Personalisieren Sie Ihre Suchergebnisse mit der Integration von Amazon Personalize und Amazon OpenSearch Service | Amazon Web Services

Amazon personalisieren hat eine neue Integration mit gestartet Amazon OpenSearch-Dienst Dadurch können Sie die Suchergebnisse für jeden Benutzer personalisieren und dessen Suchanforderungen vorhersagen. Mit dem Amazon Personalize Search Ranking-Plugin im OpenSearch Service können Sie die Endbenutzereinbindung und -konvertierung Ihrer Website- und App-Suche verbessern, indem Sie die Deep-Learning-Funktionen von Amazon Personalize nutzen. Diese Funktion ist auch mit selbstverwaltetem OpenSearch verfügbar.

Die Suche ist für die Einbindung von Benutzern von entscheidender Bedeutung, da sie zu hochinteressiertem Traffic von Personen führt, die nach bestimmten Produkten oder Kategorien suchen. Bisher war es für Kunden aufgrund von Infrastruktureinschränkungen oder mangelnder ML-Expertise schwierig, aus diesem Datenverkehr Kapital zu schlagen und ihren Benutzern relevante Suchergebnisse bereitzustellen. Dies führte dazu, dass Nutzer in zunehmendem Maße die gesuchten Artikel nicht fanden. Mit dem Amazon Personalize Search Ranking-Plugin können Kunden von OpenSearch Service Version 2.9.0 oder höher über den traditionellen Keyword-Matching-Ansatz hinausgehen und relevante Elemente in den Suchergebnissen eines einzelnen Benutzers basierend auf dessen Interessen, Kontext und vergangenen Interaktionen in Echtzeit hervorheben. Sie können auch den Grad der Personalisierung für jede Suchabfrage feinabstimmen, um Flexibilität und Kontrolle über das Sucherlebnis zu gewährleisten.

AWS-Partner mögen Wissend sind begeistert von den Personalisierungsmöglichkeiten, die das Amazon Personalize Search Ranking-Plugin ihren Medien- und Einzelhandelskunden eröffnet.

„Amazon Personalize hat sich aufgrund seiner kostengünstigen und optimierten Implementierung für viele Unternehmen als äußerst wirkungsvoll erwiesen. Mit der Veröffentlichung des neuen Amazon Personalize Search Ranking-Plugins innerhalb des Amazon OpenSearch Service können wir jetzt schnell Benutzerpersonalisierung für Suchergebnisse in Echtzeit bereitstellen und implementieren. Wir sind sehr zuversichtlich, dass dadurch das Kundenerlebnis und die Kundenzufriedenheit verbessert sowie die Konversions- und Klickraten um das Zwei- bis Dreifache gesteigert werden. Die personalisierte Suche ist ein Unterscheidungsmerkmal, insbesondere für Medien- und Einzelhandelsplattformen. Wir freuen uns sehr, bei dieser Version ein Einführungspartner von AWS zu sein, und freuen uns darauf, Unternehmen bei der Bereitstellung personalisierter Suchlösungen auf Basis von Amazon Personalize zu unterstützen.“

– Andy Huang, Leiter KI/ML bei Cognizant Servian.

In diesem Beitrag zeigen wir Ihnen, wie Suchergebnisse basierend auf dem Benutzer personalisiert werden und wie sie variieren, wenn Sie die Personalisierungsgewichtung anpassen. Wir geben einen Wert näher bei Null an, um weniger Wert auf die Personalisierung zu legen, und geben einen Wert näher bei 1 an, um Suchergebnisse basierend auf einem höheren Grad an Personalisierung neu zu ordnen.

Beispielanwendungsfälle

Um die Auswirkungen dieser neuen Funktion genauer zu untersuchen, sehen wir uns ein Beispiel anhand eines Datensatzes aus dem an Demo-Einzelhandelsgeschäft.

Zunächst nutzen wir den OpenSearch Service, um Suchergebnisse für die Suchanfrage „Pflege“ zu erhalten. Wenn die Personalisierungsgewichtung auf 0.0 eingestellt ist, findet keine Personalisierung statt. Wie in der folgenden Tabelle gezeigt, zeigen die Top-XNUMX-Suchergebnisse von OpenSearch Service die Pflegeprodukte mit einer höheren Geschlechtsaffinität gegenüber Frauen (siehe). Gender_Affinity Spalte, wo M steht für männlich und F steht für weiblich).

Nehmen wir an, dass es sich um einen Benutzer mit Geschlecht handelt M (männlich) führt eine Suche mit derselben Suchanfrage nach „Pflege“ durch. Wenn die Personalisierungsgewichtung auf 0.3 eingestellt ist, erhalten die Elemente mit einer Geschlechtsaffinität zu Männern eine leichte Steigerung im Ranking. In diesem Beispiel wird Premium Men's Razor, das in der vorherigen Tabelle von OpenSearch Service ursprünglich auf Platz 6 stand, in der aktualisierten Tabelle auf Platz 2 angehoben. In ähnlicher Weise erscheint Razor Brand for Men auf einem höheren Platz (Rang 6), obwohl es in der vorherigen Tabelle der Artikel mit dem niedrigsten Rang ist.

Als Nächstes optimieren wir die Personalisierungsgewichtung auf einen Wert von 0.8, um personalisiertere Suchergebnisse für „Pflege“ zu erhalten. In der folgenden Tabelle sind die vier besten Artikel in den Suchergebnissen besonders gut für Männer geeignet. Premium-Herrenrasierer und Rasierermarken für Herren steigen im Ranking weiter nach oben. Wir sehen auch, dass andere Pflegeprodukte wie Minimalistic Razor und Fusion5 Razers for Men ganz oben in den Suchergebnissen auftauchen, obwohl sie bei unserer ersten Suchanfrage einen niedrigeren Rang hatten.

Weitere Einzelheiten zur Implementierung der personalisierten Suche mit OpenSearch Service finden Sie unter Personalisierung der Suchergebnisse von OpenSearch.

Zusammenfassung

Mit dem neuen Amazon Personalize Search Ranking-Plugin können Kunden sowohl von selbstverwaltetem OpenSearch als auch von OpenSearch Service v2.9 und höher relevante Elemente in ihren Suchergebnissen verbessern, indem sie Signale aus dem Verlauf, dem Kontext und den Präferenzen jedes Benutzers einbeziehen. Mit dem Plugin können Sie den Grad der Personalisierung für jeden Benutzer und Abfragetyp besser steuern und das Sucherlebnis für Ihre Benutzer insgesamt verbessern.

Weitere Informationen zu Amazon Personalize finden Sie im Amazon Personalize-Entwicklerhandbuch.

Über die Autoren

Shreeya Sharma ist Senior Technical Product Manager und arbeitet mit AWS AI/ML im Amazon Personalize-Team. Sie hat einen Hintergrund in den Bereichen Informatik, Technologieberatung und Datenanalyse

Ketan Kulkarni ist ein Softwareentwicklungsingenieur im Amazon Personalize-Team, der sich auf den Aufbau KI-gestützter Empfehlungssysteme in großem Maßstab konzentriert. In seiner Freizeit liest und reist er gerne.

Prashant Mishra ist Software Development Engineer im Amazon Personalize-Team.

Branislav Kveton ist leitender Wissenschaftler bei AWS AI Labs. Er schlägt Algorithmen vor, analysiert und wendet sie an, die inkrementell lernen, in Echtzeit laufen und mit zunehmender Anzahl von Beobachtungen zu nahezu optimalen Lösungen konvergieren.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://aws.amazon.com/blogs/machine-learning/personalize-your-search-results-with-amazon-personalize-and-amazon-opensearch-service-integration/