Создавайте гиперперсонализированные клиентские впечатления с помощью Amazon Personalize и генеративного искусственного интеллекта

Создавайте неповторимые клиентские впечатления с помощью Amazon Personalize и генеративного искусственного интеллекта

Сегодня мы с радостью объявляем о трех запусках, которые помогут вам улучшить персонализированный опыт клиентов с использованием Amazon Personalize и генеративного искусственного интеллекта. Независимо от того, ищете ли вы управляемое решение или создаете свое собственное, вы можете использовать эти новые возможности для усиления вашего путешествия.

Amazon Personalize – это полностью управляемый сервис машинного обучения (ML), который упрощает разработчикам доставку персонализированных впечатлений пользователям. Он позволяет улучшить вовлеченность клиентов, обеспечивая персонифицированные рекомендации по продуктам и контенту на веб-сайтах, приложениях и в целевых маркетинговых кампаниях, не требуя знания в области ML. С использованием рецептов (алгоритмов, разработанных для конкретных использований) предоставляемых Amazon Personalize, вы можете предлагать разнообразные персонализированные впечатления, такие как “рекомендации для вас”, “часто покупаемое вместе”, рекомендации по следующим наилучшим действиям и целевые маркетинговые кампании с разделением пользователей.

Генеративный искусственный интеллект быстро изменяет бизнес-модели предприятий. Gartner прогнозирует, что «к 2026 году более 80% предприятий будут использовать генеративные API или модели искусственного интеллекта или будут развертывать приложения, включающие генеративный искусственный интеллект в производственные среды, что является увеличением по сравнению с менее чем 5% в 2023 году». В то время как генеративный искусственный интеллект способен быстро создавать контент, сам по себе он недостаточно эффективен для обеспечения высокой степени персонализации и адаптации к постоянно меняющимся предпочтениям индивидуальных пользователей. Многие компании активно ищут решения для улучшения пользовательского опыта с использованием Amazon Personalize и генеративного искусственного интеллекта.

FOX Corporation (FOX) производит и распространяет новости, спорт и развлекательный контент.

• Amazon Transcribe объявляет о новой модели основанной на распознавании речи системе ASR, которая расширяет поддержку более чем в 100 языках
• Медицинская диагностика ИИ стала проще NVIDIA предлагает MONAI в качестве облачной услуги с хостингом
• Как эффективно обучать вашего малого земного дракона? Лучшие практики для реализации в небольшом масштабе.

«Мы интегрируем генеративный искусственный интеллект с Amazon Personalize, чтобы предоставлять пользователям гиперперсонализированный опыт. Amazon Personalize помог нам достичь высокого уровня автоматизации в настройке контента. Например, FOX Sports получила увеличение начал контента после события на 400%, когда было применено. Теперь мы добавляем генеративный искусственный интеллект с Amazon Bedrock в нашу линейку продукции, чтобы помочь нашим редакторам контента генерировать тематические коллекции. Мы с нетерпением ждем возможности изучить такие функции, как Amazon Personalize Content Generator и Personalize on LangChain, чтобы дополнительно персонализировать эти коллекции для наших пользователей».

– Дэрил Боуден, исполнительный вице-президент по технологическим платформам.

Представляем Amazon Personalize Content Generator для создания более убедительных рекомендаций

Amazon Personalize запустил Content Generator – новую возможность, основанную на генеративном искусственном интеллекте, которая помогает компаниям делать рекомендации более убедительными, идентифицируя тематические связи между рекомендуемыми элементами. Эта возможность может повысить уровень рекомендаций и перейти от стандартных фраз типа «Люди, которые купили это, также купили…» к более привлекательным слоганам, таким как «Встаньте и проснитесь» для коллекции завтраков, обещая пользователей нажать и приобрести.

Чтобы подробнее рассмотреть влияние Amazon Personalize Content Generator, рассмотрим два примера.

Применение 1: Названия каруселей для коллекций фильмов

Микрожанр – это специализированная подкатегория в более широком жанре фильма, музыки или других форм медиа. Платформы потокового вещания используют микрожанры для улучшения пользовательского опыта, позволяя зрителям или слушателям открывать контент, соответствующий их конкретным вкусам и интересам. Рекомендуя медиа контент с микрожанрами, платформы потокового вещания учитывают разнообразные предпочтения, повышая пользовательскую вовлеченность и удовлетворенность.

Теперь вы можете использовать Amazon Personalize Content Generator для создания названий каруселей для коллекций микрожанров. Сначала импортируйте наборы данных взаимодействий пользователей и элементов в Amazon Personalize для обучения. Вы загружаете список значений itemId в качестве исходных элементов. Затем создайте пакетную задачу вывода, выберите Рекомендации с тематикой с использованием Content Generator на консоли Amazon Personalize или установите batch-inference-job-mode в THEME_GENERATION в конфигурации API.

В качестве пакетного вывода вы получите набор подобных элементов и тему для каждого исходного элемента. Мы также предоставляем оценки релевантности элементов и темы, которые вы можете использовать для установки порога, чтобы показывать только элементы, связанные с темой. На следующем скриншоте показан пример вывода:

{"input":{"itemId":"40"},"output":{"recommendedItems":["36","50","44","22","21","29","3","1","2","39"],"theme":"Фильмы с сильной женской главной героиней","itemsThemeRelevanceScores":[0.19994527,0.183059963,0.17478035,0.1618133,0.1574806,0.15468733,0.1499242,0.14353688,0.13531424,0.10291852]}}{"input":{"itemId":"43"},"output":{"recommendedItems":["50","21","36","3","17","2","39","1","10","5"],"theme":"Романтические фильмы для уютного вечера","itemsThemeRelevanceScores":[0.184988,0.1795761,0.11143453,0.0989443,0.08258403,0.07952615,0.07115086,0.0621634,-0.138913,-0.188913]}}...

В дальнейшем вы можете заменить общую фразу «Похожее на X» на тему вывода из Amazon Personalize Content Generator, чтобы сделать рекомендации более привлекательными.

Пример использования 2: Темы для заголовков маркетинговых писем

Email-маркетинг, несмотря на свою экономичность, часто страдает от низкой открытости и высокого отписывания. Решение открыть письмо критически зависит от привлекательности заголовка, потому что это то, что получатели видят вместе с именем отправителя. Однако создание привлекательных заголовков может часто быть утомительным и трудоемким.

Теперь с помощью Amazon Personalize Content Generator вы можете создавать привлекательные заголовки или заголовки в теле электронной почты более эффективно, дополнительно персонализируя свои рассылки электронной почты. Вы следуете тем же процессу загрузки данных, обучения и создания пакетной задачи внутреннего прогноза, как и в предыдущем примере использования. Ниже приведен пример маркетингового письма, которое включает вывод от Amazon Personalize с использованием Content Generator, включая набор рекомендуемых элементов и сгенерированный заголовок:

Заголовок: Чистящие средства, сделающие вашу жизнь блестящей!

Уважаемые <имя пользователя>, вы готовы превратить свою систему чистки в легкий и приятный процесс? Исследуйте наши лучшие предложения: Роботы-пылесосы <фото>, Наборы для мойки окон <фото>, Щетки для скрабирования с эргономичными ручками <фото>, Микрофибровые тряпки <фото>, Экологически чистые спреи для чистки <фото>

Эти примеры демонстрируют, как Amazon Personalize Content Generator может помочь создать более захватывающий опыт просмотра или более эффективную маркетинговую кампанию. Для более подробных инструкций смотрите Анализ партионных рекомендаций.

Анонс интеграции с LangChain для бесшовной интеграции Amazon Personalize с фреймворком LangChain

LangChain – мощный фреймворк с открытым исходным кодом, который позволяет интегрировать большие языковые модели (LLM). LLM обычно являются универсальными, но могут испытывать трудности с задачами, специфичными для отрасли, где требуется более глубокий контекст и нюансированные ответы. LangChain позволяет разработчикам строить модули (агенты/цепи) для своих конкретных задач генеративного ИИ. Они также могут вводить контекст и память в LLM, соединяя и цепляя LLM промпты для решения различных примеров использования.

Мы рады представить интеграцию с LangChain. С помощью этой новой функциональности разработчики могут использовать пользовательскую цепочку Amazon Personalize в LangChain для бесшовной интеграции Amazon Personalize с генеративными ИИ-решениями. Добавление персонализации к генеративным ИИ-решениям помогает создавать более индивидуальные и соответствующие взаимодействия с конечными пользователями. Ниже приведен фрагмент кода, демонстрирующий, как вы можете вызывать Amazon Personalize, получать рекомендации для кампании или рекомендателя и без проблем подавать их в ваши приложения генеративного ИИ в экосистеме LangChain. Вы также можете использовать это для последовательных цепей.

<!–из langchain.utilities импортируйте AmazonPersonalize из langchain.chains импортируйте AmazonPersonalizeChain из langchain.llms.bedrock импортируйте Bedrockrecommender_arn="<вставьте_arn>"client=AmazonPersonalize(recommender_arn=recommender_arn, credentials_profile_name="default",region_name="us-west-2")bedrock_llm = Bedrock(model_id="anthropic.claude-v2", region_name="us-west-2")# Создайте цепочку personalizemетовchain = AmazonPersonalizeChain.from_llm( llm=bedrock_llm, client=client)response = chain({'user_id': '1'})

Вы можете использовать эту возможность для создания персонализированных маркетинговых копий, генерации кратких резюме для рекомендуемого контента, рекомендации продуктов или контента в чат-ботах и создания клиентских впечатлений следующего поколения с вашим творчеством.

Amazon Personalize теперь позволяет возвращать метаданные в ответе вывода, чтобы улучшить рабочий процесс генеративного искусственного интеллекта

Amazon Personalize теперь улучшает рабочий процесс генеративного искусственного интеллекта, позволяя возвращать метаданные товара в качестве части вывода вывода. Получение рекомендаций вместе с метаданными упрощает дополнительный контекст для LLM. Этот дополнительный контекст, такой как жанр и описание продукта, может помочь моделям получить более глубокое понимание атрибутов товара для генерации более релевантного контента.

Amazon Personalize поддерживает эту возможность как для настраиваемых рецептов, так и для оптимизированных рекомендателей домена. При создании кампании или рекомендателя вы можете включить опцию возврата метаданных с результатами рекомендации или настроить параметры, обновив кампанию или рекомендателя. Вы можете выбрать до 10 полей метаданных и 50 результатов рекомендации для возврата метаданных во время вызова вывода, либо через API-интерфейс Amazon Personalize, либо через консоль Amazon Personalize.

Ниже приведен пример в API:

## Создание кампании с включенными метаданнымиexample_name = 'metadata_response_enabled_campaign'create_campaign_response = personalize.create_campaign(    name = example_name,    solutionVersionArn = example_solution_version_arn,    minProvisionedTPS = 1,    campaignConfig = {"enableMetadataWithRecommendations": True})## Получение рекомендаций с метаданнымиmetadataMap = {"ITEMS": ["genres", "num"]}response = personalize_runtime.get_recommendations(campaignArn=example_campaign_arn,     userId="0001", itemId="0002", metadataColumns=metadataMap, numResults=2)     ## Пример ответа с метаданными itemList':  [     {      'itemId': '356',      'metadata': {'genres': 'Comedy', 'num': '0.6103248'}     },     {      'itemId': '260',      'metadata': {'genres': 'Action|Adventure', 'num': '0.074548'}},     } ]

Заключение

В AWS мы постоянно внедряем инновации для наших клиентов. Внедряя эти новые возможности, основанные на Amazon Personalize и Amazon Bedrock, мы обогащаем каждый аспект процесса создания и использования, повышая эффективность и удовлетворенность конечных пользователей. Чтобы узнать больше о возможностях, обсуждаемых в этом сообщении, ознакомьтесь с функциями Amazon Personalize и руководством разработчика Amazon Personalize.