食料品店がレシピでパーソナライズされた体験を提供する方法 | Amazon Web Services ブログ
食料品市場は、COVIDパンデミックによって深刻に混乱しました。 消費者はオンラインショッピングと自宅配送にシフトしました。 例えば、2020年には、英国の食料品全体に占めるオンラインシェアは2024年のCOVID以前の予測を上回り、2020年には8.8%に達しました。国際市場でも同様の成長が見られました。 制限は徐々に解除されていますが、いくつかの消費者のトレンドはここに留まっています。 FoodNavigator によれば、イギリスでは91%の人が「同じくらい、またはそれ以上」料理することを今年予定しており、マッキンゼーのレポートによると、消費者はパンデミック前よりもパンデミック後の食料品に多くのお金を費やすと予測しています。
消費者の巣ごもりと家庭料理の継続、および食料品店のわずかなマージンを考慮すると、カスタマージャーニーを差別化し、再発明することは、小売業者の成長と効率を高めるために非常に重要です。食料品店は、購買履歴、顧客プロファイルや嗜好、ロイヤリティに基づく情報など、顧客のデータを長期間にわたって収集しているため、競争上の優位性があります。 このデータを使用して高度にパーソナライズされたサービスを設計および提供すると、顧客満足度とロイヤルティが向上するだけでなく、総売上高が1〜2%増加します。 小売業者がパーソナライズを使用し豊富な洞察を得ることで売り上げを伸ばす方法に関するAWSの視点については、「パーソナライゼーション:より深い洞察を得て売り上げを伸ばすために」の投稿で説明しています。
本稿では、オンラインショッピングでカスタマイズされたカスタマージャーニーを提供する方法を紹介します。私たちはすべての小売カテゴリで顧客体験をパーソナライズすることが重要であると考えており、例として食料品小売業者向けに設計されたソリューションを使用します。それでは、オンラインで食料品を購入する顧客について考えてみましょう。商品を買い物かごに入れると、追加された商品と同じ材料を含むレシピのリストが表示されます。提案されたレシピは、顧客に合わせてパーソナライズされています。それらは、顧客プロファイルと過去の商品の好みに基づいています。消費者の観点からすると、パーソナライズされた提案は食事のインスピレーションを提供し、食事の計画に役立ちます。また、ミールキットは消費者に人気があります。以上のことから、食料品のオンラインショッピングの流れとシームレスに統合された、本質的にパーソナライズされたミールキットの提案をすることにより、顧客満足度とロイヤリティが向上します。食料品店の場合、顧客体験へのメリットは別として、消費者はレコメンデーションに基づいて、レシピに不足している材料を追加し、結果として、売り上げを伸ばすことが可能です。
パーソナライズされた体験を提供するチャレンジについて
私たちが AWSの顧客とパーソナライゼーションについて話し合うとき、彼らは採用に対するいくつかの共通の障壁を挙げます。それは、多数のデータサイロからの顧客データの統合、モダンなデータプラットフォーム、分析フレームワークとデータサイエンスの従業員のスキル、およびパーソナライズ商品の商品化です。 上記のソリューションを自身で管理、保守する難しさは AWSマネージドサービス(AMS)を使用することで解決できます。 AMSは、AWSインフラストラクチャを効率的かつ安全に運用するのに役立ちます。 さらに、開発者は、事前のデータサイエンスの知識がなくても、カスタマイズされたレコメンデーションを提供するためのサービスを構築できます。 小売業者にとって重要なのは、インフラストラクチャを管理するという運用上の複雑さは収益に何も寄与しないということです。エンジニアリングチームは、マネージドサービスまたはサーバーレスサービスで構成されるソリューションを使用することで、商品と顧客に集中できます。
さらに、このソリューションは、顧客が買い物かごを更新するとパーソナライズされたレシピのレコメンデーションを提供し、カスタマージャーニーを強化するために小売業者のオンラインショップと統合するように設計されています。
ソリューションの中心には、Amazon Personalize があります。 Amazon Personalize は、社内に機械学習(ML)の専門知識を必ずしも持っていない小売業者に最適です。 これにより、開発者は、Amazon.com がリアルタイムにパーソナライズされたレコメンデーションで使用する同じMLテクノロジーでアプリケーションを構築できます。 さらに、Amazon Personalize はマネージドサービスであり、小売業者のチームはインフラストラクチャを構築、保守、または管理する必要はありません。 これはすべてAWSによって管理され、抽象化されています。
このソリューションでは、マイクロサービスパターンをシミュレートして、カートとレコメンデーションサービスの2つのサービスをAWS Fargate で構築しました。 AWS Fargate は、サーバーレスの従量課金制のコンピューティングエンジンです。 Amazon Personalize と同様に、サーバーレスサービスを使用することは、エンジニアリングチームがサーバーを管理するのではなく、よりビジネス価値の高い仕事に取り組むことができることを意味します。
アーキテクチャ設計の詳細については、以下を参照ください。
フロントエンド
ビルドアーティファクトは、Webアプリケーションアセット(商品/レシピの写真、Webグラフィックなど)が保持される Amazon Simple Storage Service(Amazon S3)バケットに保存されます。Amazon CloudFront は、Amazon S3 からフロントエンドコンテンツをキャッシュし、CloudFrontディストリビューションを介してアプリケーションをユーザーに表示します。 フロントエンドは、すべての認証要求に使用される Amazon Cognito とやりとりをします。
バックエンド
バックエンドインフラストラクチャのコアは、Amazon Elastic Container Service(Amazon ECS)と AWS Fargate でホストされるマイクロサービスで構成されています。これらは、カートドメインとレコメンデーションサービスを表します。 cartUpdatedEvent は、消費者が買い物かごを更新するたびに EventBridge バスを介して送信され、このイベントは Amazon Kinesis Data Firehouse を使用し Amazon S3 に保存されます。イベントが Amazon S3 に入ると、レコメンデーションエンジンモデルのトレーニングに使用され、最終的には将来のユースケースの履歴データセットを構築できます。レコメンデーションエンジンは、高度にカスタマイズされたレコメンデーションを顧客に提供するためにカスタムMLモデルをトレーニング、調整、デプロイするフルマネージドMLサービスである Amazon Personalize を利用しています。このソリューションでは、Webアプリは買い物かご内の様々な商品組み合わせサンプルを持つレシピサービスにクエリを実行し、それを満たすレシピのリストを返します。このレコメンデーションされたレシピのリストは、顧客の過去の購入に基づく好みとのマッチ度からランク付けされています。次に、リストが表示され、顧客ごとに一意に注文されます。
レシピ AWS Lambda 関数は、Amazon OpenSearch Service(Amazon Elasticsearch Serviceの後継)に保存されているレシピを取得して、フロントエンドに表示します。
以下は、このソリューションが食料品店のWeb店舗に実装されたときにカスタマージャーニーがどのように機能するかを示したスクリーンショットです。
Step 1
オンラインショップにアクセスする消費者は、アプリケーションのホームページにアクセスします(以下を参照)。 これは最初のエントリポイントであるため、レコメンデーションエンジンへの入力はありません。したがって、バックエンドはランダムなレシピを表示するだけです。
Step 2
例えば、消費者はパスタを買い物かごに追加することにしました。
Step 3
ランディングページで消費者に表示されるレシピは、パスタを含むレシピのみに調整されました。
Step 4
さらにトマトと卵を買い物かごに追加していきましょう。
Step 5
ランディングページに戻ると、表示されるレシピが、買い物かごに追加された2つの商品も含むレシピに変更されています。
Step 6
消費者が買い物かごに移動すると、左側のパネルにもレシピが表示されます。 これらのレコメンデーションされたレシピは、買い物の過程全体を通して消費者をフォローしています。
バックエンドは、パスタ、卵、トマトの3つの異なる材料を入力として取り込み、それらの様々な組み合わせを構築し、適切なレシピとのマッチ度からランク付けします。
このソリューションは、カスタマージャーニー全体にパーソナライズされた体験を実装するという点において参入障壁を低くします。 Amazon Personalizeは、小売業者によって革新的なユースケースを強化するために使用されています。 お客様の声と参考資料はこちらでご覧いただけます。
このソリューションの詳細、実験、特定のユースケースや顧客にどのように適応するかについてのディスカッションに興味がある場合は、今すぐAWSアカウントチームにお問い合わせください。
翻訳は、ソリューションアーキテクト齋藤が担当しました。原文はこちらです。
本ブログの著者について
Chara Gravani
Chara Gravaniは、AWSのシニアソリューションアーキテクトであり、英国におけるエンタープライズ小売業のお客様にクラウド移行のサポートおよび推進をしています。 Charaはデータと分析を特に専門にしており、また、D&Iと、すべての子供達がアクセス可能なSTEAM教育構築に情熱を注いでいます。
Stefano Vozza
Stefano Vozzaは、英国を拠点とするAWSソリューションエンジニアです。 StefanoはAWSソリューションアーキテクトと協力して、標準化されたツール、サンプルコード、デモンストレーション、およびクイックスタートを作成します。 彼はAWS Perspectiveのバックエンド開発者でもあります。
相葉雅紀発案『VS魂』メンバー主題歌プロジェクト始動!佐藤勝利&岸優太、英語でのオーダーで爆笑をさらう
恋を知らない26歳が出会ったのは...『文学処女‐遅咲きの恋のはなし‐』 (2021年11月22日) - エキサイトニュース
僕たちが身代わりに…奈良時代、父の釈放を求めて天皇陛下に直訴した子供たち (2021年12月11日) - エキサイトニュース
Deep Learning で音楽を作成するにはどうしたらいいの ? - builders.flash☆ - 変化を求めるデベロッパーを応援するウェブマガジン | AWS