يعمل الذكاء الاصطناعي التوليدي على تغيير الطريقة التي تمارس بها الشركات أعمالها. تستخدم المؤسسات الذكاء الاصطناعي لتحسين القرارات المستندة إلى البيانات، وتعزيز تجارب القنوات المتعددة، ودفع تطوير منتجات الجيل التالي. تستخدم المؤسسات الذكاء الاصطناعي التوليدي على وجه التحديد لتعزيز جهودها التسويقية من خلال رسائل البريد الإلكتروني والإشعارات الفورية وقنوات الاتصال الخارجية الأخرى. جارتنر يتوقع أنه "بحلول عام 2025، سيتم إنشاء 30% من رسائل التسويق الصادرة من المؤسسات الكبيرة بشكل صناعي." ومع ذلك، فإن الذكاء الاصطناعي التوليدي وحده لا يكفي لتقديم تواصل جذاب مع العملاء. تظهر الأبحاث أن التواصل الأكثر تأثيرًا هو الذي يتم تخصيصه، أي عرض الرسالة الصحيحة للمستخدم المناسب في الوقت المناسب. وفق ماكينزي"يتوقع 71% من المستهلكين أن تقدم الشركات تفاعلات مخصصة." يمكن للعملاء استخدامها تخصيص أمازون والذكاء الاصطناعي المنتج لتنظيم محتوى موجز ومخصص للحملات التسويقية، وزيادة التفاعل الإعلاني، وتعزيز روبوتات المحادثة.

يمكن للمطورين استخدام ملفات تخصيص أمازون لبناء تطبيقات مدعومة بنفس نوع تقنية التعلم الآلي (ML) المستخدمة من قبل Amazon.com للحصول على توصيات شخصية في الوقت الحقيقي. باستخدام Amazon Personalize، يمكن للمطورين تحسين مشاركة المستخدم من خلال توصيات المنتجات والمحتوى المخصصة دون الحاجة إلى خبرة في تعلم الآلة. استخدام كنت وصفات (الخوارزميات المعدة لدعم حالات استخدامات محددة) المقدمة من Amazon Personalize، يمكن للعملاء تقديم مجموعة واسعة من التخصيص، بما في ذلك توصيات منتج أو محتوى معين، والتصنيف الشخصي، وتقسيم المستخدمين. بالإضافة إلى ذلك، باعتبارها خدمة ذكاء اصطناعي مُدارة بالكامل، تعمل Amazon Personalize على تسريع التحولات الرقمية للعملاء باستخدام التعلم الآلي، مما يسهل دمج التوصيات المخصصة في مواقع الويب والتطبيقات وأنظمة التسويق عبر البريد الإلكتروني الحالية وما إلى ذلك.

في هذا المنشور، نوضح كيف يمكنك رفع مستوى حملاتك التسويقية باستخدام Amazon Personalize والذكاء الاصطناعي التوليدي أمازون بيدروك. تساعدك Amazon Personalize والذكاء الاصطناعي التوليدي معًا على تصميم تسويقك وفقًا لتفضيلات المستهلك الفردية.

كيف تعمل Amazon Personalize وAmazon Bedrock معًا لتحقيق ذلك؟ تخيل كمسوق أنك تريد إرسال رسائل بريد إلكتروني مخصصة للمستخدمين للتوصية بالأفلام التي سيستمتعون بها بناءً على تفاعلاتهم عبر النظام الأساسي الخاص بك. أو ربما ترغب في إرسال رسائل بريد إلكتروني مستهدفة إلى شريحة من المستخدمين للترويج لحذاء جديد قد يهتمون به. تستخدم حالات الاستخدام التالية الذكاء الاصطناعي التوليدي لتعزيز رسالتين إلكترونيتين تسويقيتين شائعتين.

حالة الاستخدام 1: استخدم الذكاء الاصطناعي التوليدي لتسليم رسائل بريد إلكتروني مخصصة ومستهدفة

باستخدام Amazon Personalize وAmazon Bedrock، يمكنك إنشاء توصيات مخصصة وإنشاء رسائل صادرة بلمسة شخصية مخصصة لكل مستخدم من مستخدميك.

يوضح الرسم البياني التالي البنية وسير العمل لتقديم رسائل بريد إلكتروني مخصصة ومستهدفة مدعومة بالذكاء الاصطناعي التوليدي.

أولاً، قم باستيراد مجموعة بيانات المستخدمين التفاعلات في Amazon Personalize للتدريب. يقوم Amazon Personalize بتدريب النموذج تلقائيًا باستخدام أفضل اللقطات بالنسبة لك وصفة. كمخرج، توفر Amazon Personalize توصيات تتوافق مع تفضيلات المستخدمين.

يمكنك استخدام الكود التالي لتحديد العناصر الموصى بها للمستخدمين:

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

لمزيد من المعلومات، راجع مرجع واجهة برمجة التطبيقات لتخصيص أمازون.

يتم استيعاب مخرجات التوصيات المقدمة بواسطة Amazon Bedrock باستخدام ملف موجه، والذي يتضمن تفضيلات المستخدم والمعلومات السكانية والعناصر الموصى بها من Amazon Personalize.

على سبيل المثال، يمكن للمسوق الذي يريد إنشاء بريد إلكتروني مخصص جذاب وممتع للمستخدم أن يستخدم المطالبة التالية:

أنشئ بريدًا إلكترونيًا مخصصًا ساحرًا وممتعًا حتى يشارك المستخدم. لقد شاهد المستخدم مؤخرًا أفلامًا مناسبة للعائلة. هذه هي العناصر الموصى بها – The Little Mermaid، Encanto، Spider-Man: Into the Spider-Verse.

من خلال استدعاء أحد نماذج الأساس (FM) المتوفرة في Amazon Bedrock، مثل كلود 2 باستخدام التعليمات البرمجية ونموذج التعليمات البرمجية التالي، يمكنك إنشاء بريد إلكتروني مخصص للمستخدم:

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

لمزيد من المعلومات، راجع مرجع واجهة برمجة تطبيقات أمازون بيدروك.

تقوم Amazon Bedrock بإرجاع بريد إلكتروني مخصص للمستخدم:

الموضوع: ستقع في حب هذا الاختيار الموصى به لليلة مشاهدة الأفلام!

عزيزي ,

هل ترغب في الشعور المريح بالسقوط؟ لا مشكلة! تحقق من أهم ثلاث توصيات لدينا للأفلام التي ستجعلك تشعر بالراحة على الأريكة مع أحبائك:

1. The Little Mermaid: يدور فيلم ديزني الكلاسيكي هذا حول أميرة حورية البحر تدعى آرييل، التي تحلم بالعالم البشري. وبسبب افتتانها، عقدت صفقة مع ساحرة البحر أورسولا وتعلمت درسًا كبيرًا.

2. إنكانتو: يدور فيلم ديزني هذا حول عائلة مادريجالز الكولومبية التي تعيش في منزل سحري. كل فرد من أفراد الأسرة لديه هدية فريدة من نوعها، باستثناء الشابة ماريبيل التي يجب أن تساعد في إنقاذ عائلتها.

3. Spider-Man: Into the Spider-Verse: فيلم الرسوم المتحركة للأبطال الخارقين هو فيلم حركة يجب مشاهدته. الرجل العنكبوت، وهو مراهق من بروكلين يُدعى مايلز موراليس، يتعاون مع أشخاص آخرين يتمتعون بقوة العنكبوت لإنقاذ الكون المتعدد.

مع الشخصيات المحبوبة، والإيقاعات الجذابة، والقصص المؤثرة، لا يمكنك حقًا أن تخطئ في أي من هذه الثلاثة. احصل على الفشار لأنك في مكان لتناول الطعام!

حالة الاستخدام 2: استخدم الذكاء الاصطناعي التوليدي لرفع مستوى الحملات التسويقية من واحد إلى عدة

عندما يتعلق الأمر بالتسويق عبر البريد الإلكتروني من واحد إلى عدة أشخاص، يمكن أن يؤدي المحتوى العام إلى انخفاض التفاعل (أي انخفاض معدلات الفتح وإلغاء الاشتراكات). إحدى الطرق التي تتحايل بها الشركات على هذه النتيجة هي صياغة أشكال مختلفة من الرسائل الصادرة ذات مواضيع مقنعة يدويًا. وهذا يمكن أن يؤدي إلى الاستخدام غير الفعال للوقت. من خلال دمج Amazon Personalize وAmazon Bedrock في سير عملك، يمكنك تحديد الشريحة المهتمة من المستخدمين بسرعة وإنشاء أشكال مختلفة من محتوى البريد الإلكتروني ذات صلة وتفاعل أكبر.

يوضح الرسم البياني التالي البنية وسير العمل لرفع مستوى الحملات التسويقية المدعومة بالذكاء الاصطناعي التوليدي.

لإنشاء رسائل بريد إلكتروني فردية، قم أولاً باستيراد مجموعة بيانات المستخدمين التفاعلات في Amazon Personalize للتدريب. يقوم Amazon Personalize بتدريب النموذج باستخدام تجزئة المستخدم وصفة. باستخدام وصفة تقسيم المستخدمين، تحدد Amazon Personalize تلقائيًا المستخدمين الفرديين الذين يظهرون ميلًا للعناصر المختارة باعتبارهم الجمهور المستهدف.

لتحديد الجمهور المستهدف واسترداد البيانات التعريفية لعنصر ما، يمكنك استخدام نموذج التعليمات البرمجية التالي:

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 } }
)

لمزيد من المعلومات، راجع مرجع واجهة برمجة التطبيقات لتخصيص أمازون.

يقدم Amazon Personalize قائمة بالمستخدمين الموصى بهم لاستهداف كل عنصر batch_output_path. يمكنك بعد ذلك استدعاء شريحة المستخدم في Amazon Bedrock باستخدام أحد FMs مع المطالبة الخاصة بك.

بالنسبة لحالة الاستخدام هذه، قد ترغب في تسويق حذاء رياضي تم إصداره حديثًا عبر البريد الإلكتروني. قد يتضمن مثال المطالبة ما يلي:

بالنسبة لشريحة المستخدمين "رؤساء الأحذية الرياضية"، أنشئ بريدًا إلكترونيًا جذابًا يروج لأحدث حذاء رياضي "Ultra Fame II". تزويد المستخدمين برمز الخصم FAME10 لتوفير 10%.

كما هو الحال في حالة الاستخدام الأولى، ستستخدم الكود التالي في Amazon Bedrock:

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

لمزيد من المعلومات، راجع مرجع واجهة برمجة تطبيقات أمازون بيدروك.

تقوم Amazon Bedrock بإرجاع بريد إلكتروني مخصص بناءً على العناصر المختارة لكل مستخدم كما هو موضح:

الموضوع: < >، تذكرتك إلى قاعة المشاهير في انتظارك

مهلا < >،

انتهى وقت الإنتظار. تعرف على لعبة Ultra Fame II الجديدة! إنه حذاء Ultra Fame الأكثر ابتكارًا وراحة حتى الآن. تصميمه الجديد سيجعلك تلفت الأنظار في كل خطوة. بالإضافة إلى ذلك، ستحصل على مزيج من الراحة والدعم والأناقة يكفي لدخولك إلى قاعة المشاهير.

لا تنتظر حتى فوات الأوان. استخدم الرمز FAME10 لتوفير 10% على زوجك التالي.

لاختبار وتحديد البريد الإلكتروني الذي يؤدي إلى أعلى تفاعل، يمكنك استخدام Amazon Bedrock لإنشاء مجموعة متنوعة من سطور الموضوع والمحتوى الجذاب في جزء صغير من الوقت الذي يستغرقه إنتاج محتوى الاختبار يدويًا.

وفي الختام

من خلال دمج Amazon Personalize وAmazon Bedrock، يمكنك تقديم محتوى ترويجي مخصص للجمهور المناسب.

يعمل الذكاء الاصطناعي التوليدي المدعوم من FMs على تغيير الطريقة التي تبني بها الشركات تجارب شديدة التخصيص للمستهلكين. يمكن أن تساعد خدمات AWS AI، مثل Amazon Personalize وAmazon Bedrock، في التوصية بالمنتجات والمحتوى والرسائل التسويقية الجذابة المخصصة لمستخدميك وتقديمها لهم. لمزيد من المعلومات حول العمل مع الذكاء الاصطناعي التوليدي على AWS، راجع الإعلان عن أدوات جديدة للبناء باستخدام الذكاء الاصطناعي التوليدي على AWS.

حول المؤلف

باكاري جونسون هو مدير المنتج الفني الأول الذي يعمل مع AWS AI/ML في فريق Amazon Personalize. تتمتع بخلفية في علوم الكمبيوتر والاستراتيجية، وهي شغوفة بابتكار المنتجات. وفي أوقات فراغها، تستمتع بالسفر واستكشاف الأماكن الرائعة في الهواء الطلق.

راجيني براساد هو مدير تطوير البرمجيات مع فريق Amazon Personalize الذي يركز على بناء أنظمة التوصية التي تعمل بالذكاء الاصطناعي على نطاق واسع. تستمتع في أوقات فراغها بالفن والسفر.

جينغوين هو هو مدير المنتج الفني الأول الذي يعمل مع AWS AI/ML في فريق Amazon Personalize. وفي أوقات فراغها، تستمتع بالسفر واستكشاف الأطعمة المحلية.

آنا جروبلر هو مهندس حلول متخصص في AWS يركز على الذكاء الاصطناعي. تتمتع بخبرة تزيد عن 10 سنوات في مساعدة العملاء على تطوير تطبيقات التعلم الآلي ونشرها. شغفها هو أخذ التقنيات الجديدة ووضعها في أيدي الجميع وحل المشكلات الصعبة من خلال الاستفادة من استخدام الذكاء الاصطناعي في السحابة.

تيم وو كونبينج هو مهندس حلول متخصص في الذكاء الاصطناعي يتمتع بخبرة واسعة في حلول التخصيص الشاملة. وهو خبير معترف به في مجال التجارة الإلكترونية والإعلام والترفيه، ويتمتع بخبرة في الذكاء الاصطناعي التوليدي، وهندسة البيانات، والتعلم العميق، وأنظمة التوصية، والذكاء الاصطناعي المسؤول، والتحدث أمام الجمهور.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://aws.amazon.com/blogs/machine-learning/elevate-your-marketing-solutions-with-amazon-personalize-and-generative-ai/