2022年5月24日 亚马逊云科技宣布，亚马逊云科技合作伙伴上海欣兆阳（Convertlab）依托亚马逊云科技服务组合，打造数据智能营销解决方案。
把亚马逊云科技的“智能湖仓”架构作为数据治理底座，Convertlab构建了一体化的户数据管理平台Data Hub和高效机器学习平台AI Hub，使数据流转时效性提升32%，并可进行快速的特征设计与机器学习模型迭代，模型上线效率提升30%。
数字时代下，企业希望通过提升用户体验来保障业务的持续增长。Convertlab运用云计算、大数据和人工智能为代表的数字化技术，构建了一系列产品以支撑企业数字化营销转型，为企业营销提供数字化、自动化、智能化基础设施以及相关的专业服务。
在与亚马逊云科技合作之前，Convertlab数据智能营销解决方案主要面临三方面的技术挑战。
首先，数据处理与机器学习作业流程关联弱，数据清洗、特征工程与机器学习作业在不同的系统中运行，降低了大数据与模型之间的流转效率；
其次，数据的处理与分析需要耗费大量精力，数据在不同的库表环境中，建模前期的数据整理与清洗工作需要耗费模型上线周期中50%左右的时间；
最后，模型的迭代、维护等管理层面的效率较低，模型的验证、检测、分析等工作较为复杂，导致投入资源成本较高。
基于亚马逊云科技“智能湖仓”架构，Convertlab构建了一体化的客户数据管理平台Data Hub和高效机器学习平台AI Hub，并在此之上开发了包含个性化推荐、用户生命旅程、购买概率额预测、权益敏感度预测、广告点击预测、因果分析、最佳下一步行为预测以及智能圈群等一系列智能营销解决方案，帮助企业实现全渠道、全场景、全链路的精益客户运营。
Data Hub将原来散落在不同系统的数据全部汇入以对象存储服务Amazon Simple Storage Service （Amazon S3）为中心的数据湖；基于云上大数据平台Amazon Elastic MapReduce （Amazon EMR）进行用户离线数据、实时数据的存储和处理；利用交互式查询服务Amazon Athena轻松聚合各个数据源的数据。与传统的技术架构相比， “智能湖仓” 架构帮助Data Hub实现了统一融合的数据治理底座，打破数据及技能孤岛，减少异构数据融合成本，将数据流转时效性提升32%，并为AI Hub提供标准统一的数据模型。
在机器学习赋能业务方面，AI Hub借助机器学习服务Amazon SageMaker，帮助数据专家快速准备、构建、训练和部署高质量的机器学习模型，进行快速的特征设计与机器学习模型迭代，模型上线效率提升30%。目前，Convertlab已上线5大营销特征类别、300+营销特征、20+营销AI模型。
迄今为止，Convertlab已通过与亚马逊云科技的协作，在零售行业拥有了多个客户成功案例。以某世界500强零售企业为例，随着其营销数据和场景越来越多，很难做到完备的数据洞察和数据驱动策略。
Convertlab与亚马逊云科技协作，帮助客户进行了基于AI决策的业务创新，数据业务的人力投入从12人减少到8人，项目上线周期从12个月降至3个月，实际产出从13个营销场景增加到32个场景，电子渠道商品交易总额（GMV）比例从2.95%提升到6.34%，只需原来 20%的成本投入，就实现了240%的策略产出和200%的KPI提升。
此外，基于亚马逊云科技提供的数据管理和处理能力，Convertlab帮助中国某知名家电企业构建了动态全域智能营销模型，使用AI动态权益确定当前每个客户对权益的喜好，圈选推送人群，相同场景下的营销活动短消息点击率增长75%。
