使用 Amazon Personalize 和生成式 AI 提升您的营销解决方案

生成式人工智能正在改变企业开展业务的方式。组织正在使用人工智能来改善数据驱动的决策，增强全渠道体验并推动下一代产品开发。企业正在使用生成式人工智能专门通过电子邮件、推送通知和其他对外沟通渠道为其营销工作提供动力。Gartner 预测 ，“到2025年，来自大型组织的30％的对外营销信息将由合成生成。”但是，仅靠生成式人工智能不足以提供引人入胜的客户沟通。研究表明，最具影响力的沟通是个性化的，即在正确的时间向正确的用户显示正确的信息。根据 麦肯锡 的说法 ，“71％的消费者期望公司提供个性化互动。”客户可以使用 A mazon P ersonalize 和生成式 AI 为营销活动策划简洁的个性化内容，提高广告参与度并增强对话式聊天机器人。

开发人员可以使用 Amazon Personalize 来构建应用程序，这些应用程序由 亚马逊 用于实时个性化推荐的机器学习 (ML) 技术相同。借助 Amazon Personalize，开发者无需机器学习专业知识即可通过个性化产品和内容推荐来提高用户参与度。使用 Amazon Personalize 提供的 配方 （为支持特定用例而准备的算法），客户可以提供各种个性化服务，包括特定的产品或内容推荐、个性化排名和用户细分。此外，作为一项完全托管的人工智能服务，Amazon Personalize 利用机器学习加速客户的数字化转型，从而更轻松地将个性化推荐集成到现有网站、应用程序、电子邮件营销系统等中。

在这篇文章中，我们将说明如何使用Amazon Personalize和带有 Amazon B edro ck的生成式人工智能来提升营销活动。Amazon Personalize 和生成式人工智能共同帮助您根据个人消费者的偏好定制营销。

Amazon Personalize 和 Amazon Bedrock 究竟是如何共同实现这一目标的？想象一下，作为营销人员，你想向用户发送量身定制的电子邮件，根据他们在你平台上的互动推荐他们会喜欢的电影。或者，也许你想向一部分用户发送有针对性的电子邮件，宣传他们可能感兴趣的新鞋。以下用例使用生成式 AI 来增强两种常见的营销电子邮件。

用例 1：使用生成式 AI 提供有针对性的一对一个性化电子邮件

借助 Amazon Personalize 和 Amazon Bedrock，您可以生成个性化推荐，并根据每位用户的个性化风格创建出站消息。

下图说明了交付由生成式 AI 支持的有针对性的个性化电子邮件的架构和工作流程。

首先，将您的用户 互动 数据集导入 Amazon P ersonalize 进行培训。Amazon Personalize 会使用 “ 最适合你的精选 ” 配方自动训练模型。作为成果，Amazon Personalize 提供符合用户偏好的推荐。

您可以使用以下代码为用户识别推荐的项目：

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

有关更多信息，请参阅 Amazon Personalize API 参考 文档。

所提供的推荐输出由 Amazon Bedrock 使用提示进行 提示 输出 ，其中包括您的用户偏好、受众特征和 Amazon Personalize 推荐的商品。

例如，想要为用户创建既迷人又有趣的个性化电子邮件的营销人员可能会使用以下提示：

创建一封迷人而有趣的个性化电子邮件，让用户参与其中。该用户最近看了适合家庭的电影。这些是推荐物品 ——《小美人鱼》、《Encanto》、《蜘蛛侠：平行宇宙》。

通过调用 Amazon Bedrock 中提供的基础模型 (FM) 之一，例如 C laude 2， 并 附带以下提示和示例代码，您可以为用户创建个性化电子邮件：

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

有关更多信息，请参阅 亚马逊 Bedrock API 参考资料 。

亚马逊 Bedrock 会为用户返回一封个性化电子邮件：

主题：爱上这个电影之夜的推荐精选！

亲爱的，

想要秋天的舒适感觉？没问题！查看我们推荐的三大电影，这些电影可以让你与亲人一起在沙发上放松身心：

1。小美人鱼：这部经典的迪士尼电影讲述的是一位名叫爱丽儿的美人鱼公主，她梦想着人类世界。由于她的迷恋，她与海巫厄休拉达成了协议，并吸取了重要教训。

2。Encanto：这部迪士尼电影讲述的是住在神奇房子里的哥伦比亚家庭 Madrigals。每个家庭成员都有独特的礼物，但年轻的玛丽贝尔除外，她必须帮助拯救家人。

3。蜘蛛侠：平行宇宙：这部超级英雄动画电影是一部必看的动作片。名叫迈尔斯·莫拉莱斯的布鲁克林少年《蜘蛛侠》与其他拥有蜘蛛能力的人联手拯救多元宇宙。

有了可爱的角色、朗朗上口的曲调和动人的故事，这三者中的任何一个都不会出错。拿起爆米花，因为你要吃点零食了！

用例 2：使用生成式 AI 提升一对多的营销活动

当涉及到一对多电子邮件营销时，通用内容可能会导致参与度低（即低打开率和取消订阅率）。公司规避这一结果的一种方法是手动制作主题引人入胜的出站消息的变体。这可能导致时间利用效率低下。通过将 Amazon Personalize 和 Amazon Bedrock 集成到您的工作流程中，您可以快速识别感兴趣的用户群体，并创建相关性和参与度更高的电子邮件内容变体。

下图说明了提升由生成式 AI 支持的营销活动的架构和工作流程。

要撰写一对多电子邮件，请先将您的用户 互动 数据集导入 Amazon Personalize 进行培训。Amazon Personalize 使用 用户分段 配方来训练模型。使用用户细分方法，Amazon Personalize 会自动将表现出对所选商品倾向的个人用户识别为目标受众。

要识别目标受众并检索项目的元数据，您可以使用以下示例代码：

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
            }
        }
)

有关更多信息，请参阅 Amazon Personalize API 参考 文档。

Amazon Personalize 将每件商品的推荐目标用户列表发送到 batch_output_path 。然后，您可以使用其中一个 FM 和提示将该用户区段调用 Amazon Bedrock。

对于这个用例，你可能需要通过电子邮件推销一款新发布的运动鞋。示例提示可能包括以下内容：

对于 “sneaker heads” 用户群体，创建一封吸引人的电子邮件，宣传最新款运动鞋 “Ultra Fame II”。向用户提供折扣码 FAME10 以节省 10%。

与第一个用例类似，你将在 Amazon Bedrock 中使用以下代码：

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

有关更多信息，请参阅 亚马逊 Bedrock API 参考资料 。

Amazon Bedrock 会根据为每位用户选择的商品返回一封个性化电子邮件，如下所示：

主题：< >，你的名人堂门票在等着你

嘿 < >，

等待结束了。来看看全新的 Ultra Fame II 吧！这是迄今为止最具创新性和最舒适的 Ultra Fame 鞋。它的全新设计将使您每走一步都引人注目。此外，您将获得舒适感、支撑力和时尚的组合，这足以让您进入名人堂。

不要等到为时已晚。使用优惠码 FAME10 购买下一双可节省 10%。

要测试并确定哪封电子邮件的参与度最高，您可以使用Amazon Bedrock生成吸引人的主题和内容的变体，所需时间仅为手动制作测试内容所需时间的一小部分。

结论

通过整合 Amazon Personalize 和 Amazon Bedrock，您可以向合适的受众提供个性化促销内容。

由 FM 提供支持的生成式 AI 正在改变企业为消费者打造超个性化体验的方式。诸如 Amazon Personalize 和 Amazon Bedrock 之类的 亚马逊云科技 人工智能服务可以帮助向您的用户推荐和提供个性化的产品、内容和引人入胜的营销信息。有关在 亚马逊云科技 上使用生成式 AI 的更多信息，请参阅 宣布在 亚马逊云科技 上使用生成式 AI 进行构建的新工具 。

作者简介

Ba'Carri Johnson 是一名高级技术产品经理，在 Amazon Personalize 团队中与 亚马逊云科技 AI/ML 合作。她拥有计算机科学和战略背景，对产品创新充满热情。在业余时间，她喜欢旅行和探索户外活动。

拉吉尼·普拉萨德 是A mazon Personalize团队的软件开发经理，专注于大规模构建基于人工智能的推荐系统。在业余时间，她喜欢艺术和旅行。

胡静文 是一名高级技术产品经理，在 Amazon Personalize 团队中与 亚马逊云科技 AI/ML 合作。在业余时间，她喜欢旅行和探索当地美食。

Anna Grübler 是 亚马逊云科技 的专业解决方案架构师，专注于人工智能。她在帮助客户开发和部署机器学习应用程序方面拥有 10 多年的经验。她热衷于采用新技术并将其交到每个人手中，并利用云端的人工智能来解决难题。

Tim Wu Kun peng 是一位高级人工智能专家解决方案架构师，在端到端个性化解决方案方面拥有丰富的经验。他是电子商务、媒体和娱乐领域公认的行业专家，在生成人工智能、数据工程、深度学习、推荐系统、负责任的人工智能和公开演讲方面拥有专业知识。