「Amazon Personalizeと創造的AIを活用して、ハイパーカスタマイズされたお客様体験を実現しましょう」

「Amazon Personalizeと創造的AIを活用して、ハイパーカスタマイズされたお客様体験を実現しよう！」

今日は、Amazon Personalizeと生成型AIを使用して、パーソナライズされた顧客体験を向上させるための3つの新製品を発表することをお知らせいたします。管理されたソリューションを探している場合でも、独自のソリューションを構築したい場合でも、これらの新しい機能を使用して、旅程を活性化させることができます。

Amazon Personalizeは、開発者がユーザーにパーソナライズされた体験を簡単に提供するためのフルマネージド型機械学習（ML）サービスです。これにより、MLの専門知識は必要ありませんが、ウェブサイト、アプリケーション、ターゲットマーケティングキャンペーンでパーソナライズされた製品とコンテンツの推薦を行い、顧客エンゲージメントを向上させることができます。Amazon Personalizeが提供するレシピ（特定のユースケースに対応するために用意されたアルゴリズム）を使用することで、「あなたへのおすすめ」「よく一緒に購入されている商品」「次のベストアクションのガイダンス」「ユーザーセグメンテーションによるターゲットマーケティングキャンペーン」など、多様なパーソナライゼーション体験を提供することができます。

生成型AIは、エンタープライズがビジネスを行う方法を急速に変革しています。ガートナーによると、「2026年までに、80%以上のエンタープライズが生成型AIのAPIまたはモデルを使用したり、生成型AIを有効にしたアプリケーションを本番環境で展開したりする」と予測されています。生成型AIはコンテンツを迅速に作成することができますが、個々のユーザーの変化する微妙な好みに合わせた高度なパーソナライゼーションを提供するためには十分ではありません。多くの企業がAmazon Personalizeと生成型AIを使用してユーザー体験を向上させるためのソリューションを積極的に探求しています。

FOX Corporation（FOX）は、ニュース、スポーツ、エンターテイメントコンテンツを製作・配信しています。

• Amazon Transcribeは、100以上の言語に対応する新しいスピーチ基礎モデル搭載のASRシステムを発表しました
• 医療画像AIがより簡単になりました：NVIDIAがMONAIをホステッドクラウドサービスとして提供
• 効果的にLLMをトレーニングする方法：小規模な導入のためのベストプラクティス

「私たちは、生成型AIをAmazon Personalizeと統合して、ユーザーにハイパーサーパーソナライズ体験を提供しています。Amazon Personalizeのおかげで、コンテンツのカスタマイズにおける自動化レベルが大幅に向上しました。例えば、FOX Sportsでは、適用された場合、イベント後の視聴開始コンテンツが400％増加しました。現在、Amazon Bedrockと生成型AIを組み合わせて、コンテンツエディターがテーマに沿ったコレクションを生成することを支援するために、パイプラインに組み込んでいます。さらに、Amazon Personalize Content GeneratorやPersonalize on LangChainなどの機能を活用して、これらのコレクションをユーザーにさらにパーソナライズすることを楽しみにしています。」

– ダリル・ボウデン、テクノロジープラットフォームエグゼクティブバイスプレジデント。

Amazon Personalizeコンテンツジェネレータの発表：より魅力的な推奨を行うために

Amazon Personalizeは、コンテンツジェネレータという新たな生成型AI機能をリリースしました。この機能により、推奨されるアイテム間のテーマ的な関連性を特定することで、企業はより魅力的な推奨を作成することができます。「これを購入した人はこんな商品も購入しました」といった標準的なフレーズを超えて、「朝食のコレクションなら『目覚めよ』といったタグラインでユーザーを魅了し、クリックして購入に進めるようにします。

Amazon Personalizeコンテンツジェネレータの影響を詳しく調べるために、2つの例を見てみましょう。

ユースケース1：映画コレクション用のカルーセルタイトル

マイクロジャンルは、映画や音楽、その他のメディアのより広範なジャンル内の特定の専門サブカテゴリです。ストリーミングプラットフォームは、マイクロジャンルを使用して、視聴者やリスナーが自分の好みや興味に合ったコンテンツを発見できるようにして、ユーザー体験を向上させています。マイクロジャンルを使用してメディアコンテンツを推奨することで、ストリーミングプラットフォームは多様な好みに対応し、最終的にはユーザーエンゲージメントと満足度が向上します。

Amazon Personalizeコンテンツジェネレータを使用して、マイクロジャンルコレクションのためのカルーセルタイトルを作成できます。まず、ユーザーのインタラクションとアイテムのデータセットをAmazon Personalizeにトレーニングのためにインポートします。種となるアイテムとしてitemId値のリストをアップロードします。次に、Amazon Personalizeコンソールでコンテンツジェネレータを使用したテーマ付きの推奨を選択するか、API構成でbatch-inference-job-modeをTHEME_GENERATIONに設定してバッチインファレンスジョブを作成します。

バッチインファレンスの出力として、各種アイテムとテーマのセットを取得します。また、テーマ性に関連するスコアも提供されるため、テーマ性に強く関連するアイテムのみを表示するための閾値を設定することができます。以下のスクリーンショットは、出力の例を示しています：

{"input":{"itemId":"40"},"output":{"recommendedItems":["36","50","44","22","21","29","3","1","2","39"],"theme":"女性主導の映画","itemsThemeRelevanceScores":[0.19994527,0.183059963,0.17478035,0.1618133,0.1574806,0.15468733,0.1499242,0.14353688,0.13531424,0.10291852]}}{"input":{"itemId":"43"},"output":{"recommendedItems":["50","21","36","3","17","2","39","1","10","5"],"theme":"ぬくもりのあるロマンチック映画","itemsThemeRelevanceScores":[0.184988,0.1795761,0.11143453,0.0989443,0.08258403,0.07952615,0.07115086,0.0621634,-0.138913,-0.188913]}}...

その後、「より似たもの」という一般的なフレーズをAmazon Personalize Content Generatorの出力テーマに置き換えることで、より魅力的な推薦を作り出すことができます。

ユースケース2：マーケティングメールの件名

効果的なコスト削減手段であるメールマーケティングは、開封率の低さや解除率の高さに悩むことがよくあります。メールを開くかどうかの決定は、送信者名とともに受取人が最初に見る件名の魅力に大きく依存します。しかし、魅力的な件名を作成することはしばしば面倒で時間がかかる作業です。

Amazon Personalize Content Generatorを使用すると、メールの件名や見出しを効率的に作成し、さらにメールキャンペーンをよりパーソナライズすることができます。前のユースケースと同じデータ取り込み、トレーニング、バッチ推論ジョブの作成のプロセスに従います。以下は、Amazon Personalizeを使用したContent Generatorの出力を取り入れたマーケティングメールの例であり、推奨アイテムのセットと生成された件名が含まれています。

件名： あなたの生活を輝かせるお掃除用品！

親愛なる<ユーザー名>さん、お掃除の日々を手間なく楽しい体験に変えてみませんか？トップクラスのおすすめ商品をご覧ください： ロボット掃除機 <写真> 窓用クリーニングキット <写真> エルゴノミックハンドル付きスクラブブラシ <写真> マイクロファイバークロス <写真> エコフレンドリーなお掃除スプレー <写真>

これらの例は、Amazon Personalize Content Generatorがブラウジング体験をより魅力的にしたり、効果的なマーケティングキャンペーンを作成するのにどのように役立つかを示しています。詳しい手順については、テーマ別のバッチ推奨を参照してください。

LangChainフレームワークにAmazon Personalizeをシームレスに統合するLangChain統合の発表

LangChainは、大規模な言語モデル（LLM）との統合を可能にする強力なオープンソースフレームワークです。LLMは通常、多目的に使用できますが、ドメイン固有のタスクでは深い文脈と微妙な回答が必要となる場合があります。LangChainでは、開発者がこのようなシナリオで自分の特定の生成型AIタスクに対してモジュール（エージェント/チェイン）を構築できるようになっています。また、LLMのコンテキストとメモリを導入することもできます。これにより、さまざまなユースケースに対応できます。

Amazon Personalizeとの統合のLangChain統合のリリースを発表できることを嬉しく思っています。この新機能により、ビルダーはLangChain上のAmazon Personalizeカスタムチェインを使用してAmazon Personalizeを生成型AIソリューションにシームレスに統合することができます。生成型AIソリューションに個別に合わせた相互作用を作成することで、エンドユーザーとのターゲットされた対話を実現できます。以下のコードスニペットは、Amazon Personalizeを呼び出し、キャンペーンまたは推奨システムの推薦を取得し、LangChainエコシステム内の生成型AIアプリケーションにシームレスに組み込む方法を示しています。また、シーケンシャルチェーンにも使用できます。

from langchain.utilities import AmazonPersonalize
from langchain.chains import AmazonPersonalizeChain
from langchain.llms.bedrock import Bedrock

recommender_arn="<insert_arn>"
client=AmazonPersonalize(recommender_arn=recommender_arn, credentials_profile_name="default", region_name="us-west-2")
bedrock_llm = Bedrock(model_id="anthropic.claude-v2", region_name="us-west-2")

# パーソナライズチェーンを作成
chain = AmazonPersonalizeChain.from_llm(llm=bedrock_llm, client=client)
response = chain({'user_id': '1'})

この機能を利用して、パーソナライズマーケティングのコピーを作成したり、推奨コンテンツの簡潔な要約を生成したり、チャットボットで商品やコンテンツを推奨したり、創造力を活かして次世代の顧客体験を構築することができます。

Amazon Personalize は、ジェネレーティブ AI ワークフローの改善のために、推論応答でメタデータを返すことができるようになりました

Amazon Personalize は、推論出力の一部としてアイテムのメタデータを返すことにより、ジェネレーティブ AI ワークフローを改善します。メタデータと一緒に推薦を受けることで、LLM への追加の文脈を提供することがより便利になります。ジャンルや商品の説明といったこの追加の文脈は、モデルがアイテムの属性をより深く理解して関連性のあるコンテンツを生成するのに役立ちます。

Amazon Personalize は、カスタムレシピとドメインに最適化されたレコメンダの両方でこの機能をサポートしています。キャンペーンまたはレコメンダを作成する際に、メタデータを推薦結果と共に返すオプションを有効にしたり、キャンペーンやレコメンダを更新することによって設定を調整したりすることができます。Amazon Personalize の API またはコンソールを介して、推論呼び出し中にメタデータを返すために、最大10のメタデータフィールドと50の推薦結果を選択することができます。

次は API の例です:

## メタデータを有効にしたキャンペーンを作成例_name = 'metadata_response_enabled_campaign'
create_campaign_response = personalize.create_campaign(
    name = example_name,
    solutionVersionArn = example_solution_version_arn,
    minProvisionedTPS = 1,
    campaignConfig = {"enableMetadataWithRecommendations": True})
## メタデータのあるレコメンデーションを取得metadataMap = {"ITEMS": ["genres", "num"]}
response = personalize_runtime.get_recommendations(
    campaignArn = example_campaign_arn, 
    userId = "0001", 
    itemId = "0002", 
    metadataColumns = metadataMap, 
    numResults = 2)
## メタデータを含むレスポンスの例itemList': [
    {
      'itemId': '356',
      'metadata': {'genres': 'Comedy', 'num': '0.6103248'}
    },
    {
      'itemId': '260',
      'metadata': {'genres': 'Action|Adventure', 'num': '0.074548'}
    },
}

結論

AWS では、お客様のために常にイノベーションを行っています。Amazon Personalize と Amazon Bedrock によって可能になるこれらの新しい機能を導入することで、ビルダーおよびユーザーエクスペリエンスのすべての側面を豊かにし、効率性とエンドユーザーの満足度を向上させます。この投稿で説明されている機能について詳しく知りたい場合は、Amazon Personalize の機能とAmazon Personalize 開発者ガイドを参照してください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!