Генеративный искусственный интеллект меняет способы ведения бизнеса предприятиями. Организации используют ИИ для улучшения решений на основе данных, улучшения многоканального опыта и стимулирования разработки продуктов следующего поколения. Предприятия используют генеративный искусственный интеллект специально для усиления своих маркетинговых усилий с помощью электронной почты, push-уведомлений и других каналов исходящей коммуникации. Гартнер предсказывает что «к 2025 году 30% исходящих маркетинговых сообщений от крупных организаций будут генерироваться синтетически». Однако одного лишь генеративного искусственного интеллекта недостаточно для обеспечения привлекательного общения с клиентами. Исследования показывают, что наиболее эффективная коммуникация — персонализированная: нужное сообщение показывается нужному пользователю в нужное время. В соответствии с МакКинси, «71% потребителей ожидают от компаний персонализированного взаимодействия». Клиенты могут использовать Amazon Personalize и генеративный искусственный интеллект для создания краткого персонализированного контента для маркетинговых кампаний, повышения вовлеченности в рекламе и улучшения диалоговых чат-ботов.

Разработчики могут использовать Amazon Personalize для создания приложений, основанных на той же технологии машинного обучения (ML), что и Amazon.com для персонализированных рекомендаций в режиме реального времени. С помощью Amazon Personalize разработчики могут улучшить взаимодействие с пользователями с помощью персонализированных рекомендаций по продуктам и контенту, не требуя опыта машинного обучения. Используя рецепты (алгоритмы, подготовленные для поддержки конкретных вариантов использования), предоставленные Amazon Personalize, клиенты могут предоставлять широкий спектр персонализации, включая рекомендации по конкретным продуктам или контенту, персонализированный рейтинг и сегментацию пользователей. Кроме того, Amazon Personalize, являясь полностью управляемым сервисом искусственного интеллекта, ускоряет цифровую трансформацию клиентов с помощью машинного обучения, упрощая интеграцию персонализированных рекомендаций в существующие веб-сайты, приложения, системы электронного маркетинга и т. д.

В этом посте мы покажем, как вы можете улучшить свои маркетинговые кампании с помощью Amazon Personalize и генеративного искусственного интеллекта с Amazon Bedrock. Amazon Personalize и генеративный искусственный интеллект вместе помогут вам адаптировать маркетинг к индивидуальным предпочтениям потребителей.

Как именно Amazon Personalize и Amazon Bedrock работают вместе для достижения этой цели? Представьте себе, как маркетолог, что вы хотите отправлять пользователям индивидуальные электронные письма, рекомендующие фильмы, которые им понравятся, на основе их взаимодействия на вашей платформе. Или, возможно, вы хотите отправить целевые электронные письма сегменту пользователей, продвигающих новую обувь, которая может их заинтересовать. В следующих случаях использования генеративный ИИ используется для улучшения двух распространенных маркетинговых электронных писем.

Вариант использования 1. Используйте генеративный искусственный интеллект для доставки целевых персонализированных электронных писем.

С помощью Amazon Personalize и Amazon Bedrock вы можете генерировать персонализированные рекомендации и создавать исходящие сообщения с индивидуальным подходом к каждому из ваших пользователей.

На следующей диаграмме показаны архитектура и рабочий процесс доставки целевых персонализированных электронных писем с помощью генеративного искусственного интеллекта.

Сначала импортируйте набор данных о взаимодействии пользователей в Amazon Personalize для обучения. Amazon Personalize автоматически обучает модель, используя рецепт «Лучшие выборы для вас». 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)

Дополнительную информацию см. в справочнике по Amazon Personalize API.

Предоставленные выходные данные рекомендаций принимаются Amazon Bedrock с помощью запроса, который включает ваши пользовательские настройки, демографические данные и рекомендуемые элементы Amazon Personalize.

Например, маркетолог, который хочет создать персонализированное электронное письмо, которое будет очаровательным и интересным для пользователя, может использовать следующую подсказку:

Создайте персонализированное электронное письмо, которое будет очаровательным и веселым, чтобы заинтересовать пользователя. Пользователь недавно смотрел фильмы для семейного просмотра. Рекомендуемые предметы — «Русалочка», «Энканто», «Человек-паук: Через вселенные».

Вызвав одну из базовых моделей (FM), представленных в Amazon Bedrock, например Claude 2, с помощью подсказки и примера кода, которые приведены ниже, вы можете создать персонализированное электронное письмо для пользователя:

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

Дополнительную информацию см. в справочнике по API Amazon Bedrock.

Amazon Bedrock возвращает пользователю персонализированное электронное письмо:

Тема: Влюбитесь в эту рекомендуемую подборку для вечера кино!

Уважаемый <имя пользователя>,

Хотите уютную атмосферу осени? Без проблем! Ознакомьтесь с тремя нашими лучшими рекомендациями по фильмам, в которых вам будет уютно лежать на диване со своими близкими:

1. Русалочка. Этот классический фильм Диснея рассказывает о принцессе-русалке по имени Ариэль, которая мечтает о человеческом мире. Благодаря своему обаянию она заключает сделку с морской ведьмой Урсулой и получает важный урок.

2. Энканто: Этот фильм Диснея рассказывает о Мадригалах, колумбийской семье, живущей в волшебном доме. Каждый член семьи обладает уникальным даром, за исключением юной Марибель, которая должна помочь спасти свою семью.

3. «Человек-паук: Через вселенные». Этот анимационный фильм о супергероях обязательно стоит посмотреть. Человек-паук, подросток из Бруклина по имени Майлз Моралес, объединяется с другими людьми, обладающими силой пауков, чтобы спасти Мультивселенную.

С милыми персонажами, запоминающимися мелодиями и трогательными историями вы не ошибетесь, выбрав любой из этих троих. Возьмите попкорн, потому что вас ждет угощение!

Вариант использования 2. Использование генеративного ИИ для повышения эффективности маркетинговых кампаний «один ко многим»

Когда дело доходит до электронного маркетинга «один ко многим», общий контент может привести к низкой вовлеченности (т. е. к низким показателям открытий и отказов от подписки). Один из способов обойти этот результат — вручную создавать варианты исходящих сообщений с интересными темами. Это может привести к неэффективному использованию времени. Интегрировав Amazon Personalize и Amazon Bedrock в свой рабочий процесс, вы сможете быстро определить заинтересованный сегмент пользователей и создавать варианты контента электронной почты с большей релевантностью и вовлеченностью.

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

Чтобы составить электронное письмо «один ко многим», сначала импортируйте набор данных о взаимодействии пользователей в Amazon Personalize для обучения. Amazon Personalize обучает модель, используя рецепт сегментации пользователей. Используя рецепт сегментации пользователей, Amazon Personalize автоматически идентифицирует отдельных пользователей, демонстрирующих склонность к выбранным элементам, в качестве целевой аудитории.

Чтобы определить целевую аудиторию и получить метаданные для элемента, вы можете использовать следующий пример кода:

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
            }
        }
)

Дополнительную информацию см. в справочнике по Amazon Personalize API.

Amazon Personalize предоставляет список рекомендуемых пользователей для каждого элемента batch_output_path. Затем вы можете вызвать сегмент пользователя в Amazon Bedrock, используя один из FM вместе с приглашением.

В этом случае вы можете продавать недавно выпущенные кроссовки по электронной почте. Пример приглашения может включать следующее:

Для пользовательского сегмента «кроссовки» создайте запоминающееся электронное письмо, рекламирующее новейшие кроссовки Ultra Fame II. Предоставьте пользователям код скидки FAME10, чтобы сэкономить 10%.

Как и в первом варианте использования, вы будете использовать следующий код в Amazon Bedrock:

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

Дополнительную информацию см. в справочнике по API Amazon Bedrock.

Amazon Bedrock возвращает персонализированное электронное письмо на основе элементов, выбранных для каждого пользователя, как показано:

Тема: <<имя>>, ваш билет в Зал Славы ждет.

Привет, <<имя>>,

Ожидание закончилось. Встречайте новую Ultra Fame II! Это самая инновационная и удобная обувь Ultra Fame. Его новый дизайн заставит вас поворачивать головы на каждом шагу. Кроме того, вы получите сочетание комфорта, поддержки и стиля, которого будет достаточно, чтобы попасть в Зал славы.

Не ждите, пока станет слишком поздно. Используйте код FAME10, чтобы сэкономить 10 % на следующей паре.

Чтобы протестировать и определить электронное письмо, которое приводит к наибольшему вовлечению, вы можете использовать Amazon Bedrock для создания вариантов запоминающихся тем и контента за долю времени, которое потребуется для создания тестового контента вручную.

Заключение

Интегрировав Amazon Personalize и Amazon Bedrock, вы сможете доставлять персонализированный рекламный контент нужной аудитории.

Генеративный искусственный интеллект на базе FM меняет то, как компании создают гиперперсонализированный опыт для потребителей. Сервисы AWS AI, такие как Amazon Personalize и Amazon Bedrock, могут помочь рекомендовать и доставлять продукты, контент и привлекательные маркетинговые сообщения, персонализированные для ваших пользователей. Дополнительную информацию о работе с генеративным ИИ на AWS см. в разделе «Анонс новых инструментов для разработки с использованием генеративного ИИ на AWS».

Об авторах

Ба’Карри Джонсон — старший технический менеджер по продукту, работающий с AWS AI/ML в команде Amazon Personalize. Имея опыт работы в области компьютерных наук и стратегии, она увлечена инновациями в продуктах. В свободное время она любит путешествовать и исследовать природу.

Рагини Прасад — менеджер по разработке программного обеспечения в команде Amazon Personalize, специализирующейся на создании масштабных рекомендательных систем на базе искусственного интеллекта. В свободное время она увлекается искусством и путешествиями.

Цзинвэнь Ху — старший технический менеджер по продукту, работающий с AWS AI/ML в команде Amazon Personalize. В свободное время она любит путешествовать и исследовать местную кухню.

Анна Грюблер — специалист по архитектуре решений в AWS, специализирующийся на искусственном интеллекте. У нее более 10 лет опыта помощи клиентам в разработке и развертывании приложений машинного обучения. Ее страсть — брать новые технологии и предоставлять их всем, а также решать сложные проблемы, используя преимущества использования искусственного интеллекта в облаке.

Тим Ву Кунпэн — старший архитектор решений в области искусственного интеллекта с обширным опытом разработки комплексных решений для персонализации. Он является признанным отраслевым экспертом в области электронной коммерции, средств массовой информации и развлечений, обладающим опытом в области генеративного искусственного интеллекта, инженерии данных, глубокого обучения, систем рекомендаций, ответственного искусственного интеллекта и публичных выступлений.