Повысьте эффективность своих маркетинговых решений с помощью Amazon Personalize и генеративного ИИ

Увеличение эффективности маркетинговых решений с использованием Amazon Personalize и генеративного ИИ

Искусственный интеллект, создающийся генеративно, преобразует бизнес-процессы предприятий. Организации используют ИИ для улучшения принятия решений на основе данных, улучшения многоканального опыта и разработки продуктов нового поколения. Предприятия особенно используют генеративный ИИ для усиления маркетинговых усилий через электронную почту, push-уведомления и другие исходящие каналы коммуникации. Gartner предсказывает, что «к 2025 году 30% исходящих маркетинговых сообщений от крупных организаций будут синтетически генерироваться». Однако только генеративный ИИ недостаточно для предоставления привлекательной коммуникации с клиентами. Исследования показывают, что наиболее эффективная коммуникация является персонализированной – показывая правильное сообщение правильному пользователю в нужное время. Согласно данным McKinsey, «71% потребителей ожидают от компаний предоставления персонализированных взаимодействий». Клиенты могут использовать Amazon Personalize и генеративный ИИ для создания краткого, персонализированного контента для маркетинговых кампаний, увеличения вовлеченности в рекламе и улучшения разговорных чат-ботов.

Разработчики могут использовать Amazon Personalize для создания приложений, основанных на том же типе машинного обучения, которое используется Amazon.com для персонализированных рекомендаций в режиме реального времени. С помощью Amazon Personalize разработчики могут повысить вовлеченность пользователей с помощью персонализированных рекомендаций продуктов и контента без необходимости в знании машинного обучения. Используя рецепты (алгоритмы, разработанные для поддержки конкретных случаев использования), предоставленные Amazon Personalize, клиенты могут предоставить широкий спектр персонализации, включая конкретные рекомендации по продуктам или контенту, персонализированную ранжировку и сегментацию пользователей. Кроме того, как полностью управляемый сервис искусственного интеллекта, Amazon Personalize ускоряет цифровые трансформации клиентов с помощью машинного обучения, упрощая интеграцию персонализированных рекомендаций в существующие веб-сайты, приложения, системы электронной почты и т. д.

В этом посте мы показываем, как вы можете повысить эффективность маркетинговых кампаний с помощью Amazon Personalize и генеративного ИИ с помощью Amazon Bedrock. Вместе Amazon Personalize и генеративный ИИ помогут вам настраивать маркетинговые компании под индивидуальные предпочтения потребителей.

Как именно Amazon Personalize и Amazon Bedrock взаимодействуют, чтобы достичь этого? Представьте себе, что вы как маркетолог хотите отправлять индивидуально настроенные электронные письма пользователям, рекомендуя фильмы, которые им понравятся, на основе их взаимодействия на платформе. Или, возможно, вы хотите отправить целевые электронные письма сегменту пользователей, рекламируя новую обувь, которая может их заинтересовать. В следующих случаях использования генеративный ИИ используется для улучшения двух распространенных маркетинговых писем.

Сценарий 1: Используйте генеративный ИИ для отправки целевых индивидуально настроенных электронных писем

С помощью Amazon Personalize и Amazon Bedrock вы можете создавать индивидуально настроенные рекомендации и создавать исходящие сообщения с индивидуальным подходом, адаптированным к каждому вашему пользователю.

Следующая диаграмма иллюстрирует архитектуру и рабочий процесс для отправки целевых персонализированных электронных писем, работающих на основе генеративного ИИ.

Сначала импортируйте свой набор данных взаимодействия пользователей в Amazon Personalize для обучения. Amazon Personalize автоматически обучает модель с помощью рецепта Top Picks for You. В результате Amazon Personalize предоставляет рекомендации, соответствующие предпочтениям пользователей.

Вы можете использовать следующий код для определения рекомендуемых элементов для пользователей:

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

Для получения дополнительной информации, ознакомьтесь с ссылкой на API Amazon Personalize.

Предоставляемый вывод рекомендаций извлекается Amazon Bedrock с помощью подсказки, которая содержит ваши предпочтения пользователей, демографические данные и рекомендованные товары Amazon Personalize.

Например, маркетолог, который хочет создать персонализированное письмо, привлекательное и веселое для пользователя, может использовать следующую подсказку:

Создайте персонализированное письмо, которое привлекает и радует пользователя. Пользователь недавно смотрел семейные фильмы. Вот рекомендованные товары: Русалочка, Энканто, Человек-паук: Через вселенные.

Вызвав одну из базовых моделей (FM), предоставленных в Amazon Bedrock, такую как Клод 2, с помощью подсказки и следующего образца кода, вы можете создать персонализированное письмо для пользователя:

personalized_email_response = bedrock_client.invoke_model(                            body = подсказка,                            modelId = идентификатор_модели)

Для получения дополнительной информации, ознакомьтесь с ссылкой на API Amazon Bedrock.

Amazon Bedrock возвращает персонализированное письмо пользователю:

Тема: Влюбитесь в этот рекомендованный выбор для киносеанса!

Уважаемый <имя пользователя>,

Хотите уютно провести осень? Нет проблем! Ознакомьтесь с нашими тремя лучшими рекомендациями фильмов, которые позволят вам уютно расслабиться на диване со своими близкими:

1. Русалочка: Этот классический фильм Disney рассказывает о принцессе-русалочке по имени Ариэль, которая мечтает о мире людей. Из-за своего очарования она заключает сделку с морской ведьмой Урсулой и учится серьезному уроку.

2. Энканто: Этот фильм Disney рассказывает о семье Мадригал, которая живет в волшебном доме в Колумбии. Каждый член семьи обладает уникальным даром, кроме молодой Марибель, которая должна помочь спасти свою семью.

3. Человек-паук: Через вселенные: Этот анимационный супергеройский фильм – настоящий боевик. Человек-паук, Бруклинский подросток по имени Майлз Моралес, объединяется с другими людьми со способностями паука, чтобы спасти мультивселенную.

С привлекательными персонажами, запоминающимися мелодиями и трогательными историями, нельзя ошибиться с любым из этих трех фильмов. Захватывайте попкорн, потому что вас ждет настоящий праздник!

Сценарий использования 2: Использование генеративного искусственного интеллекта для повышения эффективности многократных маркетинговых кампаний

Когда речь идет о массовой электронной рассылке, общий контент может привести к низкой вовлеченности (то есть низкому показателю открытия и отписок). Одним из способов обойти этот результат является ручное создание вариаций исходящих сообщений с увлекательными темами. Однако это может привести к неэффективному использованию времени. Интегрируя Amazon Personalize и Amazon Bedrock в ваш рабочий процесс, вы можете быстро определить заинтересованный сегмент пользователей и создать вариации контента электронной почты с большей релевантностью и вовлеченностью.

На следующей диаграмме показана архитектура и рабочий процесс для повышения маркетинговых кампаний, основанных на генеративном искусственном интеллекте.

Чтобы составить электронные письма многих адресатов, сначала импортируйте набор данных о взаимодействии пользователей с помощью взаимодействий в Amazon Personalize для обучения. Amazon Personalize обучает модель с использованием рецепта сегментации пользователей. С помощью рецепта сегментации пользователей Amazon Personalize автоматически определяет отдельных пользователей, проявляющих склонность к выбранным товарам в качестве целевой аудитории.

Для определения целевой аудитории и получения метаданных товара вы можете использовать следующий образец кода:

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

Для получения дополнительной информации смотрите привязку API Amazon Personalize.

Amazon Personalize предоставляет список рекомендуемых пользователей, на которых следует ориентироваться для каждого товара в batch_output_path. Затем вы можете вызвать сегмент пользователей в Amazon Bedrock, используя один из FM вместе с вашим提示ом.

В этом случае вы можете рекламировать только что выпущенные кроссовки по электронной почте. Примером подсказки может быть следующее:

Для сегмента пользователей “ценителей кроссовок” создайте заманчивое письмо, которое рекламирует последнюю модель кроссовок “Ultra Fame II”. Предоставьте пользователям скидочный код FAME10 для сэкономления 10%.

Аналогично первому случаю использования, вы будете использовать следующий код в Amazon Bedrock:

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

Для получения дополнительной информации смотрите привязку API Amazon Bedrock.

Amazon Bedrock возвращает персонализированное письмо на основе выбранных товаров для каждого пользователя, как показано ниже:

Тема: <<имя>>, ваш путь в Зал Славы ждет

Привет <<имя>>,

Ожидание окончено. Посмотрите новую модель Ultra Fame II! Это самая инновационная и комфортная модель Ultra Fame на сегодняшний день. Ее новый дизайн будет привлекать внимание везде, куда вы ни пойдете. Кроме того, вы получите комфорт, поддержку и стиль, достаточные для попадания в Зал Славы.

Не ждите, пока не станет поздно. Используйте код FAME10, чтобы сэкономить 10% при покупке следующей пары.

Чтобы протестировать и определить электронное письмо, которое вызывает наибольшую вовлеченность, вы можете использовать Amazon Bedrock для генерации вариаций привлекательных заголовков и содержания за долю времени, которую занимает ручное создание тестового контента.

Заключение

Интеграция Amazon Personalize и Amazon Bedrock позволяет вам предоставлять персонализированный рекламный контент целевой аудитории.

Система генеративного искусственного интеллекта, основанная на FM, изменяет способ, которым бизнесы создают гиперперсонализированные впечатления для потребителей. Сервисы искусственного интеллекта AWS, такие как Amazon Personalize и Amazon Bedrock, могут помочь рекомендовать и доставлять продукты, контент и убедительные маркетинговые сообщения, персонализированные для ваших пользователей. Для получения дополнительной информации о работе с генеративным искусственным интеллектом на платформе AWS смотрите Объявление о новых инструментах для разработки с генеративным искусственным интеллектом на платформе AWS.