Kohandage oma soovitusi, reklaamides Amazon Personalize'iga ärireegleid kasutades konkreetseid üksusi

Täna on meil hea meel teatada Tutvustusi Amazon Personalize'i funktsioon, mis võimaldab teil konkreetselt oma kasutajatele konkreetseid üksusi soovitada reeglite alusel, mis vastavad teie ärieesmärkidele. Näiteks võib teil olla turunduspartnerlusi, mis nõuavad teatud kaubamärkide, ettevõttesisese sisu või kategooriate reklaamimist, mille nähtavust soovite parandada. Pakkumised annavad teile rohkem kontrolli soovitatud üksuste üle. Saate määratleda ärireeglid, et tuvastada reklaamartikleid ja tutvustada neid kogu oma kasutajaskonnas ilma lisatasudeta. Samuti saate oma soovitustes kontrollida reklaamitava sisu protsenti. Amazon Personalize otsib teie ärireeglitele vastavad reklaamtoodete hulgast automaatselt üles asjakohased üksused ja jagab need iga kasutaja soovituste raames.

Amazon Personalize võimaldab teil parandada klientide seotust, pakkudes veebisaitidel, rakendustes ja sihitud turunduskampaaniates isikupärastatud toote- ja sisusoovitusi. Saate alustada ilma eelneva masinõppe (ML) kogemuseta, kasutades API-sid, et mõne klõpsuga hõlpsasti luua keerukaid isikupärastamisvõimalusi. Kõik teie andmed krüpteeritakse, et need oleksid privaatsed ja turvalised, ning neid kasutatakse ainult teie kasutajatele soovituste loomiseks.

Selles postituses näitame, kuidas kohandada oma soovitusi uue reklaamifunktsiooniga e-kaubanduse kasutusjuhtumite jaoks.

Lahenduse ülevaade

Erinevad ettevõtted saavad oma individuaalsetel eesmärkidel põhinevaid reklaame kasutada sisu jaoks, millega nad soovivad kaasatust suurendada. Saate kasutada pakkumisi, et teatud protsent teie soovitustest oleks mis tahes rakenduse jaoks, olenemata domeenist, teatud tüüpi. Näiteks e-kaubanduse rakendustes saate seda funktsiooni kasutada selleks, et 20% soovitatavatest kaupadest oleks need, mis on märgitud müügiks või teatud kaubamärgist või kategooriast. Nõudevideote kasutamise juhtudel saate seda funktsiooni kasutada, et täita 40% karusselli äsja käivitatud saadete ja filmidega, mida soovite esile tõsta, või reaalajas sisu reklaamimiseks. Saate kasutada tutvustusi domeeni andmestiku rühmad ja kohandatud andmestikurühmad (Kasutaja isikupärastamine ja Sarnased esemed retseptid).

Amazon Personalize muudab reklaamide seadistamise lihtsaks: esmalt looge filter, mis valib üksused, mida soovite reklaamida. Saate kasutada Amazon Personalize'i konsooli või API-d, et luua oma loogikaga filter, kasutades Amazon Personalize DSL-i (domeenispetsiifiline keel). See võtab vaid mõne minuti. Seejärel määrake soovituste taotlemisel pakkumine, määrates filtri, soovituste protsendi, mis peaksid sellele filtrile vastama, ja vajadusel dünaamilise filtri parameetrid. Reklaamitud üksused jaotatakse soovitustes juhuslikult, kuid olemasolevaid soovitusi ei eemaldata.

Järgmine diagramm näitab, kuidas saate Amazon Personalize'i soovitustes pakkumisi kasutada.

Määrate kataloogisüsteemis reklaamitavad üksused, laadite need Amazoni isikupärastamise üksuste andmekogumisse ja saate seejärel soovitusi. Soovituste saamine ilma pakkumist määramata tagastab kõige asjakohasemad üksused ja selles näites ainult ühe üksuse reklaamitud üksustest. Reklaamitud kaupade tagastamine ei ole garanteeritud. Soovituste saamine 50% reklaamitud üksustega tagastab pooled reklaamitud üksuste hulka kuuluvatest üksustest.

See postitus juhendab teid Amazon Personalize'i soovitustes reklaamide määratlemise ja rakendamise protsessis, et kampaania või soovitaja tulemused sisaldaksid konkreetseid üksusi, mida soovite kasutajatel näha. Selle näite jaoks loome jaemüügisoovituse ja reklaamime selle abil tooteid CATEGORY_L2 as halloween, mis vastab Halloweeni kaunistustele. Selle kasutusjuhtumi koodinäidis on saadaval aadressil GitHub.

Eeldused

Pakkumiste kasutamiseks seadistage esmalt Amazon Personalize'i konsoolis mõned Amazon Personalize'i ressursid. Looge oma andmestikurühm, laadige andmed ja koolitage välja soovitaja. Täielike juhiste saamiseks vt Alustamine.

1. Looge andmestikurühm.
2. Loo Interactions andmestik, kasutades järgmist kava:

   {
       "type": "record",
       "name": "Interactions",
       "namespace": "com.amazonaws.personalize.schema",
       "fields": [
           {
               "name": "USER_ID",
               "type": "string"
           },
           {
               "name": "ITEM_ID",
               "type": "string"
           },
           {
               "name": "TIMESTAMP",
               "type": "long"
           },
           {
               "name": "EVENT_TYPE",
               "type": "string"
           }
       ],
       "version": "1.0"
   }

3. Importige interaktsiooniandmed Amazonile Isikupärasta alates Amazoni lihtne salvestusteenus (Amazon S3). Selle näite jaoks kasutame järgmist andmefail. Sünteetilised andmed genereerisime failis oleva koodi põhjal Jaemüügi demopoe projekt. Andmete ja võimalike kasutusalade kohta lisateabe saamiseks vaadake GitHubi repost.
4. Loo Items andmestik, kasutades järgmist skeemi:

   {
       "type": "record",
       "name": "Items",
       "namespace": "com.amazonaws.personalize.schema",
       "fields": [
           {
               "name": "ITEM_ID",
               "type": "string"
           },
           {
               "name": "PRICE",
               "type": "float"
           },
           {
               "name": "CATEGORY_L1",
               "type": ["string"],
               "categorical": true
           },
           {
               "name": "CATEGORY_L2",
               "type": ["string"],
               "categorical": true
           },
           {
               "name": "GENDER",
               "type": ["string"],
               "categorical": true
           }
       ],
       "version": "1.0"
   }

5. Importige üksuse andmed Amazon S3-st Amazon Personalize'i. Selle näite jaoks kasutame järgmist andmefail, põhineb koodil Jaemüügi demopoe projekt.Lisateabe saamiseks oma interaktsioonide ja üksuste andmete vormindamise ja importimise kohta Amazon S3-st vt Hulgikirjete importimine.
6. Looge soovitaja. Selles näites loome a "Soovitan teile" soovitaja.

Looge oma reklaamide jaoks filter

Nüüd, kui olete oma Amazon Personalize'i ressursid seadistanud, saate luua a filtreerida mis valib teie reklaami jaoks üksused.

Saate luua staatilise filtri, kus kõik muutujad on filtri loomisel kõvakodeeritud. Näiteks selleks, et lisada kõik üksused, millel on CATEGORY_L2 as halloween, kasutage järgmist filtriavaldist:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ("halloween")

Samuti saate luua dünaamilisi filtreid. Dünaamilisi filtreid saab reaalajas kohandada, kui taotlete soovitusi. Dünaamilise filtri loomiseks määrate filtri avaldise kriteeriumid, kasutades fikseeritud väärtuse asemel kohahoidja parameetrit. See võimaldab teil valida väärtusi, mida filtreerida, rakendades filtrit soovituspäringule, mitte avaldise loomisel. Kui helistate numbrile, esitate filtri Hankige soovitusi or Get PersonalizedRanking API toimingud või osana sisendandmetest, kui koostate soovitusi pakettrežiimis läbi a partii järeldamistöö.

Näiteks selleks, et valida kõik üksused valitud kategooriast, kui teete järelduskutsungi rakendatud filtriga, kasutage järgmist filtriavaldist:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Eelmist DSL-i saate kasutada Amazon Personalize'i konsoolis kohandatava filtri loomiseks. Tehke järgmised sammud.

1. Amazoni isikupärastamise konsoolil Filtrid lehel, valige Loo filter.
2. eest Filtri nimi, sisestage oma filtri nimi (selle postituse jaoks sisestame category_filter).
3. valima Ehitage väljendust või lisage oma avaldis käsitsi, et luua kohandatud filter.
4. Koostage väljend „Kaasa ItemID KUS Items.CATEGORY_L2 IN $CATEGORY"Sest Väärtus, sisestate väärtuse $ pluss parameetri nimi, mis sarnaneb teie kinnisvara nimega ja mida on lihtne meeles pidada (selle näite puhul $CATEGORY).
5. Täiendavate avaldiste filtriga aheldamiseks valige valikuliselt plussmärk.
6. Täiendavate filtriavaldiste lisamiseks valige Lisa väljendus.
7. Vali Loo filter.
   

Filtreid saate luua ka rakenduse kaudu createFilter API rakenduses Amazon Personalize. Lisateabe saamiseks vt Loo filter.

Rakendage oma soovitustele pakkumisi

Rakendades a filtreerida kui soovituste saamine on hea viis oma soovitusi konkreetsete kriteeriumide järgi kohandada. Kuid filtrite kasutamine rakendab filtri otse kõikidele tagastatud soovitustele. Pakkumiste kasutamisel saate valida, kui suur protsent soovitustest vastab reklaamitavatele üksustele, võimaldades teil kombineerida isikupärastatud soovitusi ja parimaid üksusi, mis vastavad iga kasutaja jaoks reklaamikriteeriumidele teie ärilise kasutuse jaoks sobivas proportsioonis.

Järgmine näitekood on päringu keha GetRecommendations API, mis saab soovitusi kasutajale, kes kasutab "Sulle soovitatud" soovitaja:

{
    "recommenderArn" = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20
}

See päring tagastab määratud kasutaja jaoks isikupärastatud soovitused. Kataloogis olevatest artiklitest on need 20 kasutaja jaoks kõige olulisemat toodet.

Saame teha sama kõne ja rakendada filtrit, et tagastada ainult filtrile vastavad üksused. Järgmine näidiskood on päringu keha GetRecommendations API, mis saab soovitusi kasutajale, kes kasutab soovitust „Teile soovitatud”, ja rakendab a dünaamiline filter tagastada ainult asjakohased esemed, millel on CATEGORY_L2 as halloween:

{
    "recommenderArn" = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20,
    filterArn = "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
    filterValues={ "CATEGORY": ""halloween""}
}

See päring tagastab isikupärastatud soovitused määratud kasutajale CATEGORY_L2 as halloween. Kataloogis olevatest esemetest on need 20 kõige olulisemat eset CATEGORY_L2 as halloween kasutaja jaoks.

Saate kasutada pakkumisi, kui soovite, et teatud protsent üksustest kuuluks atribuudile, mida soovite reklaamida, ja ülejäänud üksused, mis on selle kasutaja jaoks kataloogi kõigist üksustest kõige asjakohasemad. Võime teha sama kõne ja rakendada edutamist. Järgmine näidiskood on päringu keha GetRecommendations API, mis saab soovitusi kasutajale, kes kasutab soovitust „Teile soovitatud”, ja rakendab reklaami, et kaasata teatud protsent asjakohastest üksustest, millel on CATEGORY_L2 as halloween:

{
    recommenderArn = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20,
    promotions = [{
        "name" : "halloween_promotion",
        "percentPromotedItems" : 20,
        "filterArn": "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
        "filterValues": {
            "CATEGORY" : ""halloween""
        }
    }]
}

See taotlus tagastab 20% soovitustest, mis vastavad pakkumises määratud filtrile: üksused koos CATEGORY_L2 as halloween; ja 80% isikupärastatud soovitused määratud kasutajale, mis on kataloogis olevatest esemetest kasutaja jaoks kõige asjakohasemad.

Saate kasutada filtrit koos reklaamidega. Ülataseme parameetriploki filter rakendub ainult reklaamimata üksustele.

Reklaamitavate üksuste valimise filter on määratud jaotises promotions parameetrite plokk. Järgmine näidiskood on päringu keha GetRecommendations API, mis saab soovitusi kasutajale, kes kasutab soovitust „Teile soovitatud”, ja kasutab dünaamilist filtrit, mida oleme kaks korda kasutanud. Esimene filter rakendub reklaamimata üksustele, valides üksused koos CATEGORY_L2 as decorative, ja teine ​​filter kehtib pakkumisele, reklaamides üksusi rakendusega CATEGORY_L2 as halloween:

{
    recommenderArn = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20,
    "filterArn": "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
    "filterValues": {
        "CATEGORY" : ""decorative""
    }
    promotions = [{
        "name" : "halloween_promotion",
        "percentPromotedItems" : 20,
        "filterArn": "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
        "filterValues": {
            "CATEGORY" : ""halloween""
        }
    }]
}

See taotlus tagastab 20% soovitustest, mis vastavad pakkumises määratud filtrile: üksused koos CATEGORY_L2 as halloween. Ülejäänud 80% soovitatud üksustest on isikupärastatud soovitused määratud kasutajale CATEGORY_L2 as decorative. Need on kataloogis olevatest üksustest kasutaja jaoks kõige olulisemad kaubad CATEGORY_L2 as decorative.

Koristage

Veenduge, et puhastaksite oma kontol loodud kasutamata ressursid, järgides selles postituses kirjeldatud samme. Filtreid, soovitusi, andmekogumeid ja andmekogumirühmi saate kustutada rakenduse kaudu AWS-i juhtimiskonsool või kasutades Pythoni SDK-d.

kokkuvõte

Lisamine tutvustusi  Amazon Personalize võimaldab teil kohandada oma soovitusi iga kasutaja jaoks, lisades üksused, mille nähtavust ja kaasatust soovite selgesõnaliselt suurendada. Reklaamid võimaldavad teil ka määrata, kui suur protsent soovitatud üksustest peaks olema reklaamitud, mis kohandab soovitused teie ärieesmärkide täitmiseks ilma lisatasuta. Saate kasutada pakkumisi soovituste jaoks, kasutades kasutajate isikupärastamise ja sarnaste üksuste retsepte, samuti kasutada juhtjuhtude jaoks optimeeritud soovitusi.

Amazon Personalize'i kohta lisateabe saamiseks vt Mis on Amazon Personalize?

Autoritest

Anna Gruebler on AWS-i lahenduste arhitekt.

Alex Burkleaux on AWS-i lahenduste arhitekt. Ta keskendub sellele, et aidata klientidel rakendada masinõpet ja andmeanalüütikat, et lahendada probleeme meedia- ja meelelahutustööstuses. Vabal ajal veedab ta meelsasti perega aega ja töötab vabatahtlikuna suusapatrullina kohalikul suusamäel.

Liam Morrison on AWS-i lahenduste arhitekti juht. Ta juhib turundusuuringute teenustele keskendunud meeskonda. Ta on viimased 5 aastat keskendunud masinõppe praktilistele rakendustele meedias ja meelelahutuses, aidates klientidel rakendada isikupärastamist, loomuliku keele töötlemist, arvutinägemist ja palju muud.