提升您的营销解决方案：利用 Amazon Personalize 和生成性 AI

关键要点

在当今竞争激烈的市场中，生成性人工智能正迅速改变企业的运作模式。企业正利用 AI 来改善数据驱动决策、增强全渠道体验，并推动下一代产品开发。尤其是在营销方面，企业通过电子邮件、推送通知等多种沟通渠道，利用生成性 AI 增强营销力度。根据 Gartner 的预测，到2025年，30的 outbound 营销信息将由大型企业合成生成。然而，仅靠生成性 AI 并不足以实现引人入胜的客户沟通。研究显示，最有效的沟通方式是个性化的在适当的时间向适当的用户展示合适的消息。McKinsey 研究表明，71 的消费者期望公司提供个性化的互动。客户可以使用 Amazon Personalize 和生成性 AI 策划简洁、个性化的内容以用于营销活动，提高广告参与度，增强对话式聊天机器人的效果。

开发者可以使用 Amazon Personalize 构建应用程序，借助使用相同类型的机器学习技术如 Amazoncom 提供的实时个性化推荐。通过 Amazon Personalize，开发者可以在不需具备机器学习专业知识的情况下，为用户提供个性化的产品和内容推荐。此外，作为一个完全托管的人工智能服务，Amazon Personalize 可以加速客户的数字化转型，使个性化推荐更易于集成到现有的网站、应用程序及电子邮件营销系统中。

在本文中，我们将展示如何结合 Amazon Personalize 和生成性 AI 来提升您的营销活动，通过 Amazon Bedrock 实现精准营销，满足个别消费者的偏好。

具体如何运作？

想象一下，作为营销人员，您希望向用户发送个性化的电子邮件，推荐他们在平台上互动过的电影。或者，您可能想向一部分用户发送促销新鞋的邮件。以下两个用例展示了如何利用生成性 AI 来增强常见的营销电子邮件。

用例 1：使用生成性 AI 发送定制化个性化电子邮件

通过 Amazon Personalize 和 Amazon Bedrock，您可以生成个性化的推荐，创建每位用户的个性化信息。

以下图示展示了通过生成性 AI 提供定制个性化电子邮件的架构和工作流程。

首先，将用户的 互动数据 导入 Amazon Personalize 进行训练。Amazon Personalize 会自动使用 Top Picks for You 配方训练模型，输出与用户偏好相符的推荐。

您可以使用以下代码来获取用户的推荐项目：

pythongetrecommendationsresponse = personalizeruntimegetrecommendations( recommenderArn = workshoprecommendertoppicksarn userId = str(userid) numResults = numberofmoviestorecommend)

有关更多信息，请参见 Amazon Personalize API 参考。

由 Amazon Personalize 提供的推荐输出被引入到 Amazon Bedrock 中，使用一个 prompt，该 prompt 包含用户的偏好、人口统计信息和 Amazon Personalize 推荐的项目。

例如，一位营销人员希望为用户创建一封个性化且轻松幽默的电子邮件，或许可以使用以下 prompt：

创建一封个性化的电子邮件，使其迷人且有趣，以吸引用户。该用户最近观看了适合家庭的电影，推荐项目有：《小美人鱼》、《魔发奇缘》、《蜘蛛侠：平行宇宙》。

利用 Amazon Bedrock 提供的其中一个基础模型 (FM) 调用该 prompt，您可以为用户创建一封个性化电子邮件：

pythonpersonalizedemailresponse = bedrockclientinvokemodel( body = prompt modelId = identifierofthemodel)

有关更多信息，请参见 Amazon Bedrock API 参考。

Amazon Bedrock 会返回一封个性化的用户邮件：

主题：爱上这个电影之夜推荐选择！

亲爱的 lt用户名gt，

渴望秋天的温暖感吗？没问题！快来看看我们为您精心挑选的三部电影推荐：

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。为了满足好奇心，她和海女巫乌苏拉达成交易，学到了一个重要的教训。

2《魔发奇缘》：这部迪士尼电影是关于一个生活在魔法屋中的哥伦比亚家庭，每个家庭成员都有独特的能力，唯独年轻的玛丽贝尔必须帮助拯救她的家庭。

3《蜘蛛侠：平行宇宙》：这是部必看的动画超级英雄电影。布鲁克林的少年迈尔斯莫拉莱斯与其他拥有蜘蛛能力的人联手拯救多元宇宙。

凭借可爱的角色、动听的旋律和感人的故事，您绝对不能错过这三部影片。准备好爆米花，您将享受一场盛宴！

用例 2：使用生成性 AI 提升一对多的营销活动

在一对多的电子邮件营销中，内容泛泛而谈常导致低参与度即打开率低和退订。公司的一个解决方案是手动制作多种引人入胜的群发邮件内容，这样的方式效率低下。通过将 Amazon Personalize 和 Amazon Bedrock 集成到您的工作流程中，您能迅速识别感兴趣的用户群，并创建具有更高相关性和参与度的邮件内容变体。

以下图示展示了通过生成性 AI 提升营销活动的架构和工作流程。

要编写一对多的电子邮件，首先将用户的 互动数据 导入 Amazon Personalize 进行训练。Amazon Personalize 使用 用户细分 配方来训练模型，自动识别表现出对所选项目兴趣的用户。

您可以使用以下代码来确认目标受众并检索项目的元数据：

pythoncreatebatchsegmentresponse = personalizecreatebatchsegmentjob( jobName = jobname solutionVersionArn = solutionversionarn numResults = numberofuserstorecommend jobInput = { s3DataSource { path batchinputpath } } jobOutput = { s3DataDestination { path batchoutputpath } })

有关更多信息，请参见 Amazon Personalize API 参考。

Amazon Personalize 会将推荐的用户列表导出到 batchoutputpath。您接下来可以利用 Amazon Bedrock 调用用户细分，结合自己的 prompt。

在此用例中，您可能想通过电子邮件推广新发布的运动鞋。例如，示例 prompt 可能如下：

针对用户细分“运动鞋迷”，创建一封引人注目的邮件，推广最新的运动鞋“Ultra Fame II”。提供用户折扣码 FAME10，从而节省 10。

与第一个用例类似，您会在 Amazon Bedrock 中使用以下代码：

pythonpersonalizedemailresponse = bedrockclientinvokemodel( body = prompt modelId = identifierofthemodel)

有关更多信息，请参见 Amazon Bedrock API 参考。

Amazon Bedrock 会返回一封基于每位用户选择的项目的个性化电子邮件，如下所示：

主题：ltlt名字gtgt，您的名人堂门票即将开启

嗨 ltlt名字gtgt，

等待已经结束。来看看新 Ultra Fame II！它是目前最具创新和舒适感的 Ultra Fame 鞋。新设计的鞋子每一步都让您吸引目光。而且，您将享受到恰到好处的舒适、支撑和风格，绝对值得您进入名人堂。

不要等到为时已晚。使用代码 FAME10 在下一双鞋上节省 10！

要测试并找出哪些电子邮件能引发最高参与度，您可以利用 Amazon Bedrock 生成多种吸引人的主题行和内容，胜过手动生成测试内容的时间。

结论

通过结合使用 Amazon Personalize 和 Amazon Bedrock，您能够将个性化的促销内容发送给适当的受众。

生成性 AI 驱动的基础模型正在改变企业为消费者构建超个性化体验的方式。AWS 的 AI 服务，如 Amazon Personalize 和 Amazon Bedrock，能够帮助推荐和传达产品、内容和引人入胜的营销信息，个性化到您的用户。有关如何使用 AWS 上生成性 AI 的更多信息，请查看 宣布为 AWS 提供生成性 AI 的新工具。

关于作者

Ba’Carri Johnson 是 AWS AI/ML 部门的高级技术产品经理，致力于 Amazon Personalize 团队。她拥有计算机科学和战略背景，对产品创新充满热情。业余时间，她喜欢旅行和探索大自然。

Ragini Prasad 是 Amazon Personalize 团队的软件开发经理，专注于大规模构建 AI 驱动推荐系统。她的业余爱好包括艺术和旅行。

Jingwen Hu 是 AWS AI/ML 部门的高级技术产品经理，致力于 Amazon Personalize 团队。业余时间，她喜欢旅行和探索当地美食。

Anna Grebler 是 AWS 的专职解决方案架构师，专注于人工智能。她拥有超过 10 年帮助客户开发和部署机器学习应用的经验。她的热情在于将新技术带到每个人的手中，并利用云中的人工智能解决复杂问题。

Tim Wu Kunpeng 是一名高级 AI 专家解决方案架构师，拥有丰富的端到端个性化解决方案经验。他是电子商务和媒体娱乐领域的公认行业专家，擅长生成性 AI、数据工程、深度学习、推荐系统、负责任的 AI 以及公共演讲。