re:Invent 2023: AWSがAmazon PersonalizeとGenerative AIで実現する次世代CX
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2023 - Drive personalized CX using generative AI and Amazon Personalize (AIM225)
この動画では、Amazon Web ServicesのTia Whiteが、Amazon PersonalizeとGenerative AIの融合による革新的なパーソナライゼーション技術を紹介します。FOXのDaryl Bowdenが実際の導入事例を共有し、視聴時間45%増加などの具体的な成果を示します。さらに、LiamによるAmazon Personalize Content Generatorのデモンストレーションや、Next Best Actionなど最新機能の解説も。エンドユーザー体験を劇的に向上させる最先端技術の全貌が明らかに。 ※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
本編
Amazon Web ServicesのAIとMLにおけるパーソナライゼーションの重要性
みなさん、こんにちは。Tia Whiteと申します。Amazon Web ServicesのアドテックとマーテックにおけるAIとMLの General Manager を務めています。最近、入社2周年を迎えました。本日は、generative AIとAmazon Personalizeの力、そしてそれらがエンドユーザーにもたらす価値について話し合います。私の他に、AI Services Solutions ArchitectureのSenior ManagerであるLiam Morrison、そしてFoxのExecutive Vice President of Technology PlatformsであるDaryl Bowdenが登壇します。
今日のアジェンダは価値ある内容で満載です。まず、パーソナライゼーションがなぜ重要なのかについて話します。これは皆さんにとって必要不可欠なものだということは言うまでもないでしょう。 次に、課題と、なぜAmazon Personalizeがそれを解決できるのかについて議論します。今年リリースした最新機能と、日曜日の夜にリリースしたばかりの機能についてもお話しします。その後、generative AIの機能について掘り下げていきます。Liamによるデモンストレーションをじっくりとご覧いただき、最後にDarylがFoxの事例を共有します。彼らがどのようにAmazon Personalizeを活用し、generative AIとAmazon Personalizeを融合させてエンドユーザー体験を変革しようとしているかをお話しします。
パーソナライゼーションの必要性とGen Y・Gen Z世代の影響
あらゆる接点がパーソナルです。 エンドユーザーに表示するカテゴリーであれ、表示されるアートワークであれ、 宣伝されるタイトル、プロモーション自体、コンテンツの順序、各ユーザーに表示されるカルーセルなど、すべてがそうです。アウトバウンドコミュニケーションの順序や、誰に何を送るかさえも。個々のユーザーレベルでエンドユーザー体験をハイパーパーソナライズする能力があるのです。
2023年、私たちは変革の時代の只中にいます。それは、generative AIが私たちの目の前で展開している信じられないほど速い進歩によって特徴づけられています。私たちは顧客の声に積極的に耳を傾け、業界の動向を常に把握し、generative AIとAmazon Personalizeを融合させてパーソナライズされた体験を作り出す方法を十分に理解しています。その可能性は無限大です。この2つの力を使えば、本当に多くのことができるのです。
ここで少し年齢がばれてしまいますが、私は36歳から54歳のGen-Y世代に属しています。私たちの世代は個別化された体験を本当に大切にします。私たちの世代はロイヤルティとブランドを重視し、さらに重要なのは、私たちを個人として理解し、リピートしたくなるようなロイヤルな体験を作り出すブランドを評価します。私たちの購買力は3億5000万ドルを超えています。そして、もうすぐ世界を席巻するであろう別の世代、Gen Zがいます。彼らは25歳から35歳の年齢層です。彼らは私たちが全員準備しなければならない新しい現象を代表しています。なぜなら、2030年までに、彼らが市場の通貨力の大部分を握ることになるからです。
この世代は、独自性、真正性、自己表現を重視します。彼らは市場で3億2,000万以上の通貨を占めています。通常、パーソナライズされていないブランドには戻ってきません。これら2つの世代が市場を席巻するため、私たちは彼らがいる場所で彼らに会い、期待を超える準備をしなければなりません。今日のダイナミックな市場では、パーソナライズされた体験を提供することが企業にとって必須となっています。データを掘り下げると、消費者の76%が少しでもパーソナライゼーションを提供するブランドを好む傾向にあることがわかります。そして、体験をパーソナライズする企業は、通常、少なくとも10〜15%の収益増加を見込めます。
Amazon Personalizeの概要と主要機能
Amazonはパーソナライゼーションの経験を約30年持っています。私たちがこれを大規模に先駆けたと言う人もいるでしょう。これらの学びに基づいて、2019年にAmazon Personalizeという完全マネージド型AIサービスを立ち上げました。これにより、レコメンデーションシステムを簡単に、正確に、そして迅速に構築できます。注目すべきは、モデルや機械学習ソリューションではなく、システムと言ったことです。これにより、かなりの時間とリソースを節約できます。Amazon Personalizeは機械学習開発ライフサイクルを完全に自動化します。
モデルの構築、トレーニング、デプロイを行い、パーソナライズされたレコメンデーションのデプロイ時間を短縮します。さらに重要なのは、今日の市場において、総所有コストを最適化することです。リアルタイムのレコメンデーションを提供しますが、これは昨日興味があったものが明日も興味があるとは限らないため、非常に重要です。これは機械学習を超えた包括的なソリューションです。
私たちは、これを大規模に行うには、重要なアイテムのプロモーションや、最近購入されたが表示されていたアイテムをフィルタリングするなどの機能が必要であることを理解しています。また、データ整理の課題も解決しました。シンプルなAPIコールで既存のテックスタックに簡単に統合できます。AWSでは、包括的なセキュリティとコンプライアンスコントロールのスイートを提供しています。私たちはそのバーを非常に高く設定しており、Amazon Personalizeのようなサービスを活用することで、監査人が来たときにそのバーを満たすか超えるようにコンプライアンスを維持し、準備することができます。すべてのモデルはプライベートで、データを共有することはありません。それらは自社のレコメンデーションにのみ使用され、AWS以外の外部エンティティとは共有しません。
Amazon Personalizeの6つの基本的ユースケース
立ち上げ以来、私たちは常に変化するお客様のニーズと要求に応えるために進化し続けてきました。現在、6つの基本的なユースケースの包括的なスイートを提供しています。まず、ユーザーパーソナライゼーション：特定のユーザープロファイルに合わせてパーソナライズされた製品またはコンテンツのレコメンデーションは、より高いコンバージョン率を促進する可能性が高くなります。 次に、関連アイテム（類似アイテムとしても知られています）：レコメンデーションは人気の罠に陥るべきではありません。類似アイテムのレコメンデーションは、クロスセル、アップセル、コンバージョンを支援するために、カタログ内の関連または比較可能な既存のアイテムをユーザーが発見するのに役立ちます。
第三に、パーソナライズドランキングです。季節商品や期間限定アイテムなど、ビジネスの優先事項に応じてコンテンツや商品をプロモーションする必要があります。Amazon Personalizeを使用すると、ユーザーにとって非常に有益なものを強調しながら、商品カタログの再ランク付けができます。これは、あなたにとって重要なことのバランスを取りつつ行えます。
第四に、ユーザーセグメンテーションです。適切なユーザーに、適切なタイミングで、適切なメッセージを届けることが重要です。ルールでセグメンテーションを管理するのは難しく、脆弱で、多くのメンテナンスが必要です。機械学習を使えば、時間とともに動的に進化し、過剰なメッセージ送信を避けるのに役立ちます。
第五に、トレンディングナウです。ユーザー間で人気が高まっているアイテムをおすすめします。これは特にGen YやGen Z世代にとって重要です。 そして第六に、人気アイテムです。インタラクションデータに基づいて最も人気のあるアイテムをおすすめします。 先ほど述べたように、私たちは基本的な機械学習を超えています。お客様に、すぐに使える高度にパーソナライズされたソリューションを構築するための包括的な機能セットを提供しています。
Amazon Personalizeの高度な機能と課題解決
リアルタイムレコメンデーションから始めましょう。これは実装が難しいものです。AWSに入社する前、オムニチャネルパーソナライゼーションソリューションの構築に約14ヶ月かかったことを覚えています。私の前任者はすでに1年半を費やしており、私たちは小規模な人口に対してのみ、成功したPOCを実現できましたが、それもオフラインでした。ここで、適切な遅延緩和を備えたリアルタイムレコメンデーションソリューションの構築を試みてみてください。多くの場合、企業はニアリアルタイムにしか到達できません。これは非常に困難な課題です。
コールドスタートアイテム：急速に変化するカタログの中で、特に新しいアイテムに関連性の高いレコメンデーションを提供することは難しい課題です。これをコールドスタート問題と呼んでいます。私たちは、探索の重みを通じて新しいコンテンツの露出と関連性のバランスを取ることで、この課題に対処しています。これにより、新しいアイテムが素早く効果的にエンドユーザーに届くようになります。
ビジネスルールとメトリクスの最適化：Amazon Personalizeは、最適なレコメンデーションとあなたのビジネス目標のバランスを取ります。クリックスルー率、収益、視聴時間など、あなたにとって重要なことから逆算して作業することができます。これらのパラメータを設定し、それに基づいてレコメンデーションを最適化することができます。
プロモーションにも対応しています。
テキスト情報の抽出も重要な機能です。重要な詳細情報はレコメンデーションに役立ちますが、これらは多くの場合、商品説明や商品レビューなどの非構造化テキストに埋もれています。数年前、私たちは Natural Language Processing を使用して重要なテキスト情報を抽出し、より正確で関連性の高いレコメンデーションを生成する機能をリリースしました。
Amazon Personalizeの最新機能と改善点
データインサイトとデータラングリングについてはすでに触れました。今年1月、データをアップロードまたはストリーミングした後にそのデータを評価し、比較可能か実行可能かを判断する機能をリリースしました。機会や異常が見つかった場合、データセットを改善するためのヒントを優しく提示します。これにより、価値実現までの時間、市場投入までの時間が短縮され、トラブルシューティングがより迅速に解決できます。正直なところ、これは最も広く使用されている機能の1つです。
ドメイン別レコメンダーも重要な機能です。 特定の業界やドメインには固有のニーズがあることを理解しています。私たちは業界に依存しないサービスですが、2年前に小売業界およびメディア・エンターテインメント業界向けの特定のドメインレコメンダーに投資し、価値実現までの時間を短縮しました。
迅速な実験も私たちが非常に興奮している機能です。お客様が最大の価値を高い効率で素早く得られるようにすることに、私たちは執着しています。この夏、新しい列をデータセットに追加する際に、最初からやり直したりリソースを再生成したりすることなく、実験を加速できる機能をリリースしました。これは、お客様にとってゲームチェンジャーとなっています。
最後になりましたが、決して軽視できないのがインパクト測定です。 これは、投資収益率をどのように評価するかということです。Amazon Personalizeでは、システムにイベントを入力したり、複数のレコメンデーションを入力したりして、アウトプットに与える可能性のあるインパクトを評価することができます。これにより、データ駆動型の戦略を立て、確実に投資収益を得ることができます。
Amazon Personalize Searchの導入と効果
私たちのイノベーションへの取り組みは止まりません。私たちは顧客に対して徹底的にこだわり続けています。2023年には、お客様からのフィードバックと業界のトレンドに基づいて、パーソナライゼーションを次のレベルに引き上げる3つのエキサイティングな新しいユースケースを導入しました。1つは10月に発表したPersonalize Searchです。Next Best Actionは日曜日の夜に発表されたばかりで、さらに3つの新しい生成AIの機能も発表したところです。これらについて、今日皆さんにご紹介できることを楽しみにしています。
では、これらの機能について詳しく見ていき、ハイパーパーソナライズされたエンドユーザー体験を作り出すために私たちがもたらすパワーについて理解を深めていきましょう。検索は、サイトやアプリのユーザーを引き付ける上で重要な要素です。特定の商品やカテゴリーを探している高い意図を持ったトラフィックをもたらすからです。調査によると、ウェブサイト訪問者の30%以上が特定の商品やコンテンツを探すために検索バーを利用しているそうです。また、効果的な検索体験を提供すると、検索を利用しない顧客と比べて、コンバージョン率が5〜6倍高くなることも分かっています。
企業は検索結果の関連性を向上させたいと考えています。これまで、機械学習の専門知識不足やインフラのスケーリングの制限により、ユーザーに関連性の高い検索結果を提供することが非常に困難でした。10月に、私たちはAmazon PersonalizeとAmazon OpenSearchの新しい統合を発表しました。OpenSearchは、顧客が検索体験を強化するために使用するサービスで、完全マネージド型のサービスです。この統合により、企業はサイト検索からのコンバージョンとエンゲージメントを向上させることができます。
この統合により、Personalizeは機械学習ベースの高度にパーソナライズされた検索体験を提供することができます。企業は、個人の過去のインタラクションやコンテキストを考慮したさまざまなタイプのユースケースに基づいて、検索結果の中で関連性の高いアイテムをブーストすることができ、精度を向上させることができます。例えば、自動車のeコマースのユースケースを考えてみましょう。顧客がサイトに来て、「Mazda CX-30」という非常に具体的な検索条件を入力したとします。この場合、検索は比較的簡単です。Mazda CX-30を返すことができるでしょう。しかし、このような具体的な検索クエリはどのくらいの頻度で発生するでしょうか？Mazda CX-30というように非常に具体的なため、あまり頻繁ではありません。
さて、同じeコマースサイトで単に「Toyota」と入力したとしましょう。「Toyota」と入力すると、大量の検索結果が返ってくる可能性があります。しかし、パーソナライズド検索のようなものを使えば、あなたの好みや行動を考慮に入れます。メタデータを考慮し、ハイパーパーソナライズされた検索結果を返すことができ、エンドユーザーのコンバージョンとエンゲージメントを大幅に向上させ、最終的に収益に影響を与えます。
Next Best Action：パーソナライゼーションの次なる進化
Next Best Action。これは私がとてもワクワクしているものです。なぜなら、ゲームチェンジャーだと思うからです。これは基本的なレコメンデーションをはるかに超えています。デジタルチャネルの増加と、ハイパーパーソナライゼーションをより身近にする技術の進歩により、ブランドにとって、各顧客のエンゲージメントを最大化するマーケティング素材（メッセージやアクションなど）を決定することが難しくなっています。従来の顧客セグメンテーションアプローチはもはや十分ではありません。なぜなら、すべての顧客がユニークな体験を期待しているからです。そして、それがない場合、彼らは通常ブランドを離れてしまいます。
先日の日曜日、私たちはNext Best Action（以下、NBAと呼びます）をローンチしました。これは、個々のエンドユーザーに提供すべき最適なアクションを決定し、エンゲージメントを促進し、コンバージョンの可能性を高め、ロイヤリティを深めるのに役立つ新しいモデルです。アクションとは、ユーザーがブランドとエンゲージするために完了できるタスクのことです。NBAを使用すると、サービスの追加、アプリのダウンロード、ロイヤリティプログラムへの登録などのアクションをレコメンドできます。NBAは、適切なユーザーに適切なアクションを提供することで、マーケティングのクラッターとノイズを同時に減らし、収益の可能性を最大化します。そして重要なことは、これがリアルタイムであることを言いましたか？私たちはこれがゲームチェンジャーだと信じています。私が常に話しているこの人口統計グループとの関係をさらに深めるでしょう。なぜなら、彼らは購買習慣を変えるからです。Gen YとGen Zはすでにそれを行っています。
Generative AIとAmazon Personalizeの統合
さて、私たちが待ち望んでいたものです。私たちの生活を支配しているこのもの。今日の昼食時に冗談を言っていたのですが、60代くらいの叔母がいて、彼女は私が仕事で何をしているのか全く分かっていませんでした。AIが何なのかも全く分かっていませんでした。そして今では、感謝祭の時にAIについて詳しく話したがっています。彼女は私に「あれは人工知能の応答だったと思う？」とさえ聞いてきました。Generative AIは人工知能の一形態で、foundation modelと呼ばれる膨大なデータで訓練されたモデルを活用して、テキストや画像などの新しいコンテンツを作成します。そのデータとモデルにより、foundation model（FMと呼びます）を複数のユースケースに適応させることができます。Generative AIがこれほど人気になった理由は、非常に短時間で行える規模、大きさ、そして無限の可能性があるからです。
私たちは皆、generative AIの進化に興奮しています。これは変革的な技術であり、私たちの働き方を変えただけでなく、顧客とのエンゲージメント方法も革新しました。しかし、generative AI単独ではハイパーパーソナライズされた体験を作り出すことはできません。日曜日に、私たちは異なるペルソナに合わせた3つのgenerative AIのローンチを発表しました。なぜなら、皆さんがいる場所で皆さんに会いたいからです。まず、Amazon Personalize Content Generatorをローンチしました。これは、大規模言語モデルを使用して一連のレコメンデーションのテーマを生成する完全マネージド型の機能です。これらの大規模言語モデル（LLM）は、レコメンドされたアイテムのテーマの類似性を識別し、自然言語を使用して、シンプルでありながら非常に魅力的な説明を作成します。これはカルーセルのタイトル、マーケティングメールの件名、プッシュ通知の見出しなどに使用できます。
Amazon Personalize Content Generator を使用することで、お客様はレコメンデーションを強化し、コンテンツの発見、体験、製品プロモーション、マーケティング成果を向上させることができます。例を挙げてみましょう。お気に入りのオンラインショップで、親友のバチェロレッテパーティー用の黒いドレスを探していたとします。30分後にプッシュ通知やメールが届き、「こんなのはいかがでしょうか」と表示されます。ここで少し巻き戻してみましょう。同じ小売店で同じように黒いドレスを探していたとしても、今度は件名が「小さな黒いドレスに乾杯」となっていたらどうでしょう。どちらのメールを開きたくなるでしょうか？どちらのブランドに関わりたくなるでしょうか？私は2番目のほうだと思います。これこそが Amazon Personalize Content Generator の力なのです。
Amazon Personalize Content Generator は、独自の generative AI アプリケーションを構築したいお客様に多くの柔軟性を提供します。先ほど示したように、Amazon Personalize は製品やコンテンツのレコメンデーション、ユーザーセグメンテーションを生成することができ、それを非常に優れた方法で行います。Amazon Personalize の出力は、generative AI ソリューションのパーソナライゼーションを向上させるための large language model（LLM）への理想的な入力となります。
このワークフローを容易にするため、Amazon Personalize と LangChain などの LLM フレームワークとの合理化された統合を提供しています。LangChain をご存じない方のために説明すると、これはテキスト要約やチャット体験など、さまざまなタスクを実行するように設計されたフレームワークで、generative AI ソリューションをエンドユーザー体験に迅速かつ効果的に組み込むことができます。開発者は LangChain から直接 Amazon Personalize の機能にアクセスできるようになりました。これにより、同じエコシステム内にとどまりながら、generative AI プロジェクトにパーソナライゼーションを追加することがより簡単になります。
最後に、価格、評価、製品説明などのメタデータでレコメンデーションを強化するのに役立つ return metadata 機能をリリースしました。強化されたレコメンデーションを LLM に送り込むことで、エンドユーザーのエンゲージメントをさらに高める、高度にパーソナライズされたコンテンツを生成することができます。最後の2つの generative AI 機能を組み合わせるために、12月後半に LangChain とメタデータリターンを組み合わせたさらに強力な体験を提供する、アップグレードされた LangChain 統合をリリースする予定です。
Amazon Personalizeの成功事例
小売、メディアとエンターテイメント、旅行とホスピタリティ、スポーツ、営利、非営利を問わず、あらゆる規模のビジネスが Amazon Personalize でエンドユーザー体験を変革できます。私たちは進歩を続け、リアルタイムのレコメンデーションを提供し、大小を問わずすべての企業のビジョンを実現するお手伝いをしています。私たちは1700以上のお客様と協力しており、お客様のビジョンを実現するお手伝いができることを誇りに思っています。
Equinoxは、Amazon Personalizeを使用してプレミアフィットネスアプリでクラスをレコメンドすることで、エンゲージメントが92%増加しました。米国で広く知られる公共放送局のPBSは、全プロパティで週間トラフィックが10〜18%増加しました。私たちのお気に入りのペットショップであるChewyも、Amazon Personalizeを使用して商品の並び替えを行い、カートからチェックアウトまでの流れが大幅に改善され、顧客の支出が増加しました。Chewyは、関連性のないレコメンドが顧客との信頼を損なう可能性のあるビジネスにとって、これは大きな影響だったと述べています。今日お話しした進歩は、どれも私たちの大切な顧客からのフィードバックなしには実現できませんでした。では、Liamに引き継ぎます。
Amazon Personalize Content Generatorのデモンストレーション
私はLiamです。AWSのシニアマネージャーを務めています。顧客がサービスを利用する際、パーソナライゼーションを期待しています。Tiaが言及したように、プラットフォームを利用する際、顧客は自分に合わせてパーソナライズされていることを期待しています。顧客は常にあらゆる方面からレコメンドを受けています。そのため、ストリーミングから小売りまで、多くのサイトでは、ユニークなレコメンドを提供し、顧客の足を止めさせ、そのレコメンドに目を向けさせ、エンゲージさせようとしています。私たちは、Amazon Personalizeと生成AIの力を組み合わせることで、顧客企業がそのような超パーソナライゼーションを自社の顧客に提供できるようサポートできると考えています。
Tiaが言及したように、日曜日にAmazon Personalize Content Generatorをローンチしました。これは、サービス内で生成AIを活用して、シードアイテムに基づいてユニークなテーマを作成するものです。例えば、Amazon Studiosのロマンティックコメディ「Something from Tiffany's」というタイトルに基づいて、すでに「このタイトルが好きなら、これらのタイトルも気に入るかもしれません」や「これに似たタイトル」といった機能がありました。Tiaが言及したように、それだけでエンゲージメントを得られるでしょうか？おそらくそうではありません。そのタイトルを見終わった後に、次に見るタイトルを提案するなど、サイト上で適切な役割を果たすでしょう。
しかし、Amazon Personalize Content Generatorを使用すると、そのシードアイテムを取り、レコメンドのセットを生成し、ユニークなテーマを付けることができます。小売の例と同様に、これらの5つのタイトルから生成されたテーマは「Love, Laughter and Hijinks」です。これは、機知に富んで魅力的になるよう設計されています。また、Amazon Personalize Content Generator機能は、そのテーマへの関連性と適用性に基づいてタイトルを並べ替えることができます。
このように、エンゲージメントを高めるよう設計されています。通常、これは非常に手作業で行われていました。これまでは、クリエイターがタイトルを取り、テーマを作成し、そのテーマに合うタイトルでレールやカルーセルを埋め、サイトに掲載していました。今では、Amazon Personalizeが生成した多数のテーマをレビューし、それらが意味をなすかを確認し、テーマに関連するタイトルかをチェックするなど、その労力を別の方向に向けることができます。そして、1つのレールから数十、場合によっては数百ものテーマを作成することができるのです。
メディアでは、これらはしばしばマイクロジャンルと呼ばれます。誰もがアクションやコメディといったジャンルをよく知っていますが、マイクロジャンルは非常に特殊で独特なサブテーマです。私たちがリリースする機能は、確かにこれらのテーマの生成に役立ちます。一つ注意点を挙げると、今日お見せするデモやスライドはすべてメディアやエンターテインメントのユースケースについて話しています。Tiaが言及したように、私たちがリリースした機能は、小売りから旅行、ホスピタリティなど、多くのユースケースに一般化できます。ここではメディアの文脈でデモを行っているだけです。
Generative AIは、ユーザーと新しい方法で対話することを可能にします。具体的にどのように使用したいかはまだ分かりません。知識ベースから情報を取得できるチャットボットの使用や、ユーザーとそのニーズに特化したマーケティングコンテンツ（コピーや画像）の作成、あるいは探しているものについて質問し、その回答に基づいて反復する会話型検索などが考えられます。しかし、Generative AIにはユーザーの好みや行動の文脈が欠けています。それをプロンプトのコンテキストとして渡すこともできますが、ユーザーの興味の全体をひとつのプロンプトで渡すのは難しく、コストがかかる可能性があります。
ここで Amazon Personalize の力が発揮されます。Amazon Personalizeは、ユーザーベース全体とアイテム空間全体にわたって、スケーラブルで低コストな方法でレコメンデーションを生成する手段を提供します。大規模な一連のレコメンデーションを作成し、準備して、大規模言語モデルのシナリオでリアルタイムに使用することができます。これは、Tiaが言及したように、ユーザーの行動に応じてリアルタイムで最も関連性の高いアイテムを提供するUser Personalizationから、サイトで今トレンドになっているもの、最適な検索結果まで、様々な用途に使えます。もちろん、他にも多くのユースケースがありますが、これらは組み合わせ可能だと考えられる方法の一例です。しかし、皆さんがどのように使いたいかは分かりません。そのため、私たちはReturn MetadataとLangChainの機能をリリースしました。
この機能についてもう少し詳しく見ていきましょう。Amazon Personalizeは、リクエストに基づいてレスポンスを提供するAPIベースのサービスです。ここに示しているのは、Amazon Personalize User Personalization APIのレスポンスです。簡単にするために、ここではレコメンデーションを1つだけ要求しています。通常は25個のレコメンデーションを取得し、最大500個まで要求できます。以前は、アイテムIDと関連性スコアだけを取得していました。これは、このアイテムがこのユーザーにとってどれだけ関連性があるかを示すものです。しかし、これは大規模言語モデルに渡すには情報が少なすぎます。大規模言語モデルが扱える情報がそこにはありません。
そのため、外部サービスを呼び出して、アイテムの識別情報を取得し、説明やプロット、受賞歴など、出力を生成するために必要なすべての情報を取得する必要がありました。私たちがリリースしたMetadata Return機能を使用すると、アイテムを要求すると、これまで通りアイテムとスコアを取得できるだけでなく、タイトル、説明、プロット、大規模言語モデルに提供するために必要なすべての情報を取得できるようになりました。
では、アプリケーションでどのように使用するのでしょうか？アーキテクチャについて見ていきましょう。まず、Personalizeの一般的なアーキテクチャから始めます。Tiaが言及したように、Personalizeはトレーニングデータに基づいてモデルをトレーニングするAPIベースのサービスです。このデータはアイテムデータで、コンテンツやアイテムカタログについて知っている情報です。これには説明、プロット、受賞歴など、コンテンツに関するすべての情報が含まれます。通常、これはコンテンツ管理システムやアイテムデータベースから取得されます。次に、インタラクションがあります。これはユーザーがクリックしたもの、視聴したもの、カートに追加したもの、購入したもの、お気に入りに追加したものなど、ユーザーの行動に関する情報です。これは通常、analytics platformやcustomer data platformから取得されます。
そして、オプションでユーザーデータもあります。これはユーザーの人口統計情報、つまりユーザーについて知っている情報です。サブスクリプションレベルやユーザーの人口統計情報、その他の情報が含まれます。これらすべてを使用してAmazon Personalizeモデルをトレーニングし、リアルタイムAPIまたはバッチ推論を生成して、必要に応じてリアルタイムでレコメンデーションを提供します。この新機能を使用すると、これらのレコメンデーションをLangChainのカスタムチェーンや他のオーケストレーションシステムに渡し、プロンプトテンプレートを含む情報を取り込むことができます。生成AIの観点からは、これは構築しようとしているアプリケーションのようなものです。後ほど例をお見せします。また、レコメンドしているアイテムについて知っている情報も含めることができます。
これらすべてを組み合わせたプロンプトを作成し、例えばAmazon Bedrockに渡して出力を生成します。このシナリオでは、顧客向けの1対1のパーソナライズされたメールを生成してみましょう。プロンプトの観点から、それがどのようなものか詳しく見ていきましょう。
大規模言語モデルに何を望んでいるかを指示します。プラットフォームに人々を引き込み、タイトルを視聴させるマーケティングメールが欲しいと伝えます。また、タイトルとそれらに関する情報も提供します。つまり、プロンプトと返されたメタデータ（タイトル、説明、タイトルについて知っているすべての情報）を組み合わせます。そして、出力は1対1のパーソナライズされたメールになります。これで、魅力的なタイトルと本文全体を含む、視聴すべきコンテンツを生成しました。これは1対1でパーソナライズすることができます。
ただし、ユースケースによっては1対1のパーソナライゼーションが望ましくない場合もあります。そこで役立つのがAmazon Personalizeのユーザーセグメンテーション機能です。数百のセグメントを生成し、大規模言語モデルを使用してそれらのセグメントにカスタマイズすることができます。最終的な結果は、プラットフォームに人々を引き込むためのメールを通じて提供される、調整されたレコメンデーションです。
それでは、デモに移りましょう。コンソールでの構築方法をお見せし、アプリケーションでの使用方法について説明します。ここに表示されているのは Amazon Personalize コンソールです。コンソールには、データセットグループのセットがあります。Amazon Personalize におけるデータセットグループとは、レコメンダーシステムを構築するためのすべてのトレーニングデータを指します。このデータセットグループには、データをアップロードして入力を提供した2つの異なるデータセットがあります。
2つの要素の組み合わせがあります。1つ目は、コンテンツに関するすべての情報を含む「アイテム」です。このデモでは、実際に Amazon Data Exchange で利用可能な IMDb データを使用しています。これは、映画やテレビ番組のタイトルに関する素晴らしいメタデータのセットです。2つ目は「インタラクション」で、ユーザーがクリックしたものや視聴したものです。これらのデータからモデルをトレーニングしました。Personalize の用語では、「ソリューション」がトレーニングされたモデルとその周辺機能を指します。
類似アイテムモデルは、類似アイテムを扱うとともに、最近リリースしたテーマ別レコメンデーション機能の中心的な役割を果たします。また、人気度モデルも作成しました。カタログには18,000本の映画がありますが、全18,000本の映画に対してテーマを生成したくはありません。そこで、人気アイテムレシピを使用してトップ100の人気アイテムのリストを作成し、これを新機能のバッチ推論の入力として使用します。
バッチ推論ジョブを開始し、コンテンツジェネレーター付きのテーマ別レコメンデーション機能を使用します。名前を「top 100」とし、すでにトレーニングした類似アイテムソリューションを使用します。読みやすくするために10個のレスポンスを取得します。 2つの情報、アイテム名と説明を提供します。説明はプロットで、アイテム名はタイトルです。メディア用語では、プロットは非構造化テキスト特徴なので、自動的に検出されます。そして、100タイトルのリストを提供します。
これにより100のテーマが生成されます。ただし、類似アイテムが常に類似しているとは限らず、共同インタラクションの結果である場合があります。そこで、現在のアイテムフィルター機能を実装しています。これは、コンテンツの年齢制限（PG-13、Rなど）が同じで、ジャンルが異なるかどうかを確認します。これは、類似アイテムの類似性を確実に一致させるためにリリースした機能です。
それでは、出力を作成していきましょう。出力を表示して、何が含まれているか見てみましょう。 ここで見ていただくのは、JSON出力です。これはseed itemsです。これは、類似アイテムを生成するために使用した私のseed itemです。そして、類似アイテムの並べ替えられたリストと、その10個のアイテムが一致するテーマです。ここでのテーマは「crime and mystery」です。もう一つ重要なポイントは、関連スコアが得られることです。これは、生成されたテーマに対してこれらのアイテムがどれだけ関連しているかを示しています。これらのタイトルとテーマの適用性、そしてテーマがあなたのコンテンツやニーズに適しているかどうかを検証するために、人間のレビュアーを使用することを強くお勧めします。
では、これを架空のストリーミングサイトに適用してみましょう。 ここにあるのは、UnicornFlixという架空のストリーミングサイトです。これは、connected TVやAmazon Fire TVデバイスで見られるようなサイトに似ています。「あなたへのおすすめ」など、期待されるような機能がたくさんあります。これは、Amazon Personalizeのuser personalization recipeが働いているところです。私の最近のアクティビティに基づいて、私に興味深いと思われる最新のタイトルセットが表示されています。
「Trending Now」機能もあります。これは私たちがローンチしたもので、プラットフォーム上で現在リアルタイムでトレンドになっているものを示しています。そして、どのサイトでも期待されるようなものがあります。コメディ、アクション、ドラマなど、ジャンルベースのカルーセル、あるいは「棚」と呼ばれるものです。
ここで、カスタムテーマのレコメンデーションを作成しました。これはマイクロジャンルのレールです。「古典文学の悲恋物語」です。これはAmazon Personalize Content Generatorによって生成され、私の興味に合致しています。私は多くの時代劇や歴史ドラマを見ていたので、これは私にお勧めするマイクロジャンルのタイトルとしてはかなり良いセットです。ここで、私の行動を変えてみましょう。他のタイトルをクリックし始め、本当に異なるタイトルに取り組み始めます。ドキュメンタリーをたくさん見てみましょう。下にスクロールしてドキュメンタリーをクリックします。クリックするたびに、技術的には視聴したことになり、イベントを送信しています。
「Man on Wire」です。ここで見られるのは、通常ユーザーに提示される類似アイテムです。「Man on Wire」が好きなら、「King of Kong」や「Spellbound」など、他のドキュメンタリーを見るかもしれません。たくさんのドキュメンタリーをクリックしてみましょう。クリックを繰り返し、ドキュメンタリーを見ています。4つのドキュメンタリーを見た後、リフレッシュして、どのようなマイクロジャンルのタイトルが表示されるか見てみましょう。すると、「人生、芸術、音楽の魅力的な物語」が表示されました。 これは私の行動に追随しています。変化したのです。今や私はドキュメンタリーに興味を持っています。かなり良いレコメンデーションのセットですね。
では、人気のハリウッドSF映画をいくつか見てみましょう。最も人気のあるトレンドのハリウッドSF映画をクリックして、4、5本見てから更新してみましょう。ここでは re-rank 機能も使っています。実際に結果を再ランク付けしているので、私の行動に基づいてこれらのレールが変化しています。そして今度は「この世のものとは思えない冒険」が表示されます。これは、カタログのより深い部分に誘導するように設計されています。人気サイトの新作をすべて見終わっても、サイトは私を引き続き惹きつけたいのです。そこで、より深いカタログのタイトルに誘導するわけです。
ここで Return Metadata 機能を使ってみましょう。私の架空のサイトには、サイトとチャットして一連のレコメンデーションを求める機能があります。例えば、ドラマ映画をいくつか推薦してもらいましょう。LangChain を使えば、実際にこれを使って Amazon Personalize を呼び出し、このユーザー向けのドラマに特化したレコメンデーションを得るためのフィルターを設定できます。ドラマのタイトルとそれに関連するメタデータのセットが返ってきます。これらのタイトルについてさらに掘り下げることができます。例えば、ドラマを求めたけれど、面白いドラマが見たいと言えます。そして、「これらのタイトルの中に面白いものはありますか？」というように会話を続け、タイトルについての情報を得ることができます。この場合、これらのドラマにはコメディ要素がないようです。
そこでもう一度やり直してみましょう。再度リクエストすると、Amazon Personalize が別のレコメンデーションセットを返してきます。今度はコメディ映画が欲しいと思います。これらの映画について質問することができます。「なかなか良さそうなレコメンデーションですね。『グランド・ブダペスト・ホテル』について聞いてみましょう。誰が監督したの？」実際には、内容について一般的に尋ねているだけで、正確なスペルを使わなかったり、タイトルを短縮したりしています。それでも、ウェス・アンダーソンがこの映画を監督したと教えてくれます。良いですね。賞は取っていないようですが、見る価値はありそうですか？そこで、提供されたメタデータに戻って照会し、実際にはかなりの数の賞を受賞していることがわかります。
これが generative AI の統合の一例です。マーケティングメールなど、さまざまな方法があります。どのように使うかは、どのような統合を構築するかによって本当に異なります。そのため、私たちはこのタイプの統合を構築しました。では、Daryl に引き継ぎます。
FOXのビジネス概要とAWSとの関係
はい、私は Daryl Bowden です。FOX の EVP of technology platforms を務めています。この会話に関連する部門としては、P&R（パーソナライゼーションとレコメンデーション）チームを統括しています。彼らの焦点は、パーソナライゼーションを活用して、私たちのすべてのプラットフォームでの利用率と収益を向上させることです。なぜなら、パーソナライズされた体験は、私たちの顧客体験にとって本当に重要だからです。
FOXには、いくつかの異なるブランドがあります。FOX Sports、Tubi、FOX Entertainment、FOXのローカル局、FOX News Mediaなどです。これらの中で、Tubiはアメリカ最大のAVODプラットフォームです。つまり、最大の広告支援型VODソリューションですね。もちろん、FOX Newsは最大のニュースチャンネルです。規模で見ると、月間アクティブユーザー数は約3億人に達します。最大規模のイベント、例えばSuper Bowlなどでは、同時視聴者数が600万人を超えることもあります。そして、ほぼ毎秒、1秒あたり約5万のデータポイントを収集しています。つまり、私たちの事業は非常に大規模なものなのです。
私たちがこれらすべてを行う理由は、total view time（TVT）と呼ばれるものにあります。他の企業では別の呼び方、例えば視聴時間などと呼ぶかもしれませんが、TVTは私たちのビジネスの核となる指標です。これは基本的に、人々があなたのコンテンツを視聴する総時間のことです。ビジネスの収益化戦略が何であれ - subscription video on demand（SVOD）、advertising-supported video on demand（AVOD）、あるいはcompanion advertising - 人々があなたのコンテンツを視聴する時間が長ければ長いほど良いのです。その時間に対してより多くの広告を販売できます。サブスクリプションサービスの場合、視聴時間が長いほど、ユーザーの満足度が高くなり、解約する可能性が低くなります。つまり、ほぼすべての収益戦略はTVT、つまりtotal view timeに帰結するのです。
私たちには多くの異なる事業部門があり、これが課題となっています。なぜなら、これらすべての事業部門にまたがってすべてを行う個別の技術チームがないからです。確かに、一部のものはビスポークですが、私たちはAmazonと長年協力関係にあります。ご覧のように、私たちのビジネスの多くの部分でAmazonのインフラを大量に使用しています。ここでいくつか例を挙げましょう。MediaCloud Platformは、ライブとVODの両方のアセットに対して、すべての事業部門で使用しているビデオパイプラインやエンコーディングのためのものです。SPARK、私たちのCMS、そしてP&Rチーム - これらはすべてAmazon Web Servicesのソリューションの上に完全に構築されており、FOX Sports、FOX Entertainment、FOX Stations、FOX News Media、そして私たちのさまざまな事業部門で異なる方法で使用されています。
FOXのパーソナライゼーション戦略とAmazon Personalizeの採用
AWSとのパーソナライゼーションに関する私たちの旅を振り返ると、約8年前にさかのぼります。当時、私たちはストリーミングビジネスに参入し始め、FOX Sports Go apps、FOX News、FOX Entertainment、FXをローンチしていました。その時点で、私たちはそのエクスペリエンスにパーソナライゼーションを取り入れようとしていました。市場にあった製品は非常に限られており、item similarity modelingやcollaborative filtering modelsなどの基本的なものを提供する企業がほんの数社ありました。オープンソースのオプションもいくつかありましたが、既製品はかなり高価だったので、私たちはオープンソースのソリューションを選択することにしました。
問題は、私たちが何を知らないかを知らなかったことでした。その経験不足が多くの悪い決断につながりました。文字通りすべてのことにリアルタイムモデリングを使用していましたが、これはサービスリクエストやラウンドトリップタイムの面で非常にコストがかかります。インフラストラクチャを自分たちで管理しなければならず、データを適切な形式に変換するためのEMR（Elastic MapReduce）をサポートしていませんでした。無料のオープンソースソフトウェアが実際にはかなり高価で、私たちにとってはROIがマイナスだったことが判明しました。そのため、数年後には他の選択肢を探していました。
2018年、一部のアイテム類似性モデルやより簡単なタスクにAmazon SageMakerの探索を始めました。幸いなことに、その時点では私たちはデータサイエンスにおいてある程度の経験を積んでいました。しかし、本格的に取り組み始めたのは、2019年のこのカンファレンスでAmazon Personalizeが発表されたときでした。その時からパートナーと協力して取り組んできました。それ以来、私たちは主にAmazon Personalizeを使用し、一部SageMakerも併用して、異なるプロパティ全体での総視聴時間を推進する最も人気のあるユースケースの多くを実現しています。
なぜその決断をしたのでしょうか？もちろん、当時はまだ他の選択肢もありました。先ほど述べたように、私たちはAWSとの長い付き合いがあります。10年以上前からクラウドネイティブで、その間ずっとAWSを使用してきました。すべてのユーザーのすべてのインタラクションデータがすでにAmazonに保存されていたので、私たちが収集していたすべてのイベントデータもすでにそこにありました。これには、前述のMediaCloud Platformを通じたすべてのコンテンツメタデータも含まれていました。マネージドサービスに移行することで、インフラストラクチャの管理に時間を費やす必要がなくなりました。これは経験不足のため、私たちにとって課題となっていた分野でした。
実際にどのように実装したか、そしてどのような結果が得られたかについて、いくつか紹介します。2019年、私たちは最初にFOX Nationアプリでamazon Personalizeを導入しました。これはサブスクリプション型のビデオオンデマンドプラットフォームで、ニュース部門の一部です。実際には、リアリティ番組、実際の犯罪、信仰に基づいたコンテンツなどを特徴とするライフスタイルアプリです。私たちのアプリで最も強力な不動産は、「エンドカード」と呼んでいるものです。
Netflixやそれに類似したプラットフォームを使ったことがあれば、番組の終わりに次に何を見るべきかの提案を見たことがあるでしょう。これは連続ドラマでは簡単ですが、私たちのコンテンツの多くは明確な次のエピソードがありません。視聴者が手動で検索することなく、エンゲージメントを維持するために、そのスペースを効果的に活用する方法を見つける必要がありました。
Amazon Personalize を使って PredictionIO の代わりにモデルを実装したところ、エンドカードからのストリーミング時間が45%増加しました。さらに重要なのは、バウンス率が15%減少し、エンドカードのレコメンデーションに対するユーザーの満足度が高まったことを示しています。これは私たちのプラットフォームにとって非常に重要です。
FOX NationとFOX Sportsにおけるパーソナライゼーションの実装と効果
例をお見せしましょう。これは Abby Hornacek のショーで、彼女の父親で元 Utah Jazz のポイントガードだった Jeff Hornacek が出演しています。こちらがクリップです：
「とても楽しかったわ。ドキュメンタリーの残りの部分も早く見たいわ。」
「ああ、今からガレージの掃除に行ってもいいかな？」
「ガレージの掃除に行っていいわよ。NBA ファイナルの敗北について苦しめてごめんなさい。」
「ガレージで泣いてくるよ。」
「私も入っていくわ。どうぞ。」
このように、彼が NBA ファイナルで勝てなかったことを明らかに 気にしているのがわかります。最後に、Amazon Personalize によって提供された2つのレコメンデーションが表示されます。1つ目はアイテム類似度モデルを使用しており、今見たコンテンツに関連する「The World of TikTok with Kacie McDonnell」を提案しています。2つ目のレコメンデーションは、より多くのユーザーインタラクションコンテキストを使用しています。この場合、Hunter Biden に関するドキュメンタリーを提案していますが、私は実際には見ていません。これらのパーソナライズされたオプションが、私たちにとって重要な45%のエンゲージメント増加をもたらしています。視聴者がコンテンツを探すために戻るのではなく、継続して視聴し続けることが、Total View Time (TVT) を増やすために重要です。
Amazon Personalize の柔軟性を示すもう一つの例として、FOX Sports アプリをご紹介します。FOX Sports は FOX Nation とは大きく異なります。FOX Nation がビデオオンデマンドの長尺コンテンツに焦点を当てているのに対し、FOX Sports は主にライブイベントが中心です。ライブストリーミングの視聴者にコンテンツをレコメンドするのは難しい場合があります。なぜなら、全員が同時に視聴を終えるため、サンダリングハード効果やレイテンシーの問題が発生する可能性があるからです。
以前は、イベントの終了時に単に「ご視聴ありがとうございました」というメッセージを表示するだけでした。丁寧ではありましたが、特に効果的ではありませんでした。Amazon Personalizeを導入してパーソナライズされたコンテンツレコメンデーションを提供することで、コンテンツの視聴開始が400%増加しました。この機能を今年のWomen's World Cupで導入したところ、即座に大きな効果がありました。これらのレコメンデーションは現在、ライブイベント後の平均視聴時間が最も長くなっています。
以前はどのような感じだったか、お見せしましょう。Kevinのためにこの例を選びました。 [クリップ再生]
これは最悪のシナリオを表しています。UCLAが負けたのは素晴らしいことですが、視聴者は行き止まりの状態で、次に何をすべきか明確ではありません。これでは収益化できませんし、実際にはCDNを通じてこのスレートを配信し続けるのにお金がかかってしまいます。この状況には私たちにとって何のメリットもありません。
しかし、Women's World Cupで導入した新しい実装では、体験がまったく異なります。 [クリップ再生] これは、シーズン序盤の素晴らしい瞬間です。物事が悪化する前の時期ですね。正直に言うと、 Kevinに見せたかったのでこれを編集しました。通常は、イベント終了とパーソナライズされたハイライトの間に15秒のプリロール広告があります。このハイライトが私にレコメンドされたのは、私が大学時代を過ごしたUSCのコンテンツをよく見ているからです。システムが私の興味を認識し、関連するコンテンツを提案したのです。
このアプローチは収益化を促進し、プリロール広告へと誘導します。イベント終了後に私を収益化することができるのです。そして、これは終わりのないループです。一度始まると、次から次へと続き、その体験を維持し続けます。これが常に総視聴時間を押し上げており、先ほど言ったように、依然として私たちが行う最も重要なことなのです。
FOXの今後の展開とAmazon Personalizeの可能性
私たちの次の展開は何でしょうか？ いくつかあります：生成AI。次のスライドで、生成AIを使用してハイパーパーソナライズされた体験を作り出すために、現在投資し取り組んでいることについていくつかお話しします。LangChainの統合、これは先ほど私の尊敬する同僚のTiaが言及していました。PersonalizeとLangChainの統合です。そしてAmazon Personalize Content Generator。これについても少しお話しします。もちろん、私たちにとってスケールが重要です。Fox NationやFox Sportsの例をお話ししましたが、fox.comやFox Now製品にも同様に適用しています。他のビジネスにも展開して、その柔軟性を示すことができると思います。
ここでいくつかの次のケースについてお話しします。まず一つ目は会話型レコメンダーです。 先ほどLiamがデモで示したように、私たちは内部で生成AIに大きな投資をしてきました。今週リリースされた成果により、それをPersonalizeサービスと組み合わせることができ、エンドユーザーにとって統一されたものとして提供できるようになりました。Fox Nation製品では、よくテーマ月間を設けています。例えば、True Crime月間や信仰ベースの月間などです。すべてのマーケティングがそれを中心に展開され、見るもの、受け取るコミュニケーションのすべてがそのテーマに結びついています。
以前は、「よし、今月は信仰月間だ。そのテーマに合わせた編集コレクションを作らなければ」と言って、何人もの人が仕事をしていました。何千もの資産のライブラリーを検索し、すべてのメタデータに基づいて本当にそのテーマに合うものを見つけようとしていました。それなりに機能はしますが、かなり退屈な仕事で、最適な資産の選択ができているとは思えませんでした。そこで、これらの編集者のために既に構築したものを、Personalizeからの新しい成果を使ってさらに拡張しようとしています。これは会話型インターフェース、つまりチャットのようなインターフェースを使用して、「信仰ベースの視点を持つTrue Crimeコンテンツのコレクションを20〜30個作成して」と言えるようなものです。
そうすると、それに関連するすべてのコンテンツを返してくれます。しかも、単にコンテンツを返すだけでなく、そのコンテンツ量で最も成功しそうなコンテンツを、最も成功しそうな順序で返してくれます。そのため、ユーザーの前に出したときに、最大の影響を与える可能性が高くなります。これには本当にワクワクしています。おそらく、私たちの編集者たちの方がもっと興奮しているでしょうが。彼らにとっては大きな進歩です。
二つ目はマーケティングメール生成器です。 Liamが先ほど少し触れていましたが、TVT（Total View Time）について話すと、私たちにとって最悪なのはテレビを消して、もう見なくなることです。私の仕事は、再び視聴してもらうことです。つまり、「ここに素晴らしいコンテンツがありますよ。また見に来てください」と言える方法を見つけることです。そこで現在、あなたが最も相互作用する可能性の高いコンテンツを知り、「こんなコンテンツがあなたの興味を引くと思います」というメールを作成できるマーケティングメールの構築に取り組んでいます。それを非常にパーソナライズされたものとして装飾できますし、さらに、あなたが実際に相互作用する可能性が最も高い時間に送信することもできます。Personalizeが今回発表した機能をすべて活用することで、私たちにとって大きな前進になると本当に期待しています。
この世代のAIが信じられないほど速く進化していると言うのは控えめな表現でしょう。特に先週は明らかに非常に速いペースでした。正確にどこに向かっているのかは誰にもわかりませんが、AWSのようなパートナーがいて一緒に取り組んでくれることで、Foxとしては機敏に対応し、努力を最大限に活かすことができます。そのことに大変感謝しています。それでは、Tiaを再び舞台にお迎えしましょう。
ありがとう、Daryl。さて、いくつか伝えたいことがあります。私は話しすぎて時間を超過してしまいました。このクロージングスライドに入る前に強調したいことが1つあります。Next Best Actionについては、ローンチパートナーとしてCrederaがいます。これは全大陸にまたがるグローバルなブティックコンサルティング企業です。彼らはすでにNext Best ActionとPersonalizeのトレーニングを受けています。ですので、Next Best Actionの導入を加速させたい場合は、彼らにご連絡ください。CrederaはAWSのプレミアパートナーで、導入を迅速に進めるお手伝いができます。
さらに、11月29日水曜日にセッションがあります。これは実践的なワークショップで、最も優秀なエッセイをいくつか皆さんにお届けし、generative AIとAmazon Personalizeを使ってマーケティングコンテンツをパーソナライズする方法を理解し、実践できるようにします。先ほどDarylがFoxにとってそれがいかに重要かを話していました。これを皆さんのエンドユーザーやチームに持ち帰ることができます。製品詳細ページ、ドキュメント、そしてそれらのQRコードもあります。そして、パートナー向けのQRコードも意図的に用意しています。先ほどCrederaについて触れましたが、他にも素晴らしいパートナーがいて、皆さんの旅を加速させるお手伝いができます。
Liam、Daryl、そして私からの感謝の言葉を3回お伝えします。ありがとうございます、ありがとうございます、ありがとうございます。LinkedInのQRコードもあります。アンケートにご協力いただき、素晴らしい評価をいただければ幸いです。私たちは素晴らしい発表をしたと思いますので。本当に皆さんの時間に感謝しています。他にも行けるところがたくさんあったでしょう。今はほぼ午後6時です。おそらく夕食や他のイベントがあるでしょう。しかし、何か得るものがあったことを願っています。皆さんの知識を豊かにし、 会社のために次にとるべき最善のアクションについて考えるきっかけになったことを願っています。そして、Amazon Personalizeとgenerative AI（マネージド機能であれ、LangChainやメタデータであれ）を活用して、エンドユーザーのために非常に豊かでハイパーパーソナライズされた体験を作り出す方法について考えていただければと思います。素晴らしい1日をお過ごしください。
※ こちらの記事は Amazon Bedrock を様々なタスクで利用することで全て自動で作成しています。
※ どこかの機会で記事作成の試行錯誤についても記事化する予定ですが、直近技術的な部分でご興味がある場合はTwitterの方にDMください。
Discussion