20201125 EC Solution Seminar Recommend

1© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved | 1© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved |
Kousen Ko, Solutions Architect
Amazon Web Services Japan K.K
2020.11.25
EC向けML/Analyticsソリューション
レコメンデーション

2© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved |
whoami
⻩光川 (コウコウセン)
所属
• ソリューションアーキテクト
• いわゆる "Web 系" のお客様を担当
好きな AWS サービス
• Amazon EKS, ECS
• Route 53
プライベート
• 妻と⼩2の娘
• サッカー、卓球、海
• ビール、⽇本酒、あらゆるアルコール類

Agenda
現状のパーソナライズと顧客の期待
パーソナライズの効果
Amazon Personalizeの紹介
Amazon Personalizeのアーキテクチャ例
お客様事例

https://www.business2community.com/
marketing/30-amazing-personalization-
statistics-02289044
63%
THE CURRENT LANDSCAPE
パーソナライゼーションを標準的な
サービスレベルと見なしている顧客の割合
マーケットリーダー達は顧客満足度
向上の為にパーソナライズに投資し
ています。

ビジネス成果向上における
パーソナライズの効果
ユーザエクスペリエンスの理解、計測、改善
商品やコンテンツとの関わる時間の増加
エンゲージメント
新規顧客の獲得
既存御客の維持
顧客の獲得と維持
デジタルマーケティングの効率を改善
ユーザあたりの平均収益の増加
効率と収益
商品やコンテンツを発⾒しやすくする
新商品、コンテンツ、プロモーションを強調
発⾒性の向上

6© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved |© 2020, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark.
ECに必要なレコメンデーション機能
u お客様それぞれにカスタマイズされたお勧め商品の作成
u 類似商品の検索
u 新商品、お得な情報、プロモーションを⾒つけやすくする
u お勧め商品の並び替え
u リアルタイム性のあるレコメンデーション
u 厳選された商品のスライドショー
u アップセルとクロスセルのレコメンデーションを作成
u 新しい商品の強調表⽰
u などなど

⼈気の罠
ナイーブなモデルは⼈気ランキングと似たような商品を推薦してしまう
コールドスタート
新規ユーザーにも適切な推薦をし、新規商品も推薦対象に含める必要がある
スケーラビリティ
数百万ものユーザーとアイテムへスケールさせる必要がある
リアルタイム
ユーザーの意図に柔軟に反応する必要がある
モデル構築
パーソナライゼーションのモデルはビジネス価値とユーザー⾏動を忠実に反映する必要がある
レコメンドシステムを構築する上での課題

8© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved | 8© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved |
Amazon Personalize
Amazon.com と同様のテクノロジーを利⽤し、機械学習の経験が不要な
リアルタイムパーソナライゼーション / レコメンデーションサービス

AWS の機械学習スタック: 最も広範で成熟した機能群
VISION SPEECH TEXT SEARCH CHATBOTS PERSONALIZATION FORECASTING FRAUD DEVELOPMENT CONTACT CENTERS
Ground
Truth
Augmented
AI
AWS
Marketplace
for ML
Neo
Built-in
algorithms
Notebooks Experiments Processing
Model
training
and tuning
Debugger Autopilot
Model
hosting
Model Monitor
Deep Learning
AMIs & Containers
GPUs
and CPUs
Elastic
Inference
Inferentia FPGA
Amazon
Rekognition
Amazon
Polly
Amazon
Transcribe
+Medical
Amazon
Comprehend
+Medical
Amazon
Translate
Amazon
Lex
Amazon
Personalize
Amazon
Forecast
Amazon
Fraud Detector
Amazon
CodeGuru
AI SERVICES
ML SERVICES
ML FRAMEWORKS & INFRASTRUCTURE
Amazon
Textract
Amazon
Kendra
Contact
Lens
For Amazon Connect
SageMaker Studio IDE
Amazon
SageMaker
NEW
NEW NEW NEW NEW
NEW
NEW NEW NEW NEW NEW
NEW NEW
NEW

10© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved | 10
機械学習を使⽤して、全
ての顧客やデバイスで洗
練された独⾃のエクスペ
リエンスを提供
NOW
1998年に最初のレコメンド機能
THEN
Amazonでのパーソナライゼーションの歴史
20年以上にわたる進化

顧客の好みや⾏動の変化に応じて⾼品質のレコメンデーション
を提供。変化の速いカタログに対して最⼤50％優れたレコメン
デーションを作成。
Amazon Personalizeを既存のWebサイト、アプリ、SMS
、およびEメールマーケティングシステムに簡単に統合す
ることにより、すべての顧客との繋がりをパーソナライズ
する。
数回クリックするだけで、カスタムMLモデルの構築、ト
レーニング、デプロイの⾯倒な作業をすべて実⾏させるこ
とで、⼤規模なMLソリューションを簡単に構築できる。
すべてのデータは暗号化されて安全に利⽤され、顧客へのレ
コメンデーションを作成するためにのみ使⽤される。
データは顧客間またはAmazon.comと共有され無い。
Amazon Personalize
のメリット
MLを活⽤した
ビジネス指標の改善

Amazon Personalize
カスタマイズされ
たパーソナライズ
API
アイテム属性
(Items)
(details of articles,
products, videos, etc.)
ユーザ属性
(Users)
(age, location, etc.)
インタラクション情報
(Interactions)
(views, signups,
conversions, etc.)
HOW IT WORKS
Amazon Personalize

スキーマ
CSV
・必須項⽬
USER_ID
ITEM_ID
TIMESTAMP
※トレーニングデータとしてMovieLensを利⽤
https://grouplens.org/datasets/movielens/
データ
インタラクション情報 (Interactions)

※ ジャンルのように1アイテムが複数の値を
持つフィールドの場合、パイプで値を連結す
る
スキーマ
CSV
・必須項⽬
ITEM_ID
1 メタデータフィールド
アイテム情報 (Items)
データ

スキーマ
CSV
・必須項⽬
USER_ID
1 メタデータフィールド
ユーザー情報 (Users)
データ

Amazon Personalizeのワークフロー概要
Amazon S3
①各種CSVファイルの準備
スキーマ
②データセットグループの作成
Amazon Personalize
データセットグループ
③各種データセットの作成
②各種スキーマの定義
④各種データのインポート
データセット
・インタラクションデータ
・ユーザーデータ
・アイテムデータ
※ユーザー、アイテムはオプション
データの準備ソリューションの作成
⑤ソリューションの作成
・レシピの選択
・パラメータの設定
⑥ソリューションバージョンの作成
トレーニングが実⾏され、ソリュー
ションバージョン（いわゆるモデ
ル）が作成される
ソリューションバージョン
⑦ソリューションバージョンの
評価
指標を参考に評価を実施
キャンペーンの作成
⑧キャンペーンを作成
キャンペーンが作成されるとAPI
経由で推論結果が取得可能
キャンペーン

Amazon S3
スキーマ
Amazon Personalize
データセット
評価
キャンペーン
データ準備

Amazon S3
スキーマ
Amazon Personalize
データセット
評価
キャンペーン
データ準備学習

Amazon Personalize レシピの種類
レシピの種類レシピ説明
USER_PERSONALIZATION
(パーソナライゼーション）
HRNN Hierarchical recurrent neural network
ユーザーの嗜好や⾏動が時間とともに変化することに対応したモデル
HRNN-metadata クオリティの⾼いメタデータがある場合はメタデータを利⽤しないレシピよりも⾼精度と
なることが期待できる
HRNN-coldstart 新しいアイテムが頻繁に追加される場合で、そういったアイテムをすぐに推奨に表⽰した
い場合に利⽤
Popularity-Count Interactionsデータセットから件数を数えてアイテムの⼈気順でリストを返す
このレシピの精度をベースとして他レシピの精度を評価すると良い
PERSONALIZED_RANKING
（ユーザー向けランキング）
Personalized-
Ranking
渡したアイテムのリストをユーザーの嗜好の順序で並び替えて返す
RELATED_ITEMS
（類似アイテム）
SIMS Interactionsデータセットからアイテム間類似度を算出し、渡したアイテムと類似度の⾼い
アイテムのリストを返す

Amazon S3
スキーマ
Amazon Personalize
データセット
評価
キャンペーン
データ準備学習推論

Amazon Personalize 利⽤システム構成例
AWS Cloud
Amazon S3
ユーザー
Amazon EC2 Amazon RDS
Amazon PersonalizeAmazon API Gateway AWS Lambda
・購買履歴、ユーザー情報、
アイテム情報などを格納
・各種データの取り込み
・トレーニングの実施
・推論エンドポイント作成

BASE株式会社様の構成例
https://speakerdeck.com/pigooosuke/aws-personalize-recsys

Amazon Personalize を⽤いた
オムニチャネルのパーソナライゼーション
https://github.com/aws-samples/retail-demo-store

オムニチャネルでパーソナライゼーションの提供
単⼀デプロイから、3 つの異なるコミュニケーションチャネル全体に対し、
パーソナライズしたレコメンデーションを供給

ユニークなユーザ体験
を提供
買物履歴に基づくお勧め商
品を含んだホームページの
パーソナライズ
レコメンデーションの
改善
ユーザが探しているものを
簡単に見つけられるよう
に、商品の詳細ページで類
似のアイテムを推奨
発見性の向上
ユーザが関連する新商品、
お得な情報、プロモーショ
ンをすばやく見つけられる
ようにする
関連商品の並び替え
関連商品のレコメンデー
ションを簡単に並び替え、
具体的なビジネス成果を推
進
アップセルとクロスセ
ルの促進
Amazon Personalizeをビジ
ネスロジックと組み合わせ
て、高品質のアップセルと
クロスセルのレコメンデー
ションを作成
50%
お勧め商品に対する顧客
エンゲージメントの増
加。
マーケティングコミュニ
ケーションの強化
パーソナライズされた商品の
レコメンデーションを使用し
て、プッシュ通知とEメールの
作成

ユーザエクスペリエンスの
パーソナライズ
「顧客はドミノのすべての中⼼であり、私たちは顧客
の体験を改善し、向上させるために常に努⼒していま
す。Amazon Personalize を使⽤することで、以前は
不可能であった、顧客ベース全体でパーソナライゼー
ションを⼤規模に実現することができます。Amazon
Personalize は、個々の顧客とその状況に関するコン
テキストを適⽤し、当社のデジタルチャネルを通じて
特別な取引やオファーなどのカスタマイズされたコ
ミュニケーションを提供することを可能にしてくれま
す」

パーソナライズされたオンラ
インショッピング体験
「当社の cyma では、組⽴済み⾃転⾞をお客様の⼿元に直接お
届けします。当社のビジネスは成⻑を続けており、⽇本の⾃転
⾞ e コマースのリーダーになることを⽬指しています。ユー
ザーひとりひとりのニーズに合わせて製品をお薦めできるとい
う当社の卓越性を通じて、その⽬標の達成を⽬指しています。
Amazon Personalize を利⽤することにしたのは、パーソナラ
イゼーションニーズを満たせる、⾼コスト効率で互換性に優れ
たソリューションだからです。Amazon Personalize で得られ
た推奨結果をウェブサイトに使⽤するだけでなく、Amazon
Personalize から得たインサイトを販売フローに活⽤することも
計画しています。Amazon Personalize と AWS から今後リ
リースされる機能やサービスに期待しています。」

Amazon Personalize customers
ML PERSONALIZATION SUCCESS BEING REALIZED ACROSS INDUSTRIES

Thank you!

20201125 EC Solution Seminar Recommend

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 20201125 EC Solution Seminar Recommend

Similar to 20201125 EC Solution Seminar Recommend (20)

More from Amazon Web Services Japan

More from Amazon Web Services Japan (20)

Recently uploaded

Recently uploaded (11)

20201125 EC Solution Seminar Recommend