Amazon Personalize很高兴地宣布新的Next Best Action(aws-next-best-action)配方，以帮助您确定最佳行动建议，从而提高个体用户品牌忠诚度和转化率。
Amazon Personalize是一种完全托管的机器学习(ML)服务，使开发人员可以轻松实时提供高度个性化的用户体验。它使您能够通过为网站、应用程序和定向营销活动提供个性化产品和内容推荐来提高客户参与度。无需任何先前的ML经验，您可以使用API轻松构建复杂的个性化功能。您的所有数据都经过加密，保护您的隐私和安全。
在本文中，我们将向您展示如何使用Next Best Action配方，根据每个用户的过去互动、需求和行为来个性化行动建议。
解决方案概述
随着数字渠道的迅速增长和技术进步使超个性化更易于实现，品牌难以确定对每个个体用户最大化参与度的行动。品牌要么向所有用户显示相同的行动，要么依靠传统的用户分段方法为每个用户群提供行动建议。然而，由于每个用户都希望获得独特的体验，并 tend to abandon brands that don’t understand their needs，这些方法已经不再足够。此外，由于流程的手动性质，品牌无法实时更新行动建议。
使用Next Best Action，您可以根据每个用户的偏好、需求和历史，确定具有最高可能参与每个个体用户的行动。Next Best Action考虑到每个用户会话中的兴趣，并实时提供行动建议。您可以推荐行动，例如参加忠诚计划、订阅新闻通讯或杂志、探索新类别、下载应用程序等，以鼓励转化。这将通过为每个用户在其用户旅程中提供有助于促进长期品牌参与和收入的行动建议，提高其体验。它还将通过推荐用户有很高可能性采取的行动，提高您的营销投资回报率。
像Credera这样的AWS合作伙伴对于Amazon Personalize Next Best Action所能解锁的个性化可能性感到兴奋。
“Amazon Personalize是一种世界级的机器学习解决方案，使公司能够在不进行大量重做或前期实施成本的情况下创建有意义的客户体验，应用范围涉及多种用例。我们对新增的Next Best Action功能非常兴奋，它将使客户能够提供个性化的行动建议，极大地改善他们的数字体验并带来额外的商业价值。我们预计，在零售或内容领域工作的任何人都会看到客户的体验得到改善，并因使用Amazon Personalize而出现更高的转化率。我们非常高兴能够成为AWS在此版本中的首发合作伙伴，并期待为企业提供基于ML的个性化解决方案，实现Next Best Action。”
– Jason Goth，合伙人兼首席技术官，Credera。
示例用例
为了更详细地探讨这一新功能的影响，让我们通过以三个用户为例(A (User_id 11999)，B (User_id 17141)和C (User_id 8103))，他们在网站上进行购买时处于不同的用户旅程阶段。然后，我们可以看到Next Best Action根据他们的过去互动和偏好为每个用户建议最佳行动。
首先，我们查看行动互动数据集，以了解用户如何过去与行动进行互动的情况。以下示例显示了三个用户及其不同的购物模式。用户A是一个经常购买者，过去主要在“美容与修饰”和“珠宝”类别购物。用户B是一个偶尔购买者，在过去的“电子”类别中进行了几次购买，而用户C是网站上的新用户，在“服装”类别中进行了首次购买。
| 用户类型 | User_id | 行动 | 行动事件类型 | 时间戳 |
| 用户A | 11999 | 在“美容与修饰”类别中购买 | 已完成 | 2023-09-17 20:03:05 |
| 用户A | 11999 | 在“美容与修饰”类别中购买 | 已完成 | 2023-09-18 19:28:38 |
| 用户类型 | 用户ID | 操作推荐 | 操作排名 |
| 用户A | 11999 | 订阅会员计划 | 1 |
| 用户A | 11999 | 下载移动应用 | 2 |
| 用户A | 11999 | 在“电子产品”分类中购买 | 3 |
| 用户B | 17141 | 订阅会员计划 | 1 |
| 用户B | 17141 | 下载移动应用 | 2 |
| 用户B | 17141 | 在“电子产品”分类中购买 | 3 |
| 用户C | 8103 | 订阅会员计划 | 1 |
| 用户C | 8103 | 下载移动应用 | 2 |
| 用户C | 8103 | 在“电子产品”分类中购买 | 3 |
现在我们使用下一最佳操作来为每个用户推荐操作。在您定义适合推荐的操作后，aws-next-best-action配方将根据用户趋势（用户采取某个操作的概率，范围为0.0-1.0）和该操作的价值（如果提供的话）为每个用户返回一个排名列表的操作，个性化推荐。对于本文，我们只考虑用户趋势。
在下面的示例中，我们可以看到对于用户A（经常购买者），订阅会员计划是推荐的头号操作，其趋势分数为1.00，这意味着该用户最有可能加入该会员计划，因为他们已经进行了大量购买。因此，向用户A推荐订阅会员计划具有增加用户A参与度的高概率。
| 用户类型 | 用户ID | 操作推荐 | 操作排名 | 趋势分数 |
| 用户A | 11999 | 订阅会员计划 | 1 | 1.00 |
| 用户A | 11999 | 在“珠宝”分类中购买 | 2 | 0.86 |
| 用户A | 11999 | 在“美容与修饰”分类中购买 | 3 | 0.85 |
| 用户B | 17141 | 在“电子产品”分类中购买 | 1 | 0.78 |
| 用户B | 17141 | 订阅会员计划 | 2 | 0.71 |
| 用户B | 17141 | 在“智能家居”分类中购买 | 3 | 0.66 |
| 用户C | 8103 | 在“手袋和鞋子”分类中购买 | 1 | 0.60 |
| 用户C | 8103 | 下载移动应用 | 2 | 0.48 |
| 用户C | 8103 | 在“服装”分类中购买 | 3 | 0.46 |
同样地，用户B（休闲买家人设）在“电子产品”类别中继续购买和购买类似类别“智能家居”的新产品的概率更高。因此，Next Best Action建议您优先采取以下行动：在“电子产品”类别购买和在“智能家居”类别购买。这意味着如果您促使用户B购买这两个类别的产品，可以带来更高的参与度。我们还注意到订阅忠诚计划是推荐给用户B的行动，但其倾向性评分为0.71，较用户A的倾向性评分1.0较低。这是因为有着更深入历史并且在购物之旅中更进一步的用户从忠诚计划中受益更多，因为有了额外的好处，并且极有可能更多地互动。
最后，我们看到用户C的Next Best Action是在“手袋和鞋履”类别中购买，这与他们之前在“服装”类别中的购买行为类似。我们还可以看到，与“手袋和鞋履”类别购买相比，下载移动应用的倾向性评分相对较低（0.48），而“手袋和鞋履”类别购买的倾向性评分更高（0.60）。这意味着如果您建议用户C在补充类别“手袋和鞋履”中购买产品而不是下载移动应用，他们更有可能坚持选择您的品牌并继续购物。
有关如何实施Next Best Action (aws-next-best-action)配方的更多详细信息，请参阅文档。
结论
亚马逊个性化的新Next Best Action配方将根据用户的个体行为和需求实时推荐给用户正确的行动。这将帮助您最大化用户参与度，并提高转化率。
有关亚马逊个性化的更多信息，请参阅亚马逊个性化开发人员指南。
</t