| 用户个性化功能可根据用户与您的目录商品的历史交互来预测用户将要与之交互的商品。用户个性化配方可以根据多达 30 亿次交互和 500 万件独特商品进行训练。推荐商品时，用户个性化功能通过自动商品探索来提高发现几率和参与度，并每 2 小时更新一次以考虑新商品（启用自动更新时）。 |
| 个性化排名可帮助您提供针对特定用户进行排名的推荐商品列表。如果您有一系列订购的商品（例如搜索结果、促销或精选列表），并且您希望为每个用户提供个性化的排名，这将非常有用。个性化排名支持多达 500 万个商品，延迟时间短，您能够根据用户不断变化的兴趣突出显示和调整商品推荐。 |
| 通过显示用户正在查看、浏览或搜索的商品，让用户更容易发现目录。相似商品推荐功能会针对与您指定的商品相似的商品生成推荐。使用相似商品推荐功能，帮助用户根据他们以前的行为和商品元数据在您的目录中发现新商品。推荐相似商品可以提高企业的用户参与度、点击率和转化率。 |
| 根据用户对产品类别、品牌和其他属性的兴趣，自动对用户进行细分。商品关联性功能会根据用户对电影、歌曲或产品等单个项目的兴趣来识别用户，而商品属性关联性功能则根据用户关心的属性（例如分类或价格点）来识别用户。智能用户细分可以提高营销活动的参与度，通过有针对性的消息传递提高保留率，并提高营销支出的投资回报率。 |
| 推荐以最快的速度在用户中流行的商品。使用 Trending now，您可以定义 Trending now 识别热门商品的频率，可根据用户的最新交互数据，选择每 30 分钟、每小时、每 3 小时或每天刷新一次推荐。 |
| 实时主动推荐根据个人用户需求量身定制的措施，从而最大限度地提高品牌参与度和忠诚度。最恰当的后续措施会根据用户先前与目录的交互，生成有关用户最可能采取的措施的建议。使用最恰当的后续措施推荐高价值措施，例如参加忠诚度计划、订阅时事通讯、探索新类别、下载应用程序等。 |
| Amazon Personalize 可根据最适合您的用例的情况灵活地使用实时或批量数据。例如，实时数据可能更适合网站或应用程序上的产品或内容推荐。通过实时响应用户不断变化的需求，提供相关推荐。批量数据可能更适合大型通知活动。例如，您可以一次性计算针对大量用户或商品的推荐，进行存储，并将其提供给以批处理为主的工作流程，如电子邮件系统。Amazon Personalize 还支持增量批量数据导入，以更新数据并提高推荐质量。您可以轻松地将新记录附加到数据集中的现有数据。 |
| 提供相关建议时，需要考虑用户查看这些建议时的情境。通过符合情境的推荐，您可以为客户提供更加个性化的体验，并通过在特定情境（例如设备类型、一天中的时间等）下生成推荐来提高推荐的相关性。 |
| 应用业务规则，以提供最佳的客户体验。例如，您可以筛选出最近购买的商品，如果用户处于特定订阅级别，则突出显示优质内容，或者确保轮播中有 20% 的内容包含热门体育文章。动态筛选器允许您即时修改筛选规则，而无需创建单独的排列。 |
| 根据与您的业务目标相一致的规则推广特定商品或内容。借助此功能，您可以控制建议内的促销内容百分比，以进一步定制每一个用户体验。Amazon Personalize 将会在提供的业务规则内为每个用户查找要推广的最相关商品或内容，并将其分配到用户推荐中。 |
| 解锁隐含在产品描述、评论、电影梗概或其他非结构化文本中的信息，以便为用户生成高度相关的推荐。提供非结构化文本作为目录的组成部分，Amazon Personalize 自动提取关键信息以在生成建议时使用。支持的语言包括中文（简体和繁体）、英语、法语、德语、日语、葡萄牙语和西班牙语。 |
| 内容生成器使用生成式人工智能创建量身定制的代码段，该代码段描述了推荐商品之间的主题相似性。将其整合到网站轮播和电子邮件广告中，以取代通用标题，例如“更多人喜欢 X”或“经常一起购买”。 |
| 您可以在 LangChain 上使用自定义链，LangChain 是一个开源框架，通过链接可互操作的组件来构建基于大型语言模型（LLM）的应用程序，从而将 Amazon Personalize 与生成式人工智能解决方案无缝集成。通过预先配置的 LangChain 代码，您可以调用 Amazon Personalize，检索活动推荐或推荐机制，并轻松将其输入到 LangChain 中的生成式人工智能应用程序中。探索各种应用场景，包括个性化营销文案、在聊天机器人中推荐产品或内容，或者生成个性化内容的简要总结。 |
| Amazon Personalize 通过向推理输出提供元数据来改进生成式人工智能工作流程。您最多可以选择 10 个字段，例如类型、评分和产品描述，并使用 Amazon Personalize LangChain 集成功能将这些丰富的推荐无缝输入到基础模型中。 |