サンプルユースケース

スケーリング、他のユースケースへの結果の適用、モデルの運用化を行う前に、大規模なデータセットで AI/ML 分析を試す方法をいくつか紹介します。

ヒント

これらのユースケースに関するサポートが必要な場合は、サポートチームにメールを送信するか、コミュニティにお問い合わせください。

始める前に

プロジェクト管理ノートブックを使用してプロジェクトを準備します。
既存の AWS Glue カタログを使用して、サンプルデータをアップロードします。または、提供されている Open Table Format (OTF) の例を使用するために新しいカタログを作成します。

顧客は、Web サイト、支店での従業員とのやり取り、電子メール、コールセンターなど、さまざまなマーケティングタッチポイントを通じて金融機関と関わります。

全体的なカスタマージャーニーを理解することは、カスタマージャーニーを強化し、顧客の獲得と採用を増やすために重要です。

データにアクセスして検査した後、アトリビューションモデリング、チャネル分析、パスを使用して、時間の経過に伴う顧客の行動を把握します。

購入履歴は、顧客をセグメント化する上で強力な要素となります。たとえば、購入量や購入額に基づいてセグメントを作成できます。

データを準備したら、K 平均法クラスタリングとデータ準備パイプラインを使用して顧客セグメントを決定します。

理想的な数の顧客セグメントにマーケティングを行うということは、管理するセグメントが多すぎることなく、セグメンテーションのメリットを享受できることを意味します。顧客の購入履歴のコメントから、理想的なセグメント数を導き出すことができます。

データにアクセスして検査した後、大規模言語モデル (LLM) を使用してベクターテーブルを作成し、理想的な k-means モデルとセグメントの数を見つけます。