기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon Personalize이란 무엇인가요?
Amazon Personalize는 데이터를 사용하여 사용자를 위한 항목 추천을 생성하는 완전 관리형 기계 학습 서비스입니다. 또한 특정 항목 또는 항목 메타데이터에 대한 사용자의 선호도를 기반으로 사용자 세그먼트를 생성할 수 있습니다.
일반적인 사용 사례는 다음과 같습니다.
-
동영상 스트리밍 앱 개인 낮춤 — 사전 구성되거나 사용자 지정이 가능한 Amazon Personalize 리소스를 사용하여 스트리밍 앱에 여러 유형의 개인 맞춤형 동영상 추천을 추가할 수 있습니다. 예: 가장 적합한 추천 제품, X와 유사한 제품, 가장 인기 있는 제품 동영상 추천 등.
-
전자상거래 앱에 제품 추천 추가 — 사전 구성되거나 사용자 지정이 가능한 Amazon Personalize 리소스를 사용하여 여러 유형의 개인 맞춤형 제품 추천을 소매 앱에 추가할 수 있습니다. 예: 추천 제품, 자주 함께 구매한 제품 및 X를 본 고객도 보는 제품 제품 추천.
-
앱에 실시간 차선책 작업 추천 추가 – 사용자 지정 가능한 Amazon Personalize 리소스를 사용하여 사용자가 행동을 기반으로 행할 가능성이 가장 높은 작업을 추천할 수 있습니다. 예를 들어, 로열티 프로그램 등록, 모바일 앱 다운로드 또는 홍보 이메일 구독을 위한 실시간 추천을 추가할 수 있습니다.
-
개인 맞춤형 이메일 생성 — 사용자 지정 가능한 Amazon Personalize 리소스를 사용하여 이메일 목록에 있는 모든 사용자를 위한 배치 추천을 생성할 수 있습니다. 그런 다음 AWS 서비스 또는 타사 서비스를 사용하여 카탈로그의 항목을 추천하는 개인 맞춤형 이메일을 사용자에게 보낼 수 있습니다.
-
타겟 마케팅 캠페인 생성 — Amazon Personalize를 사용하여 카탈로그의 항목과 상호작용할 가능성이 가장 높은 사용자 세그먼트를 생성할 수 있습니다. 그런 다음 AWS 서비스 또는 타사 서비스를 사용하여 다양한 항목을 다양한 사용자 세그먼트에 홍보하는 타겟 마케팅 캠페인을 만들 수 있습니다.
-
검색 결과 개인 맞춤 — 사용자 지정 가능한 Amazon Personalize 리소스를 사용하여 사용자에 맞게 검색 결과를 개인 맞춤할 수 있습니다. 예를 들어 Amazon Personalize는 사용자가 생성한 검색 결과의 순위를 다시 매길 수 있습니다. OpenSearch
대부분의 사용 사례에서 Amazon Personalize는 주로 항목 상호 작용 데이터를 기반으로 추천을 생성합니다. 항목 상호 작용 데이터는 사용자가 카탈로그의 항목과 상호 작용하면서 생성됩니다. 사용자가 다른 항목을 클릭하는 경우를 예로 들 수 있습니다. 항목 상호 작용 데이터는 CSV 파일의 과거 대량 상호 작용 레코드와 사용자가 카탈로그와 상호 작용할 때 발생한 실시간 이벤트 모두에서 가져올 수 있습니다. Amazon Personalize는 장르, 가격, 성별 등 항목과 사용자의 데이터를 사용하기도 합니다. 또한 차선책 작업 시나리오에서는 작업 및 작업 상호 작용 데이터를 사용합니다.
대량 데이터를 가져올 때 Amazon 데이터 랭글러를 사용하여 40개 이상의 소스에서 SageMaker 데이터를 가져와서 Amazon Personalize에 사용할 수 있도록 준비할 수 있습니다. 자세한 설명은 AmazonAmazon SageMaker Data Wrangler를 사용하여 데이터를 준비하고 가져오기 섹션을 참조하세요.
Amazon Personalize에는 실시간 개인 맞춤을 위한 API 작업과 대량 추천 및 사용자 세그먼트를 위한 배치 작업이 포함되어 있습니다. 비즈니스 도메인에 대한 사용 사례 최적화 추천으로 빠르게 시작하거나 구성 가능한 사용자 지정 리소스를 직접 생성할 수 있습니다.
Amazon Personalize 요금
Amazon Personalize에는 최소 요금 및 선수금이 없습니다. AWS 프리 티어는
전체적인 요금 및 가격 목록은 Amazon Personalize 요금
관련 서비스 및 솔루션 AWS
Amazon Personalize는 다른 AWS 서비스 및 솔루션과 원활하게 통합됩니다. 예를 들어, 다음을 수행할 수 있습니다.
-
아마존 SageMaker 데이터 랭글러 (데이터 랭글러) 를 사용하여 40개 이상의 소스에서 Amazon Personalize 데이터세트로 데이터를 가져올 수 있습니다. 데이터 랭글러는 데이터를 가져오고, 준비하고, 변환하고, 분석하는 end-to-end 솔루션을 제공하는 Amazon SageMaker Studio의 기능입니다. 자세한 설명은 AmazonAmazon SageMaker Data Wrangler를 사용하여 데이터를 준비하고 가져오기 섹션을 참조하세요.
-
항목 상호 작용 AWS Amplify 이벤트를 기록하는 데 사용합니다. Amplify에는 웹 클라이언트 애플리케이션의 이벤트를 기록하기 위한 JavaScript 라이브러리가 포함되어 있습니다. 그리고 서버 코드에서 이벤트를 기록하기 위한 라이브러리도 포함되어 있습니다. 자세한 내용은 Amplify 설명서를
참조하십시오. -
기계 학습을 통한 개인 맞춤형 경험 유지 관리
를 통해 Amazon Personalize 작업을 자동화하고 예약합니다. 이 AWS 솔루션 구현은 데이터 가져오기, 솔루션 버전 학습, 배치 워크플로를 비롯한 Amazon Personalize 워크플로를 자동화해줍니다. -
Amazon CloudWatch Eviveryt를 사용하여 Amazon Personalize 권장 사항에 따라 A/B 테스트를 수행하십시오. 자세한 설명은 CloudWatch를 사용한 A/B 테스트 섹션을 참조하세요.
-
Amazon Pinpoint를 사용하면 타겟 마케팅 캠페인을 생성할 수 있습니다. Amazon Pinpoint 및 Amplify를 사용하여 마케팅 이메일 캠페인 및 웹 앱에 Amazon Personalize 추천을 추가하는 방법을 보여주는 예는 Amplify를 사용한 웹 분석
단원을 참조하세요.
타사 서비스
Amazon Personalize는 다양한 타사 서비스와 잘 연동됩니다.
-
Amplitude — Amplitude를 사용하면 사용자 행동을 추적하여 사용자의 행동을 이해할 수 있습니다. Amplitude 및 Amazon Personalize를 사용하는 방법에 대한 자세한 내용은 다음 AWS 파트너 네트워크(APN) 블로그 게시물: Amplitude와 Amazon Personalize를 통한 개인 맞춤의 효율성 측정
을 참조하세요. -
Braze — Braze를 사용하면 카탈로그의 항목을 추천하는 개인 맞춤형 이메일을 사용자에게 보낼 수 있습니다. Braze는 시장을 선도하는 메시징 플랫폼(이메일, 푸시, SMS)입니다. Amazon Personalize와 Braze를 통합하는 방법을 보여주는 워크숍은 Amazon Personalize 워크숍
을 참조하세요. -
mParticle — mParticle을 사용하면 앱에서 이벤트 데이터를 수집할 수 있습니다. mParticle과 Amazon Personalize를 사용하여 개인 맞춤형 제품 추천을 구현하는 방법을 보여주는 예제는 기계 학습에 CDP의 성능을 활용하는 방법: 2부
를 참조하세요. -
Optimizely를 사용하면 Amazon Personalize 추천에서 A/B 테스트를 수행할 수 있습니다. Optimizely와 Amazon Personalize를 사용하는 방법에 대한 자세한 내용은 강력한 기계 학습과 실험을 결합하기 위한 Optimizel와 Amazon Personalize의 통합
을 참조하세요. -
세그먼트 — 세그먼트를 사용하면 Amazon Personalize로 데이터를 보낼 수 있습니다. 세그먼트를 Amazon Personalize와 통합하는 방법에 대한 자세한 내용은 Amazon Personalize 목적지
를 참조하세요.
전체 파트너 목록은 Amazon Personalize 파트너
자세히 알아보기
Amazon Personalize에 대한 추가 정보는 다음 리소스에서 확인할 수 있습니다.
-
Amazon Personalize가 사용 사례에 적합한지 판단하는 데 도움이 되는 참조 요약 정보는 Amazon Personalize 샘플
리포지토리의 Amazon Personalize 치트 시트 를 참조하세요. -
Amazon Personalize를 사용하는 방법에 대한 동영상 시리즈는 에 있는 Amazon Personalize 심층 분석 동영상
시리즈를 참조하십시오. YouTube -
자세한 자습서 및 코드 샘플은 리포지토리를 참조하십시오. amazon-personalize-samples GitHub