Costruisci la fedeltà al marchio consigliando azioni ai tuoi utenti con Amazon Personalize Next Best Action

Incrementa la fedeltà al marchio consigliando le migliori azioni ai tuoi utenti con Amazon Personalize Next Best Action.

Amazon Personalize è entusiasta di annunciare la nuova ricetta Next Best Action (aws-next-best-action) per aiutarti a determinare le migliori azioni da suggerire ai tuoi utenti individuali, consentendoti di aumentare la fedeltà al marchio e la conversione.

Amazon Personalize è un servizio di machine learning gestito completamente che consente agli sviluppatori di offrire esperienze utente altamente personalizzate in tempo reale. Ti consente di migliorare la partecipazione del cliente grazie alla fornitura di raccomandazioni personalizzate di prodotti e contenuti su siti web, applicazioni e campagne di marketing mirate. Puoi iniziare senza alcuna esperienza precedente di machine learning, utilizzando le API per costruire facilmente capacità sofisticate di personalizzazione in pochi clic. Tutti i tuoi dati sono crittografati per essere privati e sicuri.

In questo articolo, ti mostriamo come utilizzare la ricetta Next Best Action per personalizzare le raccomandazioni di azioni in base alle interazioni passate, ai bisogni e al comportamento di ciascun utente.

Panoramica della soluzione

Con la rapida crescita dei canali digitali e degli avanzamenti tecnologici che rendono l’iper-personalizzazione più accessibile, i marchi faticano a determinare quali azioni massimizzeranno la partecipazione per ciascun utente individuale. I marchi mostrano le stesse azioni a tutti gli utenti o si affidano a tradizionali approcci di segmentazione degli utenti per consigliare azioni a ciascun gruppo di utenti. Tuttavia, questi approcci non sono più sufficienti, perché ogni utente si aspetta un’esperienza unica e tende ad abbandonare i marchi che non comprendono le sue esigenze. Inoltre, i marchi non sono in grado di aggiornare le raccomandazioni di azioni in tempo reale a causa della natura manuale del processo.

Con Next Best Action, puoi determinare le azioni che hanno la maggiore probabilità di coinvolgere ciascun utente in base alle sue preferenze, esigenze e storico. Next Best Action tiene conto degli interessi in sessione di ciascun utente e fornisce raccomandazioni di azioni in tempo reale. Puoi consigliare azioni come iscriversi a programmi fedeltà, iscriversi a una newsletter o una rivista, esplorare una nuova categoria, scaricare un’app e altre azioni che incoraggiano la conversione. Ciò ti consentirà di migliorare l’esperienza di ciascun utente fornendo loro raccomandazioni su azioni in tutto il loro percorso utente che aiuteranno a promuovere l’interazione e il reddito a lungo termine con il marchio. Inoltre, contribuirà a migliorare il tuo ritorno sugli investimenti di marketing consigliando l’azione che ciascun utente ha una alta probabilità di compiere.

I partner AWS come Credera sono entusiasti delle possibilità di personalizzazione che Amazon Personalize Next Best Action sbloccherà per i loro clienti.

“Amazon Personalize è una soluzione di machine learning di classe mondiale che consente alle aziende di creare esperienze significative per i clienti in una vasta gamma di casi d’uso senza un’ampia revisione o costi di implementazione iniziali tipicamente richiesti da questo tipo di soluzioni. Siamo davvero entusiasti dell’aggiunta della funzionalità Next Best Action che consentirà ai clienti di fornire raccomandazioni di azioni personalizzate, migliorando significativamente le loro esperienze digitali e generando valore aggiuntivo per il business. In particolare, ci aspettiamo che chiunque lavori nel settore del commercio al dettaglio o dei contenuti abbia un’esperienza migliore per i propri clienti e una maggiore conversione come risultato diretto dell’utilizzo di Amazon Personalize. Siamo estremamente entusiasti di essere un partner di lancio con AWS in questa versione e non vediamo l’ora di fornire alle aziende soluzioni personalizzate basate su ML con Next Best Action.”

– Jason Goth, Partner e Chief Technology Officer, Credera.

Casi d’uso di esempio

Per esplorare l’impatto di questa nuova funzionalità in maggior dettaglio, consideriamo un esempio prendendo in considerazione tre utenti: A (User_id 11999), B (User_id 17141) e C (User_id 8103), che si trovano in diverse fasi del loro percorso utente durante gli acquisti su un sito web. Vedremo quindi come Next Best Action suggerisce le azioni ottimali per ciascun utente in base alle sue interazioni passate e alle sue preferenze.

Prima di tutto, analizziamo l’insieme di dati sulle interazioni con le azioni per capire come gli utenti abbiano interagito con le azioni in passato. L’esempio seguente mostra i tre utenti e i loro diversi modelli di acquisto. L’utente A è un acquirente frequente e ha acquistato principalmente nella categoria “Bellezza e cura della persona” e “Gioielli” in passato. L’utente B è un acquirente occasionale che ha effettuato alcuni acquisti nella categoria “Elettronica” in passato, e l’utente C è un nuovo utente sul sito web che ha effettuato il suo primo acquisto nella categoria “Abbigliamento”.

Tipo di utente User_id Azioni Tipo_Evento_Azione Timestamp
Utente A 11999 Acquisto nella categoria “Bellezza e cura della persona” effettuato 2023-09-17 20:03:05
Utente A 11999 Acquisto nella categoria “Bellezza e cura della persona” effettuato 2023

Tradizionalmente, i marchi mostrano le stesse azioni a tutti gli utenti o utilizzano strategie di segmentazione degli utenti per consigliare azioni alla loro base di utenti. La seguente tabella è un esempio di un marchio che mostra lo stesso insieme di azioni a tutti gli utenti. Queste azioni possono essere o non essere rilevanti per gli utenti, riducendo così il loro coinvolgimento con il marchio.

Tipo di utente ID Utente Raccomandazioni di azione Rank dell’azione
Utente A 11999 Iscriviti al programma di fedeltà 1
Utente A 11999 Scarica l’app mobile 2
Utente A 11999 Acquisto nella categoria “Elettronica” 3
Utente B 17141 Iscriviti al programma di fedeltà 1
Utente B 17141 Scarica l’app mobile 2
Utente B 17141 Acquisto nella categoria “Elettronica” 3
Utente C 8103 Iscriviti al programma di fedeltà 1
Utente C 8103 Scarica l’app mobile 2
Utente C 8103 Acquisto nella categoria “Elettronica” 3

Ora utilizziamo la “Next Best Action” per consigliare azioni per ogni utente. Dopo aver definito le azioni idonee per le raccomandazioni, la ricetta aws-next-best-action restituisce un elenco classificato di azioni, personalizzato per ogni utente, in base alla propensione dell’utente (la probabilità che un utente compia una determinata azione, che varia tra 0.0 e 1.0) e al valore di quell’azione, se fornito. Ai fini di questo articolo, consideriamo solo la propensione dell’utente.

Nel seguente esempio, vediamo che per l’Utente A (acquirente frequente), l’Iscrizione al programma di fedeltà è l’azione consigliata principale con un punteggio di propensione pari a 1,00, il che significa che questo utente è molto propenso ad iscriversi al programma fedeltà perché ha effettuato numerosi acquisti. Pertanto, raccomandare l’Iscrizione al programma di fedeltà all’Utente A ha una forte probabilità di aumentare il coinvolgimento dell’Utente A.

Tipo di utente ID Utente Raccomandazioni di azione Rank dell’azione Punteggio di propensione
Utente A 11999 Iscriviti al programma di fedeltà 1 1,00
Utente A 11999 Acquisto nella categoria “Gioielli” 2 0,86
Utente A 11999 Acquisto nella categoria “Bellezza e Cura del corpo” 3 0,85
Utente B 17141 Acquisto nella categoria “Elettronica” 1 0,78
Utente B 17141 Iscriviti al programma di fedeltà 2 0,71
Utente B 17141 Acquisto nella categoria “Casa intelligente” 3 0,66
Utente C 8103 Acquisto nella categoria “Borse e Scarpe” 1 0,60
Utente C 8103 Scarica l’app mobile 2 0,48
Utente C 8103 Acquisto nella categoria “Abbigliamento” 3 0,46

In modo simile, l’Utente B (persona acquirente occasionale) ha una probabilità più alta di continuare gli acquisti nella categoria “Elettronica” e di acquistare nuovi prodotti anche in una categoria simile, “Smart Homes”. Pertanto, l’azione migliore successiva ti consiglia di dare priorità alle azioni di Acquisto nella categoria “Elettronica” e Acquisto nella categoria “Smart Homes”. Questo significa che se incoraggi l’Utente B ad acquistare prodotti in queste due categorie, può portare a un coinvolgimento maggiore. Notiamo anche che l’azione di Iscrizione al Programma Fedeltà è consigliata per l’Utente B, ma con un punteggio di propensione inferiore di 0,71 rispetto all’Utente A, il cui punteggio di propensione è 1,0. Questo perché gli utenti che hanno una storia più approfondita e sono più avanti nel loro percorso di acquisto beneficiano di più dei programmi fedeltà grazie ai vantaggi aggiunti e sono molto probabili che interagiscano di più.

Infine, vediamo che l’azione migliore successiva per l’Utente C è l’acquisto nella categoria “Borse e Scarpe”, che è simile alla sua azione precedente di Acquisto nella categoria “Abbigliamento”. Vediamo anche che il punteggio di propensione per Scarica l’app mobile è relativamente più basso (0,48) rispetto a un’altra azione, l’Acquisto nella categoria “Borse e Scarpe”, che ha un punteggio di propensione più alto di 0,60. Ciò significa che se consigli a l’Utente C di acquistare prodotti in una categoria complementare (“Borse e Scarpe”) anziché scaricare l’app mobile, è più probabile che continui ad essere fedele al tuo marchio e a fare acquisti in futuro.

Per ulteriori dettagli su come implementare la ricetta Next Best Action (aws-next-best-action), consulta la documentazione.

Conclusioni

La nuova ricetta Next Best Action di Amazon Personalize ti aiuta a consigliare le azioni corrette all’utente giusto in tempo reale in base al suo comportamento e alle sue esigenze individuali. Ciò ti consentirà di massimizzare il coinvolgimento degli utenti e di ottenere maggiori tassi di conversione.

Per ulteriori informazioni su Amazon Personalize, consulta la Guida per sviluppatori di Amazon Personalize.