电子商务中的人工智能——如何实现任务的实时集成

   

大家可以通过 Retail Demo Store 示例电子商务应用体验如何实现实时集成。在本文中，我们将分步引导您完成在 Amazon Web Services 账户部署此项目的具体流程，并阐述如何启动应用程序当中绑定的自助式 Braze 研习课程。
具体操作步骤如下：

• 使用其中提供的 Amazon CloudFormation 模板，将 Retail Demo Store 项目部署至您的 Amazon Web Services 账户（需要 25 到 30 分钟）。
• 构建 Amazon Personalize 解决方案，以及用于提供个性化推荐的 campaigns（需要 2 小时）。
  
• 将用户导入 Braze，并使用 Connected Content 构建一项 Braze campaign，借此从 Amazon Personalize 中检索个性化推荐内容（需要 1 小时）。
• 清理资源。
  

在本演练中，大家需要满足以下先决条件：

• 一个 Amazon Web Services 账户
• Amazon Web Services 账户中须包含一个用户，且具备部署项目所需要的各项权限
• 一个 Braze 账户
  

如果您还没有 Braze 账户，请联系您的 Braze 客户代表。此外，您还至少需要完成 Braze LAB 的入门课程。
 

通过下表，您应在选定的区域当中选择 Launch Stack。这里提供的区域列表并不代表您一定能够在其中部署项目，仅代表示例部署中对应的各个区域。

接受模板中的各项默认参数值，而后启动模板。项目的资源部署大约需要 25 到 30 分钟。

在提供个性化产品推荐之前，大家首先需要训练 ML 模型并在 Amazon Personalize 中配置推荐内容检索所需要的推理端点。步骤 1 中部署的 CloudFormation 模板中包含一个 Amazon SageMaker notebook 实例，该实例为 Jupyter notebook 提供了详尽的分步操作说明。Notebook 的构建大约需要 2 个小时才能完成。

• 登录至您在步骤 1 中用于部署 CloudFormation 模板的 Amazon Web Services 账户。
• 在 Amazon SageMaker 控制台上，选择 Notebook instances。
• 如果您还没有看到 RetailDemoStore notebook 实例，请保证您确实处于项目部署所在的同一区域内。
• 要访问该 notebook 实例，请选择 Open Jupyter 或者 Open JupyterLab。
• 在为 notebook 实例加载 Jupyter Web 界面之后，选择 workshop/1-Personalization/1.1-Personalize.ipynb。

各 notebooks 将以目录的形式进行结构组织，因此大家可能需要选择 workshop文件夹才能查看 notebook 中的各子目录。

• 在打开 1.1-Personalize notebook 之后，阅读并运行各个单元以爱步完成研习流程。

您也可以从 Jupyter 工具栏中选择 Run，以依次运行各单元中的代码。

通过使用 Amazon Personalize 解决方案与 campaigns 生成个性化推荐。现在，您可以将各用户导入您的 Braze 账户，构建使用 Braze Connected Content 对 Amazon Personalize 推荐内容进行检索的消息传递模板，而后构建一项 Braze campaign 以将目标电子邮件发送给您的用户。

与步骤 1 中的个性化研习课程类似，Braze 消息传递研习课程也将逐步引导您完成整个流程。此 notebook 大约需要 1 个小时才能运行完成。

• 如有必要，请重复步骤1中的操作，通过 Retail Demo Store 部署中的 Amazon SageMaker notebook 实例打开 Jupyter 或者 JupyterLab 浏览器窗口。
• 在 notebook 实例加载 Jupyter Web 界面之后，选择 workshop/4-Messaging/4.2-Braze.ipynb notebook。

与之前一样，您可能需要选择 workshop文件夹以查看 notebook 下的各子目录。

• 当您打开 4.2-Braze notebook 之后，通过阅读并运行各个单元以分步完成研习流程。

为了避免产生不必要的费用，请删除 Retail Demo Store 项目中的各类资源，具体方法为删除您在部署期间使用的 CloudFormation 模板。关于本文中所使用的源代码以及完整 Retail Demo Store 项目的更多详细信息，请参阅 GitHub repo。

时至今日，营销人员正通过各类消息力争吸引到客户的注意力，这也意味着大家必须能够在正确的时间、以正确的渠道将正确的消息传递给明确定位的正确用户。Braze 为前三项难题提供解决方案，而大家也可以将 Braze Connected Content 与 Amazon Personalize 集成起来以攻克最后一个挑战，真正整理出能够反映每一位客户当前偏好、具有高度个性化的产品与内容建议。

您如何使用消息吸引客户？又是否有计划使用相关度更高、个性化更强的内容增加与客户间的交互？期待在评论区内听到您的声音。

Braze 是 Amazon Web Services 高级技术合作伙伴，已经获得 Amazon Web Services 数字客户体验与零售技能认证资质。每个月，ABC News、Urban Outfitters、Rakuten 以及 Gap 等全球顶级品牌都会向 Braze 发送来自 20 多亿活跃用户的数百亿条消息。

相关文章

 

返回上一级 机器学习文章>>