Qu'est-ce qu'Amazon Personalize ? - Amazon Personalize

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Qu'est-ce qu'Amazon Personalize ?

Amazon Personalize est un service d'apprentissage automatique entièrement géré qui utilise vos données pour générer des recommandations d'articles pour vos utilisateurs. Il peut également générer des segments d'utilisateurs en fonction de l'affinité des utilisateurs pour certains éléments ou les métadonnées des articles.

Les cas d'utilisation courants sont les suivants :

  • Personnalisation d'une application de streaming vidéo : vous pouvez utiliser les ressources Amazon Personalize préconfigurées ou personnalisables pour ajouter plusieurs types de recommandations vidéo personnalisées à votre application de streaming. Par exemple, les meilleurs choix pour vous, More like X et les recommandations vidéo les plus populaires.

  • Ajouter des recommandations de produits à une application de commerce électronique : vous pouvez utiliser des ressources Amazon Personalize préconfigurées ou personnalisables pour ajouter plusieurs types de recommandations de produits personnalisées à votre application de vente au détail. Par exemple, les rubriques Recommandé pour vous, Produits fréquemment achetés ensemble et Les clients ayant consulté X ont également consulté les recommandations de produits.

  • Ajouter à votre application des recommandations d'action optimales en temps réel : vous pouvez utiliser les ressources personnalisables d'Amazon Personalize pour recommander les actions les plus susceptibles d'être entreprises par vos utilisateurs en fonction de leur comportement. Par exemple, vous pouvez ajouter des recommandations en temps réel pour vous inscrire à votre programme de fidélité, télécharger votre application mobile ou vous inscrire à des e-mails promotionnels.

  • Création d'e-mails personnalisés : vous pouvez utiliser les ressources personnalisables Amazon Personalize pour générer des recommandations par lots pour tous les utilisateurs d'une liste d'e-mails. Vous pouvez ensuite utiliser un AWS service ou un service tiers pour envoyer aux utilisateurs des e-mails personnalisés recommandant les articles de votre catalogue.

  • Création d'une campagne marketing ciblée — Vous pouvez utiliser Amazon Personalize pour générer des segments d'utilisateurs susceptibles d'interagir avec les articles de votre catalogue. Vous pouvez ensuite utiliser un AWS service ou un service tiers pour créer une campagne marketing ciblée faisant la promotion de différents articles auprès de différents segments d'utilisateurs.

  • Personnalisation des résultats de recherche : vous pouvez utiliser les ressources personnalisables Amazon Personalize pour personnaliser les résultats de recherche pour vos utilisateurs. Par exemple, Amazon Personalize peut reclasser les résultats de recherche que vous avez générés. OpenSearch

Dans la plupart des cas d'utilisation, Amazon Personalize génère des recommandations principalement basées sur les données d'interaction entre les articles. Les données d'interaction entre les articles proviennent de l'interaction de vos utilisateurs avec les articles de votre catalogue. Par exemple, les utilisateurs cliquent sur différents éléments. Les données d'interaction entre vos articles peuvent provenir à la fois de vos enregistrements historiques d'interactions groupées dans un fichier CSV et des événements en temps réel de vos utilisateurs lorsqu'ils interagissent avec votre catalogue. Dans certains cas, Amazon Personalize utilise également des données relatives aux articles et aux utilisateurs, telles que le genre, le prix ou le sexe. Et pour les meilleurs scénarios d'action suivants, il utilise les actions et les données d'interaction entre les actions.

Lorsque vous importez des données en masse, vous pouvez utiliser Amazon SageMaker AI Data Wrangler pour importer des données provenant de plus de 40 sources et les préparer pour Amazon Personalize. Pour de plus amples informations, veuillez consulter Préparation et importation de données en masse à l'aide d'Amazon SageMaker AI Data Wrangler.

Amazon Personalize inclut des opérations d'API pour une personnalisation en temps réel et des opérations par lots pour les recommandations groupées et les segments d'utilisateurs. Vous pouvez démarrer rapidement avec des recommandations optimisées pour les cas d'utilisation pour votre domaine professionnel, ou vous pouvez créer vos propres ressources personnalisées configurables.

Tarification d'Amazon Personalize

Avec Amazon Personalize, il n'y a pas de frais minimaux ni d'engagement initial. Le niveau AWS gratuit fournit un quota mensuel allant jusqu'à 20 Go de traitement de données par AWS région disponible, jusqu'à 100 heures de formation par AWS région éligible et jusqu'à 180 000 demandes de recommandation. Le niveau gratuit est valable pendant les deux premiers mois d'utilisation.

Pour obtenir la liste complète des frais et des prix, consultez la section Tarification Amazon Personalize.

Amazon Personalize s'intègre parfaitement AWS aux autres services et solutions. Par exemple, vous pouvez :

  • Utilisez Amazon SageMaker AI Data Wrangler (Data Wrangler) pour importer des données provenant de plus de 40 sources dans un ensemble de données Amazon Personalize. Data Wrangler est une fonctionnalité d'Amazon SageMaker AI Studio qui fournit une end-to-end solution pour importer, préparer, transformer et analyser des données. Pour de plus amples informations, veuillez consulter Préparation et importation de données en masse à l'aide d'Amazon SageMaker AI Data Wrangler.

  • AWS Amplify À utiliser pour enregistrer les événements d'interaction avec un objet. Amplify inclut une JavaScript bibliothèque permettant d'enregistrer des événements à partir d'applications clientes Web. Et il inclut une bibliothèque pour enregistrer les événements dans le code du serveur. Pour plus d'informations, consultez la documentation Amplify.

  • Automatisez et planifiez les tâches Amazon Personalize avec Maintaining Personalized Experiences with Machine Learning. Cette implémentation de AWS solutions automatise le flux de travail Amazon Personalize, y compris l'importation de données, la formation sur les versions des solutions et les flux de travail par lots.

  • Utilisez Amazon CloudWatch Evidently pour réaliser des tests A/B avec les recommandations d'Amazon Personalize. Pour de plus amples informations, veuillez consulter Tests A/B avec Evidently CloudWatch .

Services tiers

Amazon Personalize fonctionne bien avec divers services tiers.

  • Amplitude — Vous pouvez utiliser Amplitude pour suivre les actions des utilisateurs afin de vous aider à comprendre le comportement de vos utilisateurs. Pour plus d'informations sur l'utilisation d'Amplitude et d'Amazon Personalize, consultez le billet de blog du réseau de AWS partenaires (APN) suivant : Measuring the Effectiveness of Personalization with Amplitude and Amazon Personalize.

  • Braze — Vous pouvez utiliser Braze pour envoyer aux utilisateurs des e-mails personnalisés recommandant des articles de votre catalogue. Braze est une plateforme de messagerie leader sur le marché (e-mail, push, SMS). Pour un atelier expliquant comment intégrer Amazon Personalize et Braze, consultez l'atelier Amazon Personalize.

  • Optimizely — Vous pouvez utiliser Optimizely pour effectuer des tests A/B avec les recommandations d'Amazon Personalize. Pour plus d'informations sur l'utilisation d'Optimizely et d'Amazon Personalize, consultez Optimizely s'intègre à Amazon Personalize pour associer un puissant apprentissage automatique à l'expérimentation.

  • Segment — Vous pouvez utiliser Segment pour envoyer vos données à Amazon Personalize. Pour plus d'informations sur l'intégration de Segment à Amazon Personalize, consultez Amazon Personalize Destination.

Pour obtenir la liste complète des partenaires, consultez Amazon Personalize Partners.

En savoir plus

Les ressources suivantes fournissent des informations supplémentaires sur Amazon Personalize :