re:Invent 2024: GrabがAWS Clean Roomsとジェネレーティブ AIで実現するデータ活用革新
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 2024 - Grab innovates with generative AI and secure data collaboration (ADM203)
この動画では、Commerce Media Networksの台頭と、AWSを活用したデータ活用の最前線について解説しています。特に、東南アジアのスーパーアプリGrabの事例を中心に、AWS Clean RoomsやAWS Entity Resolutionを用いたデータコラボレーション、そしてGenerative AIによるパーソナライゼーションの実践について詳しく紹介しています。Grabは67ペタバイトのデータレイクを持ち、月間4,200万人のアクティブユーザーを抱える規模で、Mystiqueと呼ばれる独自のLLMツールを活用してマーケティングコンテンツを自動生成し、エンゲージメント率を25〜50%向上させた実績を持ちます。AWS Clean Roomsを活用したパートナーとの安全なデータ共有や、Generative AIの実装における具体的な課題と解決策についても言及されています。
※ 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。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
AWSとGrabによるイノベーションセッションの概要
それでは始めましょう。皆様、本日のブレイクアウトセッション「GrabがAWS Generative AIとSecure Data Collaborationで実現するイノベーション」へようこそ。私はAWS Customer Data AppsのプリンシパルビジネスデベロップメントマネージャーのShaila Mathiasです。本日は、GrabのData ArchitectureとEDWの責任者であるSneh Agrawal、そしてAWS Customer Data AppsのグローバルビジネスデベロップメントヘッドのAdam Solomonと共にお話しさせていただきます。まず、AWSと広告・マーケティング分野のお客様との長年の関係について、特に新しく台頭してきたCommerce Media Networksという顧客層に焦点を当てながらご説明します。次に、この業界のお客様が、カスタマーエクスペリエンスのパーソナライゼーションと技術革新の両立において直面している一般的な課題について触れ、その後、AdamからAWSのインフラストラクチャーと目的特化型サービスによるこれらの課題への対応についてお話しいただきます。
その後、東南アジアを代表するスーパーアプリとして、数百万人のユーザーに配車、デリバリー、モバイル決済サービスを提供しているGrabから、Snehにお話しいただきます。SnehはGrabとAWSの12年にわたる関係性と、AWS Generative AIおよびSecure Data Collaborationを活用したイノベーションについてご紹介します。最後に私から簡単なまとめをさせていただき、皆様にre:Inventの他のセッションをお楽しみいただきたいと思います。
Commerce Media Networksの台頭と課題
AWSは17年以上にわたり、広告・マーケティング分野のお客様をサポートしてきました。最も安全なクラウドコンピューティング環境として、目的特化型サービス、ソリューション、そして150以上の業界特化型パートナーを通じて、広告・マーケティングのイノベーションを加速する幅広い選択肢と柔軟性を提供しています。この業界における顧客層には、ブランドマーケター、エージェンシー、AdTechおよびMarTech企業、そしてメディア企業が含まれます。
ここ数年、この業界で新しい顧客層が現れてきました。それは、顧客に商品を販売するブランドとしての側面と、オーディエンスにコンテンツを提供しながらパーソナライズされた広告でそのスペースを収益化するメディアオーナーとしての側面を併せ持つ存在です。これがCommerce Media Networksです。 Commerce Media Networkとは、取引データを活用して広告を通じ、より関連性の高い顧客体験を創出する製品・サービス販売企業のことを指します。
eMarketerによると、現在200以上のCommerce Media Networksが存在し、2028年までに広告支出は推定1,300億ドルに達すると予測されています。これは、その年の総広告支出の約28%を占めることになります。Commerce Media Networksには、小売業者、金融サービス企業、旅行・ホスピタリティ企業などが含まれます。Amazon Advertisingを先駆者の一つとするRetail Media Networksは10年以上の歴史がありますが、Commerce Media Networksはより新しい現象です。自社のエコシステム内および広くデジタルエコシステム全体で、ファーストパーティデータに加えて連携するメディアやブランドサイトからの入力を活用し、顧客にパーソナライズされた広告を提供するビジネスは、すべてこのカテゴリーに含まれます。
Commerce Media Networkの一例として、配車サービスとフードデリバリーを提供する企業が、顧客の全行程における様々なシグナルや購買意図を分析し、顧客が目的地まで移動している間にアプリ内でパーソナライズされた広告を配信するケースが挙げられます。Commerce Media Networkは、単一の小売業者における購買データだけでなく、多様な意図や取引に関するシグナルを持っており、これらの豊富なシグナルを活用して顧客体験を向上させ、広告主に価値を提供することができます。
Commerce Media Networkからよく聞かれる要望として、「MLやAIを活用して顧客に超パーソナライズされた体験を提供しながら、自社のファーストパーティデータを統合し保護したい。ビジネス目標を達成しながらデータを保護できる技術が必要だ」というものがあります。そして、Commerce Media Networkであれ、広告やマーケティング分野の同様の立場であれ、統合されたセキュアな顧客データ基盤を構築し維持することで、Generative AIを含む技術の進歩に対応していく必要があります。
大規模企業のほとんどでは、顧客データは断片化され、不完全な状態で、異なるデータストア、チャネル、アプリケーションに分散しています。これらのデータを単一の顧客レコードとして接続することは、複雑で困難な課題です。企業は、消費者のプライバシーを保護するためのガバナンスを強化しながらデータを統合・接続したいと考えており、そのプロセスにおいて自社のデータレイクやクラウド環境の外にデータを移動したり保管したりすることを望んでいません。
統合された顧客プロファイルは、MLとAIを使用した超パーソナライズされた体験の基盤となり、顧客の変化する好みに合わせた一対一の体験を創出することを可能にします。企業は、顧客の統合された豊かな360度ビューを作成したいと考えています。これは、その企業のエコシステム内での行動だけでなく、人口統計、ライフステージ、行動パターン、訪問場所、購買履歴、ブランドロイヤリティなども含まれます。企業が保有する顧客に関するファーストパーティデータだけでは、この360度ビューを構築するには不十分なことが多く、そこでパートナー、加盟店、メディア企業、データプロバイダーの協力を得て、プライバシー強化されたデータコラボレーションを活用することで、消費者プライバシー規制に準拠しながら360度ビューを実現する必要があります。
AWSのデータコラボレーションとGenerative AIソリューション
AWS Clean Roomsは、2社以上の企業が、基となるデータを開示したり自社のクラウド環境外に移動したりすることなく、集合的なデータのマッチング、分析、コラボレーションを行い、新しいインサイトを生成できるようにするAWSのサービスです。このサービスは、AWS上のソースデータによるマルチパーティコラボレーションをサポートし、この日曜日に新たに発表されたように、Snowflakeなど他のクラウド上のソースデータにも対応しています。分析の実行、結果の受け取り、支払いなどに関する設定可能なメンバー権限に加えて、結合キー、許可される分析タイプ、SQLやMLを使用した最小出力など、きめ細かいプライバシー制御をコンソールまたはAPIを通じて提供しています。
この1年間で、AWS Clean RoomsはAWS Entity Resolutionと統合されました。これは、AWS Clean Rooms内でファーストパーティデータの統合を実現する姉妹サービスです。AWS Entity Resolutionを使用することで、設定可能なルールベースのマッチング、MLベースのマッチング、またはTransUnionやLiveRampなどのパートナーマッチングを使用して、関連レコードのマッチング、リンク、強化が可能になります。現在、AWS Entity ResolutionのルールベースマッチングとLiveRampのパートナーマッチングがAWS Clean Roomsにネイティブに組み込まれており、お客様のユースケースに合わせたマッチングのスケーリングに必要なジョインキーを選択できるようになりました。
パートナーデータのコラボレーションを通じて統合・強化された完全な顧客ビューは、Generative AIの価値を引き出すための重要なインプットとなります。 カスタマーエクスペリエンスのパーソナライゼーションについてより深く理解するために、一旦視点を広げて、カスタマージャーニーの文脈でパーソナライゼーションを考えてみましょう。まず、企業は消費者が見込み客なのか既存顧客なのかを知る必要があります。これは大きな違いをもたらすからです。既存顧客は、すべての接点やタッチポイントで関連性が高く、一貫性のある、魅力的なパーソナライゼーションを期待しています。これは、顧客があなたのブランドや製品、サービスを発見した時点から始まり、必要な製品やサービスを見つけ、購入し、使用し、そして理想的には再購入へと続いていきます。
だからこそ、統合された顧客ビューを構築し、それをMachine LearningとGenerative AIのドライバーとして活用し、エクスペリエンスをハイパーパーソナライズすることが非常に重要なのです。
顧客が誰であるかを理解できれば、その情報をMachine Learningと組み合わせて、製品やコンテンツのレコメンデーションを行うことができます。そして、それらのレコメンデーションに基づいて、Generative AIを使用してチャネル全体でカスタマイズされたコンテンツを作成することができます。では、具体的なユースケースを詳しく見ていきましょう。
これは典型的なマーケティングキャンペーンのコンテンツワークフローを示しています。フロントエンドには顧客データの集約があり、ルールベースの意思決定エンジンと、社内または外部のエンゲージメントプラットフォームがあります。多くの場合、比較的静的なマーケティングコンテンツと、広範なキャンペーンセグメンテーションが存在します。このフローでは、関連性の高いメッセージで顧客とエンゲージすることが非常に困難です。しかし、ここにMachine LearningとGenerative AIを組み込んで、ハイパーパーソナライゼーションを実現してみましょう。
こちらがハイパーパーソナライズされたマーケティングコンテンツを生成するパイプラインです。Amazon QuickSightを使用してデータを分析し、キャンペーンの意思決定をサポートすることができます。Amazon Personalizeを使用して商品に興味のあるユーザーをセグメント化し、その後Amazon Bedrockを使用してパーソナライズされたプロモーションコンテンツを生成することができます。さらに、Amazon Bedrockのガードレールを使用して、コンテンツのコンプライアンスとガバナンスを確保することができます。そして、生成されたコンテンツを既存のキャンペーンプラットフォームに展開することができます。
こちらは、ユーザーの取引履歴、検索履歴、顧客の好みなどの関連データを考慮して自動生成されたハイパーパーソナライズされたメールの例です。赤字で示されている部分は、メールタイトル、プロモーション商品、パーソナライズされた商品メッセージ、顧客セグメントに基づいたベネフィットなど、この特定の顧客向けにパーソナライズされたコンテンツです。このメールには、割引の提供やCall To Actionなど、ロイヤリティステータスの認識も含まれています。
こちらは、旅行分野におけるハイパーパーソナライズされたコンシェルジュChatbotの例です。このChatbotは、顧客のロイヤリティステータスを認識し、顧客の好みに基づいて商品をレコメンドします。そして、顧客固有のオファーを提案します。先ほどのメールマーケティングの例と同様のコンテンツパーソナライゼーションが見られます。メッセージやチャネルに関係なく、ハイパーパーソナライゼーションを活用することで、個々のユーザーをより深く理解し、Generative AIをよりスマートで消費者にとってより関連性の高いものにすることができます。
このように、統合された顧客ビューとMachine Learning、Generative AIを組み合わせることで、カスタマイズされたコンテンツを作成し、個々のユーザーに最適化することができます。カスタマーエクスペリエンスをパーソナライズし、さらに重要なことに、これらすべてをブランドセーフティとコンテンツモデレーションを念頭に置いて実現できます。これらすべてを実際の顧客事例として紹介するために―私たちは顧客事例が大好きなのですが―GrabのSneh Agrawalさんをご紹介できることを嬉しく思います。
Grabのスーパーアプリとデータ活用戦略
ありがとうございます、Adam。皆様、こんにちは。私はSnehと申しまして、GrabでData ArchitectureとEDWを統括しています。 本日は、Grab Super Appの journey、主要なマイルストーン、そして革新的なテクノロジーを活用して私たちのユーザーに優れたサービスを提供する方法についてお話しできることを嬉しく思います。Grabとは何か？Grabは東南アジアをリードするSuper Appで、配車サービス、フード、パッケージ配送サービス、モバイル決済、金融サービスなど、幅広いサービスを提供しています。私たちのミッションは、すべての人々に経済的エンパワーメントを創出することで、東南アジアを前進させることです。私たちは地域全体で何百万人ものユーザーにサービスを提供し、日常生活をより便利で効率的にする不可欠なサービスを提供しています。
Grabは2012年、1つの都市、1つの国から、主に信頼性の高い配車サービスの提供に重点を置いて、控えめなスタートを切りました。その後、8カ国700以上の都市に事業を拡大し、東南アジアで誰もが知る存在となりました。この急速な成長は、イノベーションへの取り組み、顧客満足度の追求、そしてユーザーの進化するニーズに適応する能力によって実現されました。
このスーパーアプリは、相互にシームレスに連携する3つのアプリから成るエコシステムです。1つ目は、私たちが提供する様々なサービスを利用できる消費者向けアプリです。2つ目は、ドライバーパートナーが配車サービスや配達業務を行うためのドライバー向けアプリです。そして3つ目は、加盟店パートナーが配達注文を処理するためのマーチャントアプリです。このスーパーアプリの成功は、ユーザーの支出増加、注文数の増加、そしてパートナーの仕事量と収入の増加が組み合わさって実現されました。私たちは消費者、加盟店、ドライバーとの強い関係を築き、全ての関係者の収入向上を実現しています。
データとテクノロジーを活用することで、私たちは継続的にサービスを改善し、エコシステムに価値を創出しています。私たちは膨大なデータを保有しており、データレイクは67ペタバイトにも及び、急速に増加し続けています。1日あたり200～300テラバイトのデータが追加されています。月間4,200万人のアクティブユーザー（MTU）を抱えており、これにより膨大な量のデータを分析してサービスを最適化することができます。このデータは、ユーザーの行動や好み、トレンドについての洞察を得るのに役立ち、データに基づいた意思決定とサービス向上を可能にしています。
GrabとAWSのコラボレーションは長い歴史があります。Grabは2012年にクラウドネイティブなスーパーアプリとして立ち上げられました。それ以来、私たちは国々への展開とサービスの拡大を続けており、すべてAWSのインフラを基盤としています。2022年には、ほとんどのデータワークロードをAWSに移行しました。これについては後ほど詳しくお話しします。同年には銀行業務にも参入しました。昨年からは、AWS Clean Roomsを使用してデータパートナーとのコラボレーションを開始し、現在もAIの技術的・非技術的活用において革新を続けています。
2022年の移行プロジェクトには、40のチーム、300人のユーザー、5つのアプリケーション、そして最大4,000のワークロードが関わりました。この移行によって何が得られたのでしょうか？それは運用効率の向上、ストレージとコンピューティングの両面でのコスト削減、そして統合されたデータレイクのメリットを享受できるようになったことです。また、私たちは独自のGrabMapsを開発しており、これは自社のアプリだけでなく、8カ国すべてでAWSロケーションサービスにも採用されています。さらに、不正監視・検知・防止サービスのGrabDefenceや、従業員が経費管理の手間なくビジネスプロフィールで利用できるGrabForBusinessなども提供しています。
シンガポール、マレーシアのGxS、そしてインドネシアのSuper Bankという3つの国に3つの銀行があります。そして最後に、これから詳しくご説明するGrabAdsという広告サービスがあります。 GrabAdsは基本的なフリート広告からスタートしました。2018年にデジタル広告に参入し、2019年にはより効果的なスケーリングを目指してフード広告を開始しました。2020年にはマーチャント向けのセルフサービス機能を立ち上げ、2021年には動画などの新しいフォーマットを導入しました。数年前にはオークションとセルフサービスプラットフォームへと移行し、現在もセルフサービスソリューションの最適化を続けています。
GrabAdsのユースケースは大きく3つのカテゴリーに分類されます。マーチャントパートナーは、私たちのプラットフォームを通じてキャンペーンの管理、プロモーションの推奨、パーソナライズされたパフォーマンスインサイトを得ることができます。私たちはSuperappのエコシステムを活用して、サービスのクロスセル、離脱の可能性のある顧客の再活性化を行い、成長とエンゲージメントを促進しています。企業は、当社の豊富なファーストパーティデータと様々なソリューションを活用して広告キャンペーンを実施し、ターゲットオーディエンスに効果的かつ効率的にリーチすることができます。私たちは顧客にサービスを提供する際にハイパーパーソナライズされたアプローチを採用しており、 それは主に4つのカテゴリーの特徴によって実現されています：ユーザーの人口統計情報、購入履歴、取引頻度、そして利用しているサービスです。
GrabのGenerative AIツール「Mystique」の詳細
私たちは、ユーザーの好みや嫌いなものを示す顧客満足度データ、アプリへの再訪問頻度や様々な製品のコンバージョンファネルにおける進行状況を示すエンゲージメントデータなど、追加の特徴も分析しています。これらのデータをMLパイプラインに投入し、エンドツーエンドの特徴量エンジニアリング、モデルトレーニング、推論を実行し、ユーザーがハイパーパーソナライズされた体験を得られるようAWS Data Lakeに保存しています。
このアーキテクチャを設計する際、私たちは3つの主要な考慮事項を重視しています。 1つ目はアクセシビリティです - データセキュリティに配慮しながら、アナリストが 様々なプロジェクトに必要なときにデータにアクセスできるようにしています。2つ目はスケーラビリティです - 膨大なデータ量とユーザー数に対応するため、高速な予測速度を維持しながらユーザー数をサポートできるモデルを確保する必要があります。3つ目は再利用性です - 一度作成した特徴量は 多様なユースケースで活用できます。
このアプローチから得られる成果として、ユーザーが該当する ペルソナに基づいて差別化されたサービスを提供することができます。優先順位付けを通じて、 特定のユーザーにとってより関連性の高いサービスを判断することができます。サービスの効果的なアップセルとクロスセルが可能です。製品ロードマップの開発やGrab内の課題を理解するために、カスタマーエクスペリエンスを定量化することができます。さらに、カスタマージャーニーを定義・定量化することで、 製品ロードマップの作成やGrab内の既存の課題の理解に役立てています。
私たちは、豊富な自社データと外部シグナルを活用してセグメントの検証を行い、パーソナライゼーションの取り組みの正確性と効果を確保しています。このアプローチにより、サービスやマーケティング活動をより効果的に調整し、成長とエンゲージメントを促進することができます。セグメントを継続的に改善することで、ユーザーにより関連性の高いパーソナライズされた体験を提供することができます。
先ほど説明したように、データコラボレーションの一部にAWS Clean Roomsを使用しています。DCRsを使用することで、事前に物理的なデータ移動を行うことなく、パートナーと安全にデータを共有することができます。この設定は簡単に構成でき、重複するデータセットの安全な共有を保証し、パートナーとの効果的なコラボレーションを可能にします。一般的な実装では、Grabとパートナーがそれぞれのテーブルやデータセットを目的のコラボレーション用に設定します。Clean Room内で分析を実行し、その結果をデータレイクに取り込み、カスタマープロファイルの強化に活用します。このアプローチにより、レイクから直接サービス提供できる幅広いユースケースにデータを活用することが可能になります。
今日の議論はGenerative AIに触れずには完結しませんので、早速、私たちがGen AIをどのように活用して業務とカスタマーエクスペリエンスを向上させているかについてお話ししましょう。Gen AIは私たちにとってゲームチェンジャーとなり、プロセスの効率化とスケーラブルなパーソナライズドコンテンツの提供を可能にしました。私たちは、Gen AIの急速な進化に対応しながら、3つの広範な領域に重点的に投資しています。1つ目は、Swiss army knifeアプローチで、これまで複数の専門モデルを必要とした翻訳、感情分析、カテゴリー分類などの複数の機能を実行する汎用推論エンジンとして使用します。2つ目は、サポートエージェント向けのCopilotやIDEのコーディング生産性ツールを通じた社内の生産性向上です。3つ目は、カスタマーエクスペリエンスの変革です。
次に、Mystiqueと呼ばれる、スケーラブルにマーケティングコンテンツを作成する当社のLLMツールについてお話しします。Mystiqueは、Gen AIを活用して、ユーザー向けの魅力的なコンテンツをスケーラブルに作成します。このツールは、コンテンツ作成プロセスに革新をもたらし、高品質なコンテンツを迅速に生成することを可能にしました。Mystiqueについて詳しく説明する前に、ツール自身に語らせてみましょう。
私たちは、ドロップダウンメニューとスライダーを使用してプロセスをできるだけシンプルにしました - 生成ボタンを押すだけです。クリエイティブブリーフの馴染みのあるフォーマットに入力するだけで、あらゆるタッチポイントで複数バージョンのクリエイティブを作成でき、プロンプトの作成経験は必要ありません。私のことを単なる時間節約の自動化ツールだと思われるかもしれませんが、本当の価値はAIパーソナライゼーションにあります。任意のユーザーセグメントに対して、どの製品でも、どの言語でも、リアルタイムでコピーを生成できます。そして、これを1日に何百回も、1ヶ月に何千回も、年間365日実行できます。
Mystiqueは高度なAIモデルを活用して、ユーザーマーケティングキャンペーン向けにパーソナライズされた関連性の高いコンテンツを生成します。これにはソーシャルメディアの投稿からメールニュースレター、プッシュ通知まで、あらゆるコンテンツが含まれ、確実にオーディエンスに響くコンテンツを提供します。その効果は数字が物語っています - Mystiqueはコンテンツ生成時間を最大98.5%削減し、従来の何分の一という時間でコンテンツを作成できるようになりました。これにより、市場動向に素早く対応し、ユーザーにタイムリーで関連性の高いコンテンツを届けることが可能になりました。
Grabユーザーのエンゲージメント率は25〜50%上昇し、パーソナライズされたコンテンツの効果が実証されています。単にコンテンツを素早く作成できるようになっただけでなく、オーディエンスに響くコンテンツを届けることで、より良い結果も得られています。加盟店とのコミュニケーションにおけるエンゲージメント率は117%上昇し、ターゲットを絞ったマーケティング施策の効果が顕著に表れています。加盟店パートナーにパーソナライズされた関連性の高いコンテンツを提供することで、関係性を強化し、より良い結果を導き出すことができています。
では、どのように機能するのでしょうか？クリエイティブチームはMystiqueのフロントエンドで、ターゲットオーディエンス、コンテンツタイプ、チャネルなどのパラメータを設定し、LLMによるコンテンツ作成の方向性を定めます。これは、マーケティングチームの従来の作業方法を踏襲しており、このステップは常に必要でしたが、今ではコンテンツを手動で作成する代わりにLLMが作業を行います。これがチームの抵抗を最小限に抑え、急速な導入を実現する鍵となりました。その後、Mystiqueは Retrieval Augmented Generation を使用してデータベースからデータを取得し、コンテンツがペルソナ、ライフサイクル、実績のあるエンゲージメントスタイルと確実に一致するようにします。
LLMは、データ入力、ユーザーコンテキスト、過去のメトリクスを活用してコンテンツを生成します。コンテンツは当社のブランドガイドラインに照らして検証され、自動システムと人間のレビュアーからのフィードバックによってプロセスが改善されます。検証済みのコンテンツは、11のチャネル、12のペルソナ、9のライフサイクル、15の言語にわたって展開され、これは17,000以上のバリエーションになる可能性があります。キャンペーンのパフォーマンスメトリクス（クリックスルー率やコンバージョン率など）は追跡され、将来のコンテンツ改善のためにシステムにフィードバックされます。
バックグラウンドで行われていることをご説明しましょう。先ほど述べたように、MLモデルは様々なデータセットを使用してユーザーペルソナとユーザーライフサイクルを生成します。マーケティングチームは、キャンペーンに基づいてコンテンツを生成するためにMystiqueフロントエンドでパラメータを設定します。彼らはGrabの声（エキサイティングな調子にするか、共感を示す調子にするかなど）、キャンペーンブリーフ自体を設定し、特定のライフサイクルステージにいる可能性のあるターゲットとなるユーザーペルソナを選択し、最後に生成したいコンテンツタイプ（バナー広告、EDM、プッシュ通知など）を選択します。
例えば、中央右のコンテンツサンプルを見てみると、これは価格に敏感な顧客向けに、より安い配送料を提供するSaverプランを宣伝するためのものでしょう。この場合、マーケターはブリーフを入力した後、トーンを「エキサイティング」に設定し、価格に敏感なペルソナとしてオフィスワーカー、学生、子供のいる家族を選択し、コンテンツタイプとしてプッシュ通知を選んでいます。ここから魔法が始まります。私たちは、これまでに生成してきた何十万ものコンテンツに基づいて、Vector Databaseにエンベディングを持っています。Mystiqueはこれらの入力を受け取り、類似性検索を実行し、結果を取得して、要件に基づいてコンテンツを生成するためにLLMに送ります。その後、2つのフィードバックループが始まります。1つ目は下部にある人間によるループで、コンテンツを検証し、フィードバックを提供して再生成するか、そのまま承認するかを決定します。これにより、コンテンツの品質を継続的に向上させることができます。
このフィードバックプロセスにより、時間とともにコンテンツ生成を改善することができます。例えば、「delivery fee（配送料）」という用語が使用されているのがわかります。以前のキャンペーンでは単に「fee（料金）」と生成されていたかもしれませんが、それは誤解を招く可能性がありました。その時点で、マーケターは「fee」だけを使うのではなく、実際には「delivery fee」全体を使うべきだというフィードバックを提供しました。このフィードバックが提供されると、以降のキャンペーンでは「delivery fee」が使用されるようになります。
もう1つのフィードバックループは、パフォーマンス指標です。Mystiqueは、過去のキャンペーンとそのクリック率やコンバージョン率などのパフォーマンス指標についてもエンベディングを持っています。キャンペーンが実行されると、その指標は将来のキャンペーンのためにMystiqueにフィードバックされます。例えば、これらの通知にはさまざまな絵文字が使われていますが、過去のキャンペーンから特定の絵文字が他よりも効果的だとわかっている場合、より効果的な絵文字を使用します。最終的なアウトプットは、ユーザー属性、ユーザーペルソナ、ライフサイクルという3つの異なるタイプに基づいてカスタマイズされます。
Generative AI導入の課題と今後の展望
この分野では、私たちはすでに多くのことを行い、さらに取り組みを続けています。すべてがうまくいったかというと、そうではありませんが、経験から学び、イノベーションを続けています。まず1つ目は社内での学びです。新しいテクノロジーに対する社内ユーザーの準備状態は、軽視すべきではない行動の変化を伴います。効果的なチェンジマネジメントは、これらの新技術への円滑な移行と成功的な導入に不可欠です。この分野は急速に進化しており、それに伴う懐疑的な見方もあります。さらに、比較的新しい分野であるため、チームが効果的に活動できるよう、十分な立ち上げ期間を確保する必要があります。すべてが期待通りに進むわけではありません。混乱や予期せぬ課題に備えることで、不確実性に対処し、成功的な結果を導くことができます。最後にツーリングですが、チームに適切なツールとトレーニングを提供することで、新しいシステムへの適応と継続的な改善を推進することができます。
次はペルソナです。Generative AIは誰もが使えるものであり、したがって異なるペルソナに対して利用可能にする必要があります。企業の知識ベースにアクセスして質問に答えるシンプルなLLMボットを使用するNo-codeユーザーがいます。特定のユースケース向けの基本的なアプリケーションを作成するLow-codeユーザーがいて、これはドラッグアンドドロップのブロックコードを利用できるようにするものです。遺伝的ワークフローを作成したい上級ユーザーであるHigh-codeユーザーもいます。エンジニアがシステムのプロビジョニングやセットアップに時間を費やすことなく、すぐに作業を始められるようなハイパーテンプレートフレームワークを提供します。最後にエンドユーザーですが、私たちが行うすべては最終的に彼らのためであり、シームレスかつ報われる体験を提供する必要があります。
最後に、予期せぬことは起こるものです。消費者の行動は非常に微妙で予測が困難です。私たちは、Hallucinationとレイテンシーを客観的に予測し、測定する必要があります。LLMのような新しいテクノロジーは、リアルタイムのユースケースに問題をもたらすレイテンシーやHallucinationなど、それなりの課題を伴います。そして最後に、大胆な挑戦か現状維持か - 大胆な挑戦を選ぶか現状維持を続けるかは簡単なトレードオフではありませんが、ある時点で大胆な挑戦に踏み切る必要があります。
結論として、私たちの journey はイノベーションと成長へのアプローチを形作る貴重な学びで彩られてきました。社内での学び、ペルソナの理解、そして予期せぬ事態への備えに焦点を当てることで、私たちはユーザーやパートナーに価値を提供し続け、成功を推進することができます。ご清聴ありがとうございました。同様のユースケースをお持ちの方々とのつながりを楽しみにしています。ここで、簡単なまとめのために Shaila にバトンをお渡しします。
Grab が取り組んでいる革新的な取り組みと、その結果として実現しているビジネス効率の向上についてご共有いただき、ありがとうございます。 残り数分で、本日のポイントを振り返らせていただきます。第一に、Commerce Media Network は、カスタマーエクスペリエンスを向上させ、広告主の投資から新たなビジネス価値を生み出すために活用できる、豊富で多様なシグナルを持っています。第二に、Commerce Media Network のような企業は、統合され充実したカスタマーデータの恩恵を受け、ハイパーパーソナライズされたカスタマーエクスペリエンスを通じてビジネス価値を構築するための強力なデータ基盤を作り出しています。最後に、AWS Generative AI は、Sneh が説明したようなクリエイティブ生成やインタラクティブなチャットボットなどを通じて、そのようなハイパーパーソナライズされたカスタマーエクスペリエンスの創出を支援します。
強固なデータ基盤とインプットを活用することで、AWS は、お客様の AWS Generative AI の探索、テスト、本番環境をサポートするインフラストラクチャ、ツール、アプリケーションを提供します。皆様の journey がどの段階にあっても、本日ご紹介した AWS のサービスに関するリソースをご用意しています。 AWS Migration Assessment や AWS Clean Rooms、AWS Generative AI のエキスパートとつながるための QR コードをご用意しています。 Sneh、Adam、そして私を代表して、皆様の貴重なお時間とご注目をいただき、ありがとうございました。今後のコンテンツ改善のため、アンケートへのご協力をお願いいたします。ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion