代码:

personalized_email_response = bedrock_client.invoke_model(                                body = prompt,                                modelId = identifier_of_the_model)

如需更多信息,请参阅亚马逊基岩API参考

亚马逊基岩会根据每个用户选择的商品生成个性化的电子邮件,如下所示:

主题:<<姓名>>,名人堂的入场券已到手

嗨,<<姓名>>,

等待已经结束。快来看看新款Ultra Fame II!它是最具创新和舒适的Ultra Fame鞋款。它的新设计将令您的每一步都引人注目。此外,您将获得舒适、支撑和风格的完美结合,足以让您得以进入名人堂。

不要等到为时已晚。使用代码FAME10,在下一双鞋上节省10%的费用。

为了测试和确定引起最高参与度的电子邮件,您可以使用亚马逊基岩来生成变化的吸引人的主题和内容,而无需手动制作测试内容所需的时间。

结论

通过集成亚马逊个性化(Amazon Personalize)和亚马逊基岩,您可以将个性化的促销内容传递给正确的受众。

由FMs提供动力的生成式AI正在改变企业为消费者构建超个性化体验的方式。亚马逊AWS AI服务,如亚马逊个性化和亚马逊基岩,可帮助推荐和交付针对用户个性化的产品、内容和吸引人的营销信息。有关在亚马逊AWS上使用生成式AI的更多信息,请参阅宣布新的工具来构建亚马逊AWS生成式AI