Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Was ist Amazon Personalize?
Amazon Personalize ist ein vollständig verwalteter Service für maschinelles Lernen, der Ihre Daten verwendet, um Artikelempfehlungen für Ihre Benutzer zu generieren. Es kann auch Benutzersegmente auf der Grundlage der Affinität der Benutzer zu bestimmten Artikeln oder Artikelmetadaten generieren.
Zu den häufigsten Anwendungsfällen gehören die folgenden:
-
Personalisierung einer Video-Streaming-App — Sie können vorkonfigurierte oder anpassbare Amazon Personalize Personalize-Ressourcen verwenden, um Ihrer Streaming-App mehrere Arten von personalisierten Videoempfehlungen hinzuzufügen. Zum Beispiel die beliebtesten Videoempfehlungen für Sie, Mehr wie X und Die beliebtesten Videoempfehlungen.
-
Hinzufügen von Produktempfehlungen zu einer E-Commerce-App — Sie können vorkonfigurierte oder anpassbare Amazon Personalize Personalize-Ressourcen verwenden, um Ihrer Einzelhandels-App mehrere Arten von personalisierten Produktempfehlungen hinzuzufügen. Zum Beispiel „Für Sie empfohlen“, „Häufig zusammen gekauft“ und „Kunden, die X angesehen haben“, haben sich auch Produktempfehlungen angesehen.
-
Hinzufügen von Empfehlungen für die nächste beste Aktion in Echtzeit zu Ihrer App — Sie können anpassbare Amazon Personalize Personalize-Ressourcen verwenden, um die Aktionen zu empfehlen, die Ihre Benutzer aufgrund ihres Verhaltens am wahrscheinlichsten ergreifen werden. Sie können beispielsweise Empfehlungen in Echtzeit hinzufügen, um sich für Ihr Treueprogramm anzumelden, Ihre mobile App herunterzuladen oder sich für Werbe-E-Mails anzumelden.
-
Personalisierte E-Mails erstellen — Sie können anpassbare Amazon Personalize Personalize-Ressourcen verwenden, um Batch-Empfehlungen für alle Benutzer auf einer E-Mail-Liste zu generieren. Dann können Sie eine verwenden AWS Dienst oder Dienst eines Drittanbieters, um Benutzern personalisierte E-Mails zu senden, in denen Artikel in Ihrem Katalog empfohlen werden.
-
Eine gezielte Marketingkampagne erstellen — Sie können Amazon Personalize verwenden, um Benutzergruppen zu generieren, die höchstwahrscheinlich mit Artikeln in Ihrem Katalog interagieren werden. Dann können Sie eine verwenden AWS Service oder Service eines Drittanbieters zur Erstellung einer gezielten Marketingkampagne, mit der verschiedene Artikel für verschiedene Benutzersegmente beworben werden.
-
Personalisierung von Suchergebnissen — Sie können anpassbare Amazon Personalize Personalize-Ressourcen verwenden, um Suchergebnisse für Ihre Benutzer zu personalisieren. Amazon Personalize kann beispielsweise Suchergebnisse, mit denen Sie generieren, neu ordnen. OpenSearch
Für die meisten Anwendungsfälle generiert Amazon Personalize Empfehlungen, die hauptsächlich auf Artikelinteraktionsdaten basieren. Daten zur Artikelinteraktion stammen von der Interaktion Ihrer Benutzer mit Artikeln in Ihrem Katalog. Zum Beispiel Benutzer, die auf verschiedene Artikel klicken. Ihre Artikelinteraktionsdaten können sowohl aus Ihren historischen Sammelinteraktionsaufzeichnungen in einer CSV Datei als auch aus Echtzeitereignissen Ihrer Benutzer bei der Interaktion mit Ihrem Katalog stammen. In einigen Fällen verwendet Amazon Personalize auch Daten von Artikeln und Benutzern wie Genre, Preis oder Geschlecht. Und für die nächstbesten Aktionsszenarien werden Aktionen und Aktionsinteraktionsdaten verwendet.
Wenn Sie Massendaten importieren, können Sie Amazon SageMaker Data Wrangler verwenden, um Daten aus mehr als 40 Quellen zu importieren und für Amazon Personalize vorzubereiten. Weitere Informationen finden Sie unter Vorbereiten und Importieren von Massendaten mit Amazon SageMaker Data Wrangler.
Amazon Personalize umfasst API Operationen für die Personalisierung in Echtzeit und Batch-Operationen für Sammelempfehlungen und Benutzersegmente. Mit auf Anwendungsfälle optimierten Empfehlungen für Ihre Geschäftsdomäne können Sie schnell loslegen oder Ihre eigenen konfigurierbaren benutzerdefinierten Ressourcen erstellen.
Themen
Preise für Amazon Personalize
Bei Amazon Personalize fallen keine Mindestgebühren und keine Vorabverpflichtungen an. Die AWS Das kostenlose Kontingent
Eine vollständige Liste der Gebühren und Preise finden Sie unter Amazon Personalize Personalize-Preise
Verwandt AWS Dienstleistungen und Lösungen
Amazon Personalize lässt sich nahtlos in andere integrieren AWS Dienstleistungen und Lösungen. Beispielsweise ist Folgendes möglich:
-
Verwenden Sie Amazon SageMaker Data Wrangler (Data Wrangler), um Daten aus über 40 Quellen in einen Amazon Personalize-Datensatz zu importieren. Data Wrangler ist eine Funktion von Amazon SageMaker Studio, die eine end-to-end Lösung zum Importieren, Vorbereiten, Transformieren und Analysieren von Daten bietet. Weitere Informationen finden Sie unter Vorbereiten und Importieren von Massendaten mit Amazon SageMaker Data Wrangler.
-
Verwenden Sie AWS Amplify um Interaktionsereignisse mit Objekten aufzuzeichnen. Amplify enthält eine JavaScript Bibliothek zum Aufzeichnen von Ereignissen aus Web-Client-Anwendungen. Und es enthält eine Bibliothek zum Aufzeichnen von Ereignissen im Servercode. Weitere Informationen finden Sie in der Amplify-Dokumentation
. -
Automatisieren und planen Sie Amazon Personalize Personalize-Aufgaben mit der Funktion „Personalisierte Erlebnisse mit Machine Learning pflegen
“. Dieser AWS Solutions Implementation automatisiert den Amazon Personalize Personalize-Workflow, einschließlich Datenimport, Schulung zu Lösungsversionen und Batch-Workflows. -
Verwenden Sie Amazon CloudWatch Evidently, um A/B-Tests mit Amazon Personalize Personalize-Empfehlungen durchzuführen. Weitere Informationen finden Sie unter A/B-Tests mit Evidently CloudWatch .
Dienste von Drittanbietern
Amazon Personalize funktioniert gut mit verschiedenen Diensten von Drittanbietern.
-
Amplitude — Sie können Amplitude verwenden, um Benutzeraktionen zu verfolgen und so das Verhalten Ihrer Benutzer besser zu verstehen. Informationen zur Verwendung von Amplitude und Amazon Personalize finden Sie im Folgenden AWS Blogbeitrag von Partner Network (APN): Messung der Effektivität der Personalisierung mit Amplitude und Amazon Personalize
. -
Braze — Sie können Braze verwenden, um Benutzern personalisierte E-Mails zu senden, in denen Artikel in Ihrem Katalog empfohlen werden. Braze ist eine marktführende Messaging-Plattform (E-Mail, Push,). SMS Einen Workshop, der zeigt, wie Amazon Personalize und Braze integriert werden, finden Sie im Amazon Personalize Personalize-Workshop
. -
mParticle— Sie können es verwenden mParticle , um Veranstaltungsdaten aus Ihrer App zu sammeln. Ein Beispiel, das zeigt, wie Sie mithilfe mParticle von Amazon Personalize personalisierte Produktempfehlungen implementieren können, finden Sie unter So nutzen Sie das Potenzial von a CDP für maschinelles Lernen: Teil 2.
-
Optimizely — Sie können Optimizely verwenden, um A/B-Tests mit Amazon Personalize durchzuführen. Informationen zur Verwendung von Optimizely und Amazon Personalize finden Sie unter Optimizely integriert sich in Amazon Personalize, um leistungsstarkes maschinelles Lernen mit Experimenten zu kombinieren
. -
Segment — Sie können Segment verwenden, um Ihre Daten an Amazon Personalize zu senden. Weitere Informationen zur Integration von Segment mit Amazon Personalize finden Sie unter Amazon Personalize
Destination.
Eine vollständige Liste der Partner finden Sie unter Amazon Personalize Personalize-Partner
Weitere Informationen
Die folgenden Ressourcen bieten zusätzliche Informationen zu Amazon Personalize:
-
Eine Kurzreferenz, mit der Sie feststellen können, ob Amazon Personalize für Ihren Anwendungsfall geeignet ist, finden Sie im Amazon Personalize Personalize-Cheat Sheet im Amazon Personalize
Personalize-Beispiel-Repository . -
Eine Reihe von Videos zur Verwendung von Amazon Personalize finden Sie in der Amazon Personalize Deep Dive-Videoserie
unter. YouTube -
Ausführliche Tutorials und Codebeispiele finden Sie im amazon-personalize-samples GitHub Repository.
