关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， Mystique， Generative Ai， Secure Data Collaboration， Customer Data Unification， Hyper-Personalized Customer Experiences， Commerce Media Networks]

Grab Ads是东南亚领先的超级应用Grab于2018年推出的广告平台。在本次讨论中，您将了解Grab如何利用Amazon Clean Rooms通过与合作伙伴进行安全的数据协作来推动其广告业务，从而加深对客户的理解并提供更相关的体验。探索Grab如何使用亚马逊云科技上的生成式AI服务来赋能其营销和广告等业务职能。听取Grab分享其迁移至亚马逊云科技的经验，以及在广告工作负载创新方面的最佳实践。

以下是小编为您整理的本次演讲的精华。

在不断变化的广告和营销领域中，亚马逊云科技作为一个坚定的合作伙伴，已经有17年的历史，提供最安全的云计算环境、广泛的专用服务选择，以及与150多家行业合作伙伴的合作。这种长期的关系促进了各种客户角色的创新加速，包括品牌营销人员、代理商、广告技术、营销技术公司和媒体公司。

展开剩余94%

然而，近年来出现了一种新的客户角色，它无缝地将品牌向客户销售商品和媒体所有者为受众创建内容并在周围空间进行个性化广告货币化的角色结合在一起。这些被称为商业媒体网络的实体，代表了商业和媒体的融合，利用交易数据为客户群策划更相关的体验。

根据著名的市场研究公司eMarketer的数据，目前有超过200个商业媒体网络在运营，到2028年，它们预计将获得1300亿美元的广告支出，占当年总广告支出的28%。这个新兴行业包括各种各样的企业，包括零售商、金融服务公司、旅游和酒店企业，以及任何拥有第一方数据并在其生态系统和更广阔的数字领域内提供个性化广告的组织。

举个例子，一家同时提供乘车和外卖服务的公司，通过解析客户整个旅程、购买和意图的信号，可以在应用程序中为客户提供个性化广告。商业媒体网络拥有丰富多样的意图和交易信号，不仅仅是单一零售商的购买记录，这使他们能够增强客户体验，同时通过这些丰富的信号为广告商提供巨大价值。

商业媒体网络普遍提出的一个要求是，希望统一和保护他们的第一方信号，同时通过应用机器学习(ML)和人工智能(AI)为客户提供超个性化的体验。他们寻求能够保护数据的同时仍然满足业务目标的技术。

无论是作为商业媒体网络还是广告和营销领域内的类似角色，挑战不仅在于创建，还在于维护一个统一、安全的客户数据基础，使公司能够跟上诸如生成式AI等技术进步。

对于大多数大型企业来说，客户数据是分散和不完整的，存在于不同的数据存储、渠道和应用程序中。将这些数据连接成单一的客户记录是一项复杂和具有挑战性的工作。公司努力统一和连接数据，并加强治理以保护消费者隐私，而且他们越来越不希望将数据移出自己的数据湖或云环境。

统一的客户概况是由ML和AI驱动的超个性化体验的基础，允许公司为客户创建一对一的体验，并根据客户不断变化的偏好进行定制。公司旨在构建统一、丰富的360度客户视图，不仅包括客户在公司生态系统内的行为，还包括人口统计、生命阶段、行为、访问过的位置、购买记录和品牌忠诚度。然而，公司拥有的关于客户的第一方数据通常不足以组装这种全面的360度视图，需要通过隐私增强的数据协作，从合作伙伴、商家、媒体公司和数据提供商那里获得帮助。

亚马逊云科技 Cleanrooms是一项服务，它使两家或多家公司能够匹配、分析和协作集体数据以产生新的见解，而无需透露底层数据或将其从各自的云环境中移出。该服务支持多方协作、亚马逊云科技上的源数据，以及上周日新宣布的其他云(如Snowflake)上的源数据。亚马逊云科技 Cleanrooms提供可配置的成员能力，例如确定谁可以运行分析、接收结果和支付费用，以及细粒度的隐私控制，如连接键、允许的分析类型和SQL或ML的最小输出，所有这些都可通过控制台或API获得。

在过去一年中，亚马逊云科技 Cleanrooms集成了Amazon Entity Resolution，这是一项在亚马逊云科技 Cleanrooms中本地提供第一方数据统一的姐妹服务。Amazon Entity Resolution使客户能够使用可配置的基于规则的匹配、基于ML的匹配或来自TransUnion和LiveRamp等公司的合作伙伴匹配，来匹配、链接和增强相关记录。Amazon Entity Resolution的基于规则的匹配以及LiveRamp合作伙伴匹配现在都可以在亚马逊云科技 Cleanrooms中本地使用，为客户提供了关于他们希望使用哪种连接键来扩展与用例相匹配的匹配的选择。

这种完整、统一和丰富的客户视图，通过合作伙伴数据协作实现，是公司从生成式AI中获取价值的关键输入。为了更好地理解如何利用这种统一和丰富的客户数据输入，使用ML和AI实现超个性化，亚马逊云科技客户数据应用全球业务发展主管Adam Solomon提供了见解。

个性化在客户旅程中扮演着关键角色，从确定消费者是潜在客户还是已知客户开始，这种区别对个性化方法有着重大影响。现有客户期望在各种互动和接触点上获得相关、一致和吸引人的个性化体验，从发现品牌或其产品和服务开始，继续寻找他们需要的确切产品或服务，并最终导致购买。客户随后使用购买的产品，并希望重复购买，培养忠诚度。

这凸显了建立客户的统一视图并将其作为机器学习的驱动力来推荐产品或内容的重要性。基于这些推荐，生成式AI可用于跨渠道创建定制内容。

为了说明典型的营销活动内容工作流程，Adam介绍了一个由客户数据聚合、基于规则的决策引擎和内部或外部参与平台组成的管道。这种流程通常涉及相对静态的营销内容和广泛的活动细分，使得以相关信息吸引客户成为一个挑战。

然而，通过将机器学习和AI融入这一工作流程以实现超个性化，就会出现一种更加动态和个性化的方法。在这种超个性化的营销内容生成管道中，可以使用Amazon SageMaker分析数据并支持活动决策，而Amazon Personalize可以细分对某个产品感兴趣的用户。然后，Amazon Bedrock可以生成个性化的促销内容，Amazon Bedrock Guardrails可以确保内容合规且受到良好管理。输出随后可以部署到现有的活动平台。

分享了一个自动生成的超个性化电子邮件示例，考虑了相关的输入数据，如用户交易、搜索历史和客户偏好。个性化元素(用红色突出显示)包括电子邮件标题、推广产品、基于客户细分的个性化产品信息和好处、忠诚度状态的识别以及针对特定客户的优惠或行动号召。

另一个示例展示了旅游业中超个性化的礼宾聊天机器人，其中聊天机器人识别客户的忠诚度状态，根据客户偏好推荐产品，并提供客户特定的优惠。无论是什么信息或渠道，超个性化都能更深入地了解个人用户，使生成式AI变得更智能、更贴近消费者。

通过将客户的统一视图与机器学习和生成式AI相结合，公司可以为个人用户创建、定制和优化内容，个性化客户体验，同时保持品牌安全性和内容审核。

为了将这些概念付诸实践，Grab数据架构和EDW主管Snee Agrawal分享了Grab作为东南亚领先的超级应用程序的发展历程，提供包括乘车、外卖、包裹和送货服务、移动支付和金融服务在内的各种服务。Grab的使命是通过为每个人创造经济赋权来推动东南亚向前发展，为整个地区数百万用户提供基本的日常服务，使生活更加便利和高效。

Grab于2012年在一个城市和一个国家谦逊地起步，主要专注于提供可靠和安全的乘车服务。多年来，Grab已经扩展到8个国家和700多个城市，成为东南亚家喻户晓的品牌。这种快速增长得益于对创新、客户满意度的承诺，以及适应用户不断变化需求的能力。

Grab超级应用程序是由三个相互关联的应用程序组成的生态系统:面向消费者的应用程序，用户可以访问各种服务;面向司机合作伙伴的应用程序，用于提供叫车和送货服务;以及面向商家合作伙伴的应用程序，用于完成送货订单。超级应用程序的成功得益于用户的增加支出、订单、工作以及合作伙伴的收入，从而与消费者、商家和司机建立了牢固的关系，同时通过利用数据和技术提高了每个人的收入和收益。

Grab拥有大量数据，其67PB的数据湖正以极快的速度增长，每天增加200-300TB的数据。凭借4200万月活跃用户，Grab可以访问大量数据进行分析和优化服务。这些数据提供了用户行为、偏好和趋势的见解，有助于数据驱动的决策，并增强了Grab的产品和服务。

Grab与亚马逊云科技的合作可以追溯到2012年作为一家云原生超级应用程序的创立。随着Grab在各国扩展服务，它继续依赖亚马逊云科技基础设施。2022年，Grab将大部分数据工作负载迁移到亚马逊云科技，涉及40个研发团队、300名用户、5个应用程序和高达4000个工作负载。此次迁移带来了运营效率、存储和计算成本降低，以及能够利用统一数据湖的优势。

Grab的产品不仅包括超级应用程序，还有Grab Maps，不仅为Grab的应用程序提供支持，而且还为亚马逊云科技在Grab运营的所有8个国家提供位置服务。Grab Defense是一项欺诈监控、检测和预防服务，而GrabForBusiness则允许企业为员工注册商务个人资料，无需进行费用管理。此外，Grab还进军银行业，在新加坡、马来西亚和印度尼西亚设立了三家数字银行。

Grab Ads是该公司的广告产品，最初是基本的车队广告，并于2018年扩展到数字广告。2019年，Grab推出了Food Ads，以更好地扩大广告业务，随后在2020年推出了自助式商家功能，并在2021年推出了视频等新格式。几年前，Grab转向拍卖和自助服务平台，并继续优化其自助服务解决方案。

Grab Ads提供三大主要用例:1)商家合作伙伴可以通过该平台管理广告活动、接收促销建议并获取个性化的绩效见解。2)Grab利用其超级应用程序生态系统交叉销售服务、重新激活潜在流失客户，推动增长和参与度。3)企业可以利用Grab丰富的第一方数据和各种解决方案开展广告活动，有效高效地触达目标受众。

Grab采用高度个性化的方法为客户提供服务，主要由四类特征驱动:1)用户的人口统计信息;2)购买历史、交易频率、使用的服务等;3)客户满意度——用户喜欢或不喜欢的内容;4)参与度数据——用户多久点击回到应用程序以及不同产品的转化漏斗数据。这些数据通过ML和ETL管道进行端到端的特征工程、模型训练、推理，并存储在亚马逊云科技数据湖中，供分析师用于高度个性化的应用程序。

在设计这一架构时，需要考虑三个主要因素:1)可访问性——在确保数据安全的同时，分析师需要根据项目需求访问数据。2)可扩展性——由于数据量和用户量巨大，模型必须支持所需的容量和速度，以实现快速预测。3)可重用性——一旦创建，特征就可用于大量用例。

高度个性化方法的成果包括:能够根据用户画像提供差异化服务;为用户优先推荐相关服务;交叉销售和追加销售服务;量化客户体验以通知产品路线图，并了解Grab内部的痛点;通过量化客户旅程来定义客户旅程，有助于产品路线图规划和发现需要改进的领域。

Grab利用丰富的第一方数据以及外部信号来验证细分市场，确保个性化工作的准确性和有效性。这种方法使Grab能够更有效地调整服务和营销工作，推动增长和参与度，并通过不断完善细分市场，为用户提供更加相关和个性化的体验。

如前所述，Grab使用亚马逊云科技 Cleanrooms进行部分数据合作。亚马逊云科技 Cleanrooms允许Grab在不进行物理数据移动的情况下安全地与合作伙伴共享数据，确保了数据共享的安全性，并且对于重叠的数据集，能够有效地与合作伙伴进行协作。

典型的流程包括Grab和合作伙伴在协作中配置各自的表或数据集，在Cleanroom中运行分析，并将输出带回Grab的数据湖，进一步增强客户资料。这种方法使数据可用于更广泛的用例，可直接从数据湖中获取服务。

如今，任何讨论都离不开人工智能，Snee深入探讨了Grab如何利用人工智能来增强其运营和客户体验。人工智能对Grab来说是一个游戏规则改变者，使流程更加简化，并能够大规模提供个性化内容。探讨了三个广泛领域:生成式人工智能作为一般推理引擎、内部生产力工具以及改变客户体验。

Grab大力投资生成式人工智能，并努力跟上这一领域快速发展的步伐。Grab的一款大型语言模型(LLM)工具Mystique利用生成式人工智能为用户大规模创建吸引人的内容，彻底改变了内容创作流程，使高质量内容的生成更加快速。

Mystique旨在通过下拉菜单和滑块简化流程，允许用户通过填写熟悉的创意简报格式生成任何触点的多个创意版本，无需编写提示词的经验。Mystique真正的价值在于人工智能个性化，它可以实时为任何用户细分市场、产品或语言生成内容，每天数百或数千次，全年365天。

Mystique使用先进的人工智能模型为用户营销活动生成个性化和相关的内容，包括社交媒体帖子、电子邮件时事通讯和推送通知，确保内容与目标受众产生共鸣。Mystique的有效性证明在于，它能将内容生成时间缩短98.5%，使Grab能够在之前所需时间的一小部分内创建内容。

Grab用户的参与率提高了25%至50%，证明了个性化内容的有效性。商家通信的参与率增加了117%，凸显了针对性营销的影响。通过提供与受众产生共鸣的内容，Grab实现了更高的参与度和满意度，同时增强了与客户和商家合作伙伴的关系，并取得了更好的成果。

Mystique背后的流程包括:创意团队设置目标受众、内容类型、渠道等参数，并指导LLM进行内容创作，模拟营销团队的典型工作流程。然后，Mystique使用检索增强生成来从Grab的数据库中检索数据，确保内容与用户画像、生命周期和经过验证的参与风格相一致。LLM生成的内容融合了数据输入、用户上下文和历史指标。

生成的内容会根据Grab的品牌指南进行验证，通过反馈和自动化系统以及人工审查来完善流程。经过验证的内容随后会在11个渠道、12个人物画像、9个生命周期阶段和15种语言中部署，这可能会产生17，000多种变体。活动的绩效指标，如点击率和转化率，会被跟踪并反馈到系统中，以改进未来的内容。

在幕后，Grab的ML模型使用各种数据集生成用户画像和用户生命周期。营销团队在Mystique前端设置参数，根据活动简报生成内容，包括所需的Grab语气(如激动、富有同情心)、活动简报本身、选定的用户画像和生命周期阶段目标以及要生成的内容类型(如横幅广告、电子直邮和推送通知)。

例如，推广Grab的节省优惠(降低送货费)的内容样本可能会针对价格敏感的人群，如办公室职员、学生和有孩子的家庭，内容类型为推送通知。在这种情况下，Mystique将基于数十万个之前生成的内容片段在其向量数据库中进行相似性搜索，检索结果并将其输入LLM，根据要求生成内容。

然后会启动两个反馈循环:人工反馈循环，用于验证内容、提供反馈并重新生成或接受内容，有助于不断提高内容质量;以及绩效指标循环，其中历史活动绩效数据(如点击率和转化率)会反馈给Mystique，用于未来的活动。

Grab在生成式人工智能领域做出了许多努力，并将继续在这一领域不断创新。一些关键经验教训包括:有效的变革管理对于顺利过渡和成功采用新技术至关重要，为团队提供足够的准备时间以及适当的工具和培训来适应新系统，并为挑战和意外情况做好准备。

此外，Grab认识到需要满足不同用户的需求，从使用简单的大语言模型机器人访问知识库的本地新闻用户，到为特定用例创建基本应用程序的低代码用户，再到需要高度参数化框架以快速上手的高级工程师用户。最终，Grab所做的一切都是为了最终用户，因此确保他们获得无缝且令人满意的体验至关重要。

Grab还预测并衡量了诸如幻觉和延迟等问题，因为像大语言模型这样的新技术可能会给实时用例带来挑战。在大胆押注和维持现状之间取得平衡并非易事，但在某些时候必须做出大胆的决定。

总之，Grab的旅程充满了宝贵的经验教训，这些经验教训塑造了其创新和发展的方式。通过关注内部经验、理解不同用户的需求，并为新技术带来的挑战和不确定性做好准备，Grab可以继续取得成功并为用户和合作伙伴创造价值。

Shiloh Matthias在总结时重申了本次会议涵盖的关键要点。首先，商业媒体网络拥有丰富多样的信号，可用于增强客户体验并从广告商投资中创造新的商业价值。根据eMarketer的数据，目前全球有超过200个商业媒体网络，到2028年，这些网络的广告支出预计将达到1300亿美元，约占当年总广告支出的28%。

其次，像商业媒体网络这样的公司受益于统一和丰富的客户数据，为通过高度个性化的客户体验创造商业价值奠定了坚实的数据基础。对于大多数大公司而言，客户数据往往分散且不完整，存在于不同的数据存储、渠道和应用程序中。

最后，亚马逊云科技生成式人工智能可以帮助公司通过创意生成(如Grab的Mystique工具所示)或结合强大的数据基础和输入创建交互式聊天机器人，从而实现高度个性化的体验。无论公司在生成式人工智能之旅的哪个阶段，亚马逊云科技都提供了基础设施、工具和应用程序来支持探索、测试和产品化亚马逊云科技生成式人工智能。

Shiloh分享了本次会议涉及的亚马逊云科技产品和服务的相关资源，包括亚马逊云科技迁移评估和联系亚马逊云科技 Cleanrooms或亚马逊云科技生成式人工智能专家的二维码。

她代表Snee Agrawal、Adam Solomon和自己感谢观众的时间和关注，并鼓励他们填写调查问卷以帮助改进未来的内容。

本次会议全面概述了新兴的商业媒体网络、它们在统一和保护第一方信号的同时推动高度个性化体验所面临的挑战，以及亚马逊云科技如何通过其基础设施、专门构建的服务和安全的数据协作产品(如亚马逊云科技 Cleanrooms)来解决这些挑战。

作为一家云原生超级应用程序，Grab在创新使用亚马逊云科技、生成式人工智能和安全数据协作方面的经验成为了一个引人入胜的客户案例，展示了这些技术对运营、客户体验和业务效率的变革性影响。

Grab拥有大量数据，其67PB的数据湖每天以200-300TB的速度快速增长。凭借4200万月活跃用户，Grab可以访问大量数据来分析和优化其服务。2022年，Grab将大部分数据工作负载迁移到亚马逊云科技，涉及40个研发团队、300名用户、5个应用程序和高达4000个工作负载。

Grab的Mystique工具利用生成式人工智能，彻底改变了内容创作流程，将内容生成时间缩短了98.5%，实现了快速生成高质量内容。Grab用户的参与度提高了25%至50%，商家通信的参与度则提高了117%，凸显了针对性营销的影响。

由Mystique生成的经过验证的内容部署在11个渠道、12种用户角色、9个生命周期和15种语言中，产生了超过17，000种变体。系统会跟踪点击率、转化率等绩效指标，并将其反馈回系统以改进未来的内容。

随着公司在广告、营销和客户体验的不断演进中探索前进，本次会议分享的见解和经验教训为如何利用数据、机器学习和生成式人工智能的力量来推动创新、增长和客户满意度，同时解决数据统一、保护和高度个性化等挑战提供了宝贵的指导。

下面是一些演讲现场的精彩瞬间：

Shiloh Matthias，亚马逊云科技客户数据应用程序的首席业务发展经理，介绍了来自Grab的Snee Agrawal和来自亚马逊云科技的Adam Solomon，讨论客户数据应用程序。

公司努力通过隐私增强的数据协作将第一方数据与合作伙伴的见解相结合，创建全面的360度客户视图，从而加深对客户的理解，同时遵守消费者隐私法规。

亚马逊云科技 Cleanrooms支持各种云环境，提供细粒度的隐私控制，实现安全的多方协作和数据分析，而无需透露底层数据。

亚马逊展示了Mystique，这是一种人工智能系统，通过人工验证和微调输出的过程生成营销内容，从而随着时间的推移提高生成内容的质量。

有效的变革管理、提供渐进时间、拥抱混乱以及为团队配备合适的工具对于在快速发展的领域成功采用新技术至关重要。

生成式人工智能为不同的用户群体提供服务，从普通用户到高级开发人员，确保所有人都能获得流畅和令人满意的体验。

演讲者提供了亚马逊云科技迁移评估和联系Amazon Clean Rooms或亚马逊云科技生成式人工智能专家的二维码。

作为东南亚领先的超级应用程序，Grab一直在与亚马逊云科技合作创新，为该地区数百万用户提供卓越服务。在12年的合作中，Grab利用亚马逊云科技基础设施、Generative AI和安全数据协作，提升了客户体验并推动了业务增长。

Grab的数据湖每天以200-300TB的速度快速增长，为用户行为和偏好提供了宝贵的见解，有助于做出数据驱动的决策。通过利用AWSCleanrooms，Grab与合作伙伴安全协作，丰富了客户资料，并实现了高度个性化的营销工作。此外，Grab开发了Mystique这一生成式AI工具，可以大规模创建吸引人的内容，将内容生成时间缩短了98.5%，用户参与度提高了25-50%。

Grab的发展历程中获得了宝贵的经验教训，包括有效变革管理的重要性、理解不同用户人物特征，以及预测挑战。通过专注于这些方面并与亚马逊云科技持续创新，Grab旨在为用户和合作伙伴创造价值，推动东南亚地区通过经济赋权向前发展。

Grab的成功故事展示了利用亚马逊云科技服务、Generative AI和安全数据协作来提供个性化体验、简化运营和推动业务增长的力量。随着公司继续创新，Grab将坚持为其生态系统提供卓越服务并创造价值。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。

发布于：韩国