| 使用者個人化功能可根據使用者與型錄項目的互動記錄，進而預測使用者未來可能互動的項目。使用者個人化功能可基於多達 30 億次互動和 500 萬個獨特項目進行訓練。在推薦項目時，使用者個人化功能可透過自動項目探索功能，提高發現和參與度，並 2 小時更新一次，以將新項目納入考量 (若啟用自動更新)。 |
| 個人化排名可協助您為特定使用者產生推薦項目排名清單。如果您有排序項目集合 (例如搜尋結果、優惠或精選清單)，並且希望為每個使用者提供個人化的排名，這會非常有幫助。個人化排名支援多達 500 萬個商品，延遲低，並可根據使用者興趣變化聚焦和調整商品推薦。 |
| 透過顯示使用者正在查看、瀏覽或搜尋的商品，提高商品目錄的可發現性。類似項目可產生與您指定項目類似的項目推薦。使用類似項目可幫助使用者根據他們先前的行為和項目中繼資料，發現目錄中的新項目。推薦類似的項目可以提高您業務的使用者參與度、點擊率和轉換率。 |
| 根據使用者對產品類別、品牌和其他屬性的興趣自動細分使用者。項目親和性根據使用者對電影、歌曲或產品等單個項目的興趣來識別使用者，項目屬性親和性將根據使用者關心的屬性 (例如類型或價格點) 來識別使用者。智慧使用者細分可以提高行銷活動的參與度，透過有針對性的訊息傳遞提高保留率，並提高行銷支出的投資回報率。 |
| 推薦項目以最快的速度推薦在使用者中廣受歡迎的項目。您可以使用「現行熱門」定義其識別趨勢項目的頻率，根據使用者最近的互動資料，可以選擇每 30 分鐘、1 小時、3 小時或 1 天重新整理一次推薦。 |
| 主動推薦根據用戶需求個人化量身定制的行動，從而最大限度地提高品牌參與度和忠誠度。下一個最佳動作會以使用者過去與您型錄的互動為依據，並根據其有可能採取的動作產生建議。使用下一個最佳動作來推薦高價值的行動，例如註冊忠誠度計劃、註冊電子報、探索新類別、下載應用程式。 |
| 以最適合您的使用案例為基礎，Amazon Personalize 可提供使用即時或批次資料的靈活性。例如，即時資料可能更適合網站或應用程式上的產品或內容推薦。透過即時回應使用者不斷變化的意圖，提供更為相關的推薦。批次資料可能更適合大型通知行銷活動。例如，可以一次針對極大量的使用者或項目運算推薦、進行存放，然後將其提供給批次導向的工作流程，例如電子郵件系統。Amazon Personalize 也支援增量批次資料匯入，用於更新資料和提高推薦品質。您可以輕鬆將新記錄附加至資料集中的現有資料中。 |
| 提供相關推薦需要您考慮檢視這些推薦的內容。透過內容相關的推薦，您可以為客戶實現更加個人化的體驗，並透過在內容中產生的推薦來提高推薦的相關性，例如裝置類型、一天中適合的時間等。 |
| 應用商業規則，提供最佳客戶體驗。例如，您可篩選掉最近購買的項目，如果使用者處於特定訂閱方案，則強調付費內容，或者確保 20% 的浮動切換項目提供熱門體育文章。動態篩選條件可讓您即時修改篩選條件規則，而無需建立獨立的排列。 |
| 根據與您的業務目標一致的規則，推廣特定項目或內容。藉助此功能，您可以控制推薦中的推廣內容百分比，以進一步定製每個使用者的體驗。Amazon Personalize 會在提供的業務規則內，自動為每個使用者尋找最相關的項目或內容，並將其分發至使用者的推薦中。 |
| 解除鎖定產品描述、評論、電影簡介或其他非結構化文字中的資訊，為使用者產生高度相關的推薦。提供非結構化文字作為型錄的一部分，Amazon Personalize 會自動擷取關鍵資訊，以在產生推薦時使用。支援的語言包括中文 (簡體和繁體)、英文、法文、德文、日文、葡萄牙文和西班牙文。 |
| 內容生成器可使用生成式 AI來建立客製化的程式碼片段，描述推薦商品之間的主題相似性。將其整合到網站輪播和電子郵件行銷活動，以取代「更多類似 X」或「經常搭配購買的商品」等通用標題。 |
| 您可以使用 LangChain 的自訂鏈，這是一個開源框架，能將可交互操作的元件進行鏈結，以構建以大型語言模型 (LLM) 為基礎的應用程式，從而將 Amazon Personalize 與生成式 AI 解決方案無縫整合。透過預先設定的 LangChain 程式碼，您可以調用 Amazon Personalize、擷取行銷活動或推薦系統的建議，並將其輕鬆地輸入到 LangChain 的生成式 AI 應用程式中。探索一系列用例，包括個人化行銷文案、在聊天機器人中推薦產品或內容，或為個人化內容產生簡明摘要。 |
| Amazon Personalize 可為推理輸出提供中繼資料，進而改善您的生成式 AI 工作流程。您最多可選擇 10 個欄位，例如類型、評級和產品描述，並使用 Amazon Personalize LangChain 整合功能將這些豐富的建議無縫地輸入到基礎模型中。 |