© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize Prototyping Camp 自習編資料

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. はじめに 本資料は、AWS で実施したサービスに推薦機能を 2 日！で組み込む “Amazon Personalize Prototyping Camp” の資料を自習できるよう編成 した資料です。 EC サイト、またブログやレシピ等のユーザー生成コンテンツのプラッ トフォームのサービスを展開されている方が、自社データを使って効果 を検証し、検証結果をもとに本番導入を実現できるようぎゅっと詰め込 んだプログラムです。 2

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 6 つのチェックポイントを 2 日間でクリアする Day 1 • 10:00-11:00 はじめに • Checkpoint 1 : Amazon Personalize 理解 • Checkpoint 2 : ビジネスメトリクス設計 • 11:00-12:00 スキーマ設計 • Checkpoint 3 : 自社データセットアップ • 13:00-14:00 🧑‍ 💻 Prototyping ! • 14:00-15:00 方向性の確認 • Checkpoint 4 : 学習・推論 • 15:00-18:00 🧑‍ 💻 Prototyping ! Day 2 • 10:00-11:00 進捗・予定確認 • 費用対効果の評価理解 • Checkpoint 5 : 評価 • 11:30-12:00 🧑‍ 💻 Prototyping ! • 13:00-14:00 🧑‍ 💻 Prototyping ! • Checkpoint 6 : 本番デプロイ • 14:00-15:00 成果発表 • 15:00-16:00 振り返り • 16:00 解散 3

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 各チェックポイントの詳細 4 ❑ Checkpoint 1 Amazon Personalize のサービ スと、実現可能なこと、利用 の流れを理解する。 ❑ Checkpoint 2 ユーザーエンゲージメント のプロセスを理解し、どこ で Amazon Personalize を使 うことが最も効果的か、 ユースケースを決定する。 ❑ Checkpoint 3 Amazon Personalize の動作 に必要なインタラクション データを準備する ❑ Checkpoint 4 データで学習・評価する ドメインデータセット: レコメンダー作成・結果取得 カスタムデータセット: ソリューション・キャンペーン 作成 ❑ Checkpoint 5 推薦結果の評価を、ビジネス KPI 含め確認する。 (→ 上手くいっていない場合は Checkpoint 2 に戻る ) ❑ Checkpoint 6 評価結果が期待できるもので あれば、プロダクション導入 を行う 🎉

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 1. Amazon Personalize 理解 2. ビジネスメトリクス設計 3. 自社データセットアップ 4. 学習・推論 5. 評価 6. 本番デプロイ Prototyping Camp Checkpoints 5

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 1. Amazon Personalize 理解 2. ビジネスメトリクス設計 3. 自社データセットアップ 4. 学習・推論 5. 評価 6. 本番デプロイ Prototyping Camp Checkpoints 6

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. オンラインの接点をパーソナライズ 顧客との接点には顧客が求めている体験を 商品ランキング 商品タイトル・説明 アウトバウンドメッセージ おすすめ商品 カタログ画像 カテゴリ・表示順

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize を使うメリット パーソナライズされたユーザーエクスペリエンスを構築、機械学習の専門知識は不要 8 基本的な ML プラクティスに とどまらない インパクトのある機能 リアルタイムの レコメンデーションにより、 変化するユーザーの意図に 迅速に対応 既存のシステムと シームレスに統合 暗号化されているため プライベートで安全 ステップを自動化して 市場投入までの時間を短縮

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. お客様が求める主なユースケースを「レシピ」と してマネージドサービスで提供 User personalization ユーザーのプロフィールや 興味に合わせた推薦 Related items 類似商品を推奨して 探索とアップセルを促進 Personalized ranking ユーザーの好みや履歴に 基づいてカテゴリまたは 検索レスポンスで 再ランキング User segmentation アイテムまたはカテゴリに 最も関心のあるユーザーへ ターゲットを絞った メッセージを送信

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の仕組み 10 Amazon Personalize カスタマイズされた レシピを API 経由で利用 アイテムメタデータ (記事、製品、動画詳細) ユーザーメタデータ (年齢、所在地など) ユーザーイベント/ インタラクション (閲覧、サインアップ、 コンバージョンなど) 学習

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. インタラクションデータが API になるまで 11 カスタマイズされた レシピを API 経由で利用 データ 検査 特徴量の 識別 ハイパー パラメータ 選択 モデル 学習 モデル 最適化 モデル ホスティング リアルタイムに 特徴量を保存 Amazon Personalize によって自動で実行 機械学習の専門的知識・実装能力は不要 アイテムメタデータ (記事、製品、動画詳細) ユーザーメタデータ (年齢、所在地など) ユーザーイベント/ インタラクション (閲覧、サインアップ、 コンバージョンなど)

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ビジネス KPI へのインパクトも簡単に測定 12 Amazon Personalize では、 次のことが可能に: • 推薦内容がビジネス目標に どのように影響するかを理解 • イベントの影響を測定 (ページビュー、動画開始、クリック、 カートに追加、購入など) • Amazon CloudWatch で レコメンデーションのパフォーマンス 結果をモニタリングして分析 推薦した結果のページビュー、購入などのコンバージョンを測定 : ビジネス KPI のモニタリングまでオールインワン

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の活用事例 スタートアップのお客様による Amazon Personalize 活用事例 • 「Amazon Personalize によって、 工数をかけずにレコメンド機能を実現できた」 SARAH 社の AWS 活用事例 • Amazon Personalize 導入後、CTR が 3.78 倍に向上。 ルームクリップ社の AWS 活用事例 • Amazon Personalize の導入により、 購入ボタンのクリック数 1.2 倍、フォロー数 1.5 倍に。 REGALI 社の AWS 活用事例

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 1. Amazon Personalize 理解 2. ビジネスメトリクス設計 3. 自社データセットアップ 4. 学習・推論 5. 評価 6. 本番デプロイ Prototyping Camp Checkpoints 14

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦により期待するビジネスインパクトをクリア にする 3 つのステップ 15 推薦機能を導入するビジ ネス的な意味を理解する 戦略を伝えるコミュニ ケーション方法を理解する Step.3 ローリスク/ハイリターン の実装戦略を理解する Step.2 📈 Step.1 💡 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦により期待するビジネスインパクトをクリア にする 3 つのステップ 16 推薦機能を導入するビジ ネス的な意味を理解する 戦略を伝えるコミュニ ケーション方法を理解する Step.3 ローリスク/ハイリターン の実装戦略を理解する Step.2 📈 Step.1 💡 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Interest 関心 Search 検索 Action 行動 Share 共有 サービスでボトルネックとなっているのはどこで すか? AISAS: 顧客がサービスの存在に気づいてから、サービスの存在を広め てくれるまでの行動を表すフレームワーク(※)。 17 Attention 注意・関心 ※他にもいろいろなフレームワークがあります。

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Attention / Interest の具体例 18 Interest 関心 Search 検索 Action 行動 Share 共有 Attention 注意・関心 広告表示回数 広告CTR アイテムView数 購入数 SNS上のシェア数

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Search / Action の具体例 19 Interest 関心 Search 検索 Action 行動 Share 共有 Attention 注意・関心 広告表示回数 広告CTR アイテムView数 購入数 SNS上のシェア数 関心を持った顧客が訴求したいコン テンツを検索、参照、購入する

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Share の具体例 20 Interest 関心 Search 検索 Action 行動 Share 共有 Attention 注意・関心 広告表示回数 広告CTR アイテムView数 購入数 SNS 上のシェア数 利用した顧客が、体験を広めるため に SNS 等でシェアを行う

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. どのフェーズの顧客へのアプローチが課題か ? 21 サイトへの流入に課題あり 📈 : メールや SNS 上のキャンペーンに活用し Interest を増やす キャンペーンのカスタマイズ パーソナライズされたメール 製品購入 +56% Interest 関心 Search 検索 Action 行動 Share 共有 Attention 注意・関心 広告表示回数 広告CTR アイテムView数 購入数 SNS上のシェア数 実践事例

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. どのフェーズの顧客へのアプローチが課題か ? 22 具体的なアクション喚起に課題 検索の 1st ビューで商品をおすすめ 商品 PV +56% カテゴリページからのカートに追加 購入数 +16% 一緒に購入される商品の提案 購入率 3x クーポンのレコメンデーション 初購入数 +40% 📈 : サイト内アイテムやクーポンの推薦で Search/Action を増やす Interest 関心 Search 検索 Action 行動 Share 共有 Attention 注意・関心 広告表示回数 広告CTR アイテムView数 購入数 SNS上のシェア数 実践事例

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦を導入すべきビジネス的な意味を定義する 23 Case 1: サイトへの流入が少ない問題があるため、 メールや SNS 上のキャンペーンに推薦を活用し Interest の増加を図る Case 2: アイテムの View/ 購入につながる実績値に問題があるため、 サイト内アイテムやクーポンの推薦に使用し Search/Action 増を図る Case 1 Case 2 Interest 関心 Search 検索 Action 行動 Share 共有 Attention 注意・関心 広告表示回数 広告CTR アイテムView数 購入数 SNS上のシェア数

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦により期待するビジネスインパクトをクリア にする 3 つのステップ 24 推薦機能を導入するビジ ネス的な意味を理解する 戦略を伝えるコミュニ ケーション方法を理解する Step.3 ローリスク/ハイリターン の実装戦略を理解する Step.2 📈 Step.1 💡 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦機能の効果を上げるための基本的な選択肢 打席を増やすか、打率を上げるか ? • 打席を増やす = 推薦を増やす • 例: 今まで行っていなかった推薦を新規に「追加」する • 打率を上げる = 既存の表示をより良くする • 例: 既存のページに表示されているアイテムを何かしらの方法で「変更」し より良いものにする 25

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 💡 打席を増やす方が基本的にローリスクであり ハイリターン • 「追加」のためデグレード ( 推薦により効果が落ちる ) が発生しない • 「追加」なので何かしらの効果が必ず発生する。 26 Shagrdi アプリのホームページに「おすすめ」セクションを追加 ・新規ユーザーから購入者へのコンバージョン率 +30% ・毎月の総注文数 +20% ホームページに「あなたへのお勧め」セクションを追加 • 「おすすめ」の商品列での顧客エンゲージメント +50% 実践事例

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦により期待するビジネスインパクトをクリア にする 3 つのステップ 27 推薦機能を導入するビジ ネス的な意味を理解する 戦略を伝えるコミュニ ケーション方法を理解する Step.3 ローリスク/ハイリターン の実装戦略を理解する Step.2 📈 Step.1 💡 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 開発者からプロダクトオーナー・マネージャーに 推薦機能の導入を打診する際の進め方 実装戦略は「打席を増やす」を基本とし、 Case を確定するためにビジ ネス状況を把握する質問から始める。 28 打席を増やす 打率を上げる Case 1: サイトへの流入が 少ない問題を解決したい 新規キャンペーンの広告・ メールに Personalize を使 用する。 既存のメールに掲載する内 容やターゲットを Personalize に置き換える。 Case 2: アイテムのView/ 購入が少ない問題を解決し たい トップページやアイテムの 空きスペースに、 Personalize による推薦ア イテムを表示する 既存のトップページ表示を Personalize に置き換える。 実装戦略 ビジネス 状況

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. プロダクトオーナー・マネージャーとの会話例 Case 1 : サイトへの流入が少ない問題の解決を図る場合のアプローチ 29 • 現在、サービス / プロダクトとして認知を拡大しタッチポイントを増やす必 要がある理解です • Amazon Personalize で推薦機能の効果を確認したところ、前回行ったキャン ペーンを上回る (※評価結果による) 推薦を行うことができることを確認し ました。今後のキャンペーンメール etc に Personalize の結果を含めること で、既存の効果にほぼ影響を与えず新しい推薦効果を確認できます • 実際の Personalize の効果は計測する必要がありますが、他社の事例で yy% 向上した事例があります。実装はあと zz 日程度で完了する予定です。次回の キャンペーンがあればそこで使用してみたいと考えていますがいかがでしょ う? よければ、広告・メールを担当している部署とつないでください。

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. プロダクトオーナー・マネージャーとの会話例 Case 2 : アイテムの View/ 購入が少ない問題の解決を図る場合のアプローチ 30 • 現在、サービス / プロダクトとして認知はされているものの具体的なコンテ ンツの参照、購入につながる割合が少ない課題がある理解です • 既存の商品紹介ページの xx はスペースが開いており(添付図参照)、ここに新 規推薦の内容を表示したいと考えています。今まで実施していない「この製 品と似た製品」(※導入機能は場合による) の推薦を検討しており、これは Amazon Personalize で xx 日程度で実装でき、xx% 程度購入につながる効 果を実購入データで確認しています。また、他社の選考事例でも zz% 向上し た事例があります • 承認が頂ければ、このまま実装して計測してみようと思いますがいかがで しょうか? 懸念事項があれば教えてください

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 付録 : 説得 / ベンチマークに利用できる事例一覧 31 事例 業種 国 記事 何に使っているか 効果 EC 日本 speakerdeck • 検索中のファーストビューで商品をおすすめ • 商品PV +56% EC タイ aws casestudy • 個々のショッパーの好みに基づいてカテゴリページ上の製品を並べ替え • E メールやアプリ内などで送信される Pomelo Fashion のクロスチャネ ルキャンペーンをカスタマイズ ※AWS パートナーの Segment と Braze を使用 • カテゴリページからの総収益 +15% • カテゴリページから製品ページへのクリック率 最大+18% カテゴリページからの「ショッピングカートに追加」クリッ ク数 最大 +16% 増分総収益 +8% , etc 小売り 韓国 awsblog • 販売履歴、製品メタデータ、およびユーザープロファイルを分析し、 クーポンをレコメンデーション • お客様が初めて購入する製品数 +40% • 推薦された商品に対する顧客の反応 5x ファッ ション スウェー デン • パーソナライズされた製品レコメンデーションメールを顧客に配信 • 製品購入 +56% EC インド aws casestudy • 商品ごとに顧客にレコメンデーションを提供 • ユーザーが商品のページにアクセスすると、一緒に購入されることが多 い他の製品を提案 • 既存ソリューション比のコンバージョン率 3x（5.5-6%） Shagrdi フードデ リバリ サウジア ラビア • アプリのホームページに「おすすめ」セクションを追加 • 新規ユーザーには、場所、時間、人気のレストランなどのデータを活 用して、厳選されたおすすめを提供 • 既存のユーザーの場合は、頻繁に訪れるレストランなど、過去のエン ゲージメントデータを組み合わせて使用し、独自の好みや個人的な選 択に合ったおすすめを生成 • ・新規ユーザーから購入者へのコンバージョン率 +30% ・毎月の総注文数 +20% Cencosud 小売り チリ aws casestudy • ユーザーエンゲージメントを高めるような商品を推奨 • 顧客のオンラインショッピング体験を最適化 • ・クリック率 +600% ・平均注文額 +Approx. 26% EC パキスタ ン aws casestudy • アプリケーションでお客様に製品のレコメンデーションを提供 • 平均注文額 +17% EC アメリカ awsblog • 自社のホームページに「Recommended Fer You」の製品行を追加 • 「おすすめ」の商品列での顧客エンゲージメント +50% Chewy EC アメリカ pdf • ランキング • 購入前のおやつレコメンド • アイテム関連性の改善 +0.12% • 売り上げ単価 +0.25% • おやつ注文数 +25% 次ページ以降、各事例のスライドを用意していますが、表内リンクの記事も合わせてご参照ください。

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 32 56% 商品 Page View の増加 • https://aws.amazon.com/jp/personalize/customers/#:~:text=%E6%8F%90%E4%BE%9B %E3%81%97%E3%81%BE%E3%81%97%E3%81%9F%E3%80%82-,BASE,- %E3%81%AF%E3%80%81100%20%E4%B8%87 • https://speakerdeck.com/pigooosuke/aws-personalize-recsys

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 15% カテゴリページからの総収益 の増加 • https://aws.amazon.com/jp/personalize/customers/#:~:text=%E4%BD%93%E9%A8%93%E3%82%92%E5% BC%B7%E5%8C%96-,Pomelo%20Fashion,-%E3%81%AF%E3%82%BF%E3%82%A4%E3%81%AE • https://aws.amazon.com/jp/solutions/case-studies/pomelo-case-study/

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 顧客エンゲージメントを向上させ、新製品の購入率を高め ることで、顧客ロイヤルティを向上させたい 以前のソリューションでは、新商品ではなく、これまで購 入したアイテムだけをレコメンデーションできるルール ベースの推奨事項に依存していました。 課題 Amazon Personalize を使用して、販売履歴、製品メ タデータ、およびユーザープロファイルを分析し、 クーポンレコメンデーションサービスを改善しまし た 解決 以前のソリューションと比較して、推薦された商品 に対する顧客の反応が5倍に増加し、月あたりの収 益が増加 新製品の購入率が 40% に増加 影響

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 同社は、ニュースレターキャンペーンに登録してい る数十万人の顧客に製品を推薦する方法を模索して いました。 課題 Amazon Personalize を使用して、パーソナライズさ れた製品レコメンデーションメールを顧客に配信し ました 解決 標準的な顧客向けメールキャンペーンと比較して、 製品購入が 56% 増加 影響

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Paytmは、サイトのホームページに毎日1,000万人以 上のアクティブユーザー向けにパーソナライズされ たレコメンデーションを実装することで、Paytm Mallの売上とクリックスルー率を高めたいと考えて いました。 課題 Amazon Personalize は、Paytm ユーザーの閲覧履 歴とショッピング履歴を処理する Amazon EMR から の出力を使用して、Paytm モールのホームページに おすすめをユーザーに表示します。 解決 影響 36 Paytmは、パーソナライズされた新しいホーム ページからのコンバージョン率が 5.5～ 6% に 達しました。これは、以前のおすすめ商品ロ ジックの3倍です。

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 関連性の高いリアルタイムコミュニケーションの価 値を理解した Shgardi は、より魅力的なユーザーエ クスペリエンスを実現できるパーソナライゼーショ ンサービスを模索し始めました。 課題 Shgardi は Amazon Personalize を使用して、アプリ のホームページに「おすすめ」セクションを追加す ることで、新規ユーザーと既存のユーザーをター ゲットにしました。このセクションは、ユーザーの 好みの変化にほぼリアルタイムで適応するようにな りました。 解決 影響 37 Shgardi 新規ユーザーから購入者へのコンバージョンが 30% 増加し、毎月の総注文数が 20% 増加しま した。

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. • https://aws.amazon.com/jp/personalize/customers/#:~:text=%E5%B0%8F%E5%A3%B2%E6%A5%A D-,Cencosud,-%E3%81%AF%E3%80%81%E5%A4%9A%E5%9B%BD%E7%B1%8D • https://aws.amazon.com/jp/solutions/case-studies/cencosud-amazon-personalize/

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. https://aws.amazon.com/jp/personalize/customers/#:~:text=Stephane%20Bailliez%20%E6%B0%8F- ,GrocerApp,-%E3%81%AF%E3%80%81%E6%89%8B%E9%A0%83%E3%81%AA

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 50% 「おすすめ」の商品列 での顧客エンゲージメ ントの向上 https://aws.amazon.com/jp/blogs/news/pioneering-personalized-user-experiences- at-stockx-with-amazon-personalize/ デトロイトを拠点とするスタートアップ企業である StockX は、 Amazon Personalize を使用して自社のホームページに 「Recommended Fer Yo」の製品行を追加しました。 この商品は、最終的にトップパフォーマンスのホームページ行と なり、顧客エンゲージメントが 50% 増加しました。 “ ホームページに対する顧客の全体的なエンゲージメントが 50% 増 加しました。これは、ウェブページの一部をパーソナライズする だけでも、他の要素のクリックスルーを高めるのに十分効果的で あることを証明しています。

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved.

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved.

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 1. Amazon Personalize 理解 2. ビジネスメトリクス設計 3. 自社データセットアップ 4. 学習・推論 5. 評価 6. 本番デプロイ Prototyping Camp Checkpoints 43

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 必要な推薦機能にあったデータを用意する (1/3) Amazon Personalize を利用するには、 1. ビデオ・オンデマンドなどのコンテンツ配信や EC サイトなど、ドメインに特化 したモデルを作成するための「ドメインデータセットグループ」 2. 関連性による並び替えやユーザーセグメントの生成など、ユースケースに沿っ た「カスタムデータセットグループ」 ・・・のいずれかのデータを準備します。ドメインに当てはまる場合はドメイン、 そうでない場合はカスタムを推奨します。 ユースケース選択のガイド : https://docs.aws.amazon.com/ja_jp/personalize/latest/dg/use-cases-and- recipes.html 44

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 必要な推薦機能にあったデータを用意する (2/3) データセットグループの作成には、 ”インタラクションデータ” が必要です。 これは、レコメンデーションを行いたい商品に対する、ユーザーの閲覧・クリッ ク・購入などです。下記のサンプルを参考に、 CSV ファイルでデータをご準備くだ さい。 参考 : https://docs.aws.amazon.com/ja_jp/personalize/latest/dg/preparing-training-data.html 45

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 必要な推薦機能にあったデータを用意する (3/3) データが準備できたらインポート！します。 AWS Console 、また SDK など使いやすいツールから実施してください。 参考 : https://docs.aws.amazon.com/ja_jp/personalize/latest/dg/getting-started-console-domain.html インポートしたデータの量や品質について、分析を行うこともできます。 参考 : https://docs.aws.amazon.com/ja_jp/personalize/latest/dg/analyzing-data.html 46

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. インポートが完了したら、レコメンダーを作成し、 推論してみてください AWS Console 、また SDK など使いやすいツールから実施してください。 参考 : https://docs.aws.amazon.com/ja_jp/personalize/latest/dg/getting-started-console-domain.html 47

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize に入れられるデータを準備 し、インポート・レコメンダーを作成するところ まで実施 🧑‍ 💻 Prototyping Time..! 48

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 1. Amazon Personalize 理解 2. ビジネスメトリクス設計 3. 自社データセットアップ 4. 学習・推論 5. 評価 6. 本番デプロイ Prototyping Camp Checkpoints 49

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 評価について Amazon Personalize は機械学習の専門知識不要でも使えるが、評価指標だけはきち んと理解することが大事。 評価を定期的に行うことでモデルが最新の情報に遅れていないかチェックする。 Personalize は Full 学習のたびにオフライン評価値が出るので、それをまず監視。 最近はリアルタイムにレコメンドの効果を CloudWatch で見れるようになっている ので簡単なリアルタイム監視はこれでできる。 50

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の “費用対効果” を評価する 51 Amazon Personalize にか かるコストを理解する 費用対効果について議論す る Step.3 Amazon Personalize で得 られる効果を理解する Step.2 💰 Step.1 📈 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の “費用対効果” を評価する 52 Amazon Personalize に かかるコストを理解する 費用対効果について議論す る Step.3 Amazon Personalize で得 られる効果を理解する Step.2 💰 Step.1 📈 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の費用計算の考え方 コストにおける “3 つの柱” Data User Additional Recommendation データサイズに対して 課金 (GB) データセット内の ユーザー数に応じて単 価が決定。 稼働時間を乗じて料金 決定。 追加レコメンデーション 対して課金 (per hour per eligible region) 参考 ( 概算費用の例も掲載 ) : https://aws.amazon.com/personalize/pricing/ User 数に応じ 無償課金枠あり

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の費用計算の考え方 User数に応じた 無償課金枠 参考 ( 概算費用の例も掲載 ) : https://aws.amazon.com/personalize/pricing/ User Additional Recommendation の無償枠 ( ※最新の価格はホームページ確認 )

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Pricing Calculator での費用計算方法 55 Data User Additional Recommendation 大半の場合、Number of hoursは 732時間/月 (常時稼働するため) 無料分を差し引いた追加推薦数と、 追加推薦が発生するピーク時間 レコメンダー/キャンペーン の名称

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 推薦のキャッシュとリアルタイム性のトレードオフ 推薦結果をキャッシュすることで API リクエスト回数を減らしてコストを抑制する ことができる。その代わり、リアルタイムの閲覧履歴などセッションデータを使用 した推薦は行えなくなる。 56 • ピーク時の推薦急増を抑制するためキャッシュした事例 ▪ Amazon Personalize を活用した記事推薦システムを MMM ブログに導入する 話(デロイト トーマツ ウェブサービス株式会社様) • 既存の推薦に加えて、セッションベースのレコメンドを追加した事例 ▪ AWS Personalizeを活用したレコメンドシステム構築事例(BASE様)

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の “費用対効果” を評価する 57 Amazon Personalize にか かるコストを理解する 費用対効果について議論す る Step.3 Amazon Personalize で 得られる効果を理解する Step.2 💰 Step.1 📈 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize で得られる効果の評価方法 推薦の影響範囲 全アイテムに占める、ユーザーに推薦されたアイテムの割合 • coverage 推薦のインタラクションへのインパクト インタラクションの実績があったアイテムが推薦されている割合 • 表示順を気にしない: precision at K • 表示順を気にする: mean reciprocal rank at 25 / NCDG at K 推薦の収益へのインパクト Personalize の収益全体のうち Top25 が占める割合: average_rewards_at_K ※Item Datasetに数値(価格)のデータが必要 58 参考 : https://docs.aws.amazon.com/personalize/latest/dg/working-with-training-metrics.html Dataset groups > Custom resources > Solutions and recipes > Solution versions > Solution version metrics で確認

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Personalize の “費用対効果” を評価する 59 Amazon Personalize にか かるコストを理解する 費用対効果について議論す る Step.3 Amazon Personalize で得 られる効果を理解する Step.2 💰 Step.1 📈 💬

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ユーザー体験とビジネス KPI のトレードオフ 60 サービス提供者 ユーザー 多くの商品を 見てほしい 余計な商品は 見たくない Coverage 優先 Precision/ NDCG 優先 高い商品を 買ってほしい 安い商品を 買いたい Solution の Objective で調整 User-Personalization の exploration_weight などで 調整

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 全体と個別の視点でユーザー体験を評価する 61 全体 個別 サービス全体としてユーザーの体験・ビジネスの KPI が期待 するものになっているか ? • 全アイテムに占める、ユーザーに推薦されるアイテムの割合 • インタラクションの実績があったアイテムが推薦されている割合 • 推薦の収益へのインパクト 個別 (N=1) のユーザーは推薦に満足しているか ? • 引き付けたい特定のユーザー Id / カテゴリにフォーカス • インタビュー等で、レコメンドへの印象を確認

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 1. Amazon Personalize 理解 2. ビジネスメトリクス設計 3. 自社データセットアップ 4. 学習・推論 5. 評価 6. 本番デプロイ Prototyping Camp Checkpoints 62

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本番導入の前に 定量的なスコアは良かったけど人間が見るとトンチンカンな推薦がされている ✓事前に人間による定性チェックもしよう 人気ランキング上位がより推薦されるようになるというループでダイバーシティが 下がる場合がある。 ✓Coverage をチェック。探索度合いを上げる ユーザーが不愉快に思うレコメンドもある ✓購入済み商品をレコメンドされる、興味ないのに同じ商品がいつもレコメンドに 出てくる等々 → フィルターをかける、impression データを使う 63

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 運用周りの構成・事例 AWS SDK (e.g. Boto3) による GetRecommendations API 呼び出し Amazon Personalize Immersion Day > Operations Layer > MLOps Setting up Amazon Personalize with AWS Glue トムソンロイターが Amazon Personalize を使用してパーソナライズされたコンテ ンツサブスクリプションプランを大規模に提供した方法 64

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 準備が OK なら・・・ 本番デプロイにむけて準備を開始 65 🧑‍ 💻 Prototyping Time..!

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Well Done!! 66

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ✅ Prototyping Camp の成果を振り返る • Checkpoint はどこまで到達できたか ? • Checkpoint をクリアするための残課題は何か ? • いつまでに残課題を解決し、ユーザーに推薦の価値を届けるか ? 67

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Thank you! 68