توصیه های خود را با تبلیغ موارد خاص با استفاده از قوانین تجاری با Amazon Personalize سفارشی کنید

امروز، ما مشتاقیم که اعلام کنیم تبلیغات قابلیتی در Amazon Personalize که به شما امکان می دهد اقلام خاصی را بر اساس قوانینی که با اهداف کسب و کار شما همسو هستند به طور صریح به کاربران خود توصیه کنید. برای مثال، می‌توانید شراکت‌های بازاریابی داشته باشید که از شما می‌خواهد برندهای خاص، محتوای داخلی یا دسته‌هایی را که می‌خواهید دیده شدن آنها را بهبود ببخشید، تبلیغ کنید. تبلیغات به شما کنترل بیشتری بر موارد توصیه شده می دهد. شما می توانید قوانین کسب و کار را برای شناسایی اقلام تبلیغاتی و نمایش آنها در کل پایگاه کاربر خود، بدون هیچ هزینه اضافی تعریف کنید. شما همچنین درصد محتوای تبلیغ شده را در توصیه های خود کنترل می کنید. Amazon Personalize به طور خودکار اقلام مربوطه را در مجموعه اقلام تبلیغاتی که با قوانین کسب و کار شما مطابقت دارند پیدا می کند و آنها را طبق توصیه های هر کاربر توزیع می کند.

Amazon Personalize شما را قادر می‌سازد تا با ارائه توصیه‌های شخصی‌شده محصول و محتوا در وب‌سایت‌ها، برنامه‌ها و کمپین‌های بازاریابی هدفمند، تعامل مشتری را بهبود ببخشید. می‌توانید بدون هیچ‌گونه تجربه یادگیری ماشینی (ML) قبلی، با استفاده از APIها شروع کنید تا به راحتی قابلیت‌های شخصی‌سازی پیچیده را با چند کلیک ایجاد کنید. تمام داده‌های شما برای خصوصی و ایمن بودن رمزگذاری شده‌اند و فقط برای ایجاد توصیه‌هایی برای کاربرانتان استفاده می‌شوند.

در این پست، نحوه سفارشی‌سازی توصیه‌های خود را با ویژگی تبلیغات جدید برای یک مورد استفاده از تجارت الکترونیک نشان می‌دهیم.

بررسی اجمالی راه حل

کسب‌وکارهای مختلف می‌توانند بر اساس اهداف فردی خود از تبلیغات برای نوع محتوایی که می‌خواهند تعامل را افزایش دهند، استفاده کنند. می توانید از تبلیغات استفاده کنید تا درصدی از توصیه های شما از نوع خاصی برای هر برنامه کاربردی صرف نظر از دامنه باشد. به عنوان مثال، در برنامه‌های تجارت الکترونیک، می‌توانید از این ویژگی استفاده کنید تا 20 درصد از اقلام توصیه‌شده به‌عنوان مواردی که در حال فروش هستند، یا از یک برند یا دسته خاص مشخص شده‌اند. برای موارد استفاده درخواستی از ویدیو، می‌توانید از این ویژگی برای پر کردن 40 درصد از یک چرخ فلک با نمایش‌ها و فیلم‌های تازه راه‌اندازی شده‌ای که می‌خواهید برجسته کنید یا برای تبلیغ محتوای زنده استفاده کنید. می توانید از تبلیغات در گروه های داده دامنه و گروه های داده سفارشی (شخصی سازی کاربر و موارد مشابه دستور پخت).

Amazon Personalize پیکربندی تبلیغات را ساده می کند: ابتدا فیلتری ایجاد کنید که مواردی را که می خواهید تبلیغ شوند انتخاب کنید. شما می توانید از کنسول شخصی آمازون یا API برای ایجاد یک فیلتر با منطق خود با استفاده از Amazon Personalize DSL (زبان مخصوص دامنه) استفاده کنید. تنها چند دقیقه طول می کشد. سپس هنگام درخواست توصیه، تبلیغ را با مشخص کردن فیلتر، درصد توصیه هایی که باید با آن فیلتر مطابقت داشته باشد و در صورت نیاز پارامترهای فیلتر پویا را مشخص کنید. موارد تبلیغ شده به صورت تصادفی در توصیه‌ها توزیع می‌شوند، اما توصیه‌های موجود حذف نمی‌شوند.

نمودار زیر نشان می دهد که چگونه می توانید از تبلیغات در توصیه های Amazon Personalize استفاده کنید.

شما مواردی را برای تبلیغ در سیستم کاتالوگ تعریف می کنید، آنها را در مجموعه داده آیتم های شخصی سازی آمازون بارگیری می کنید و سپس توصیه هایی دریافت می کنید. دریافت توصیه‌ها بدون تعیین تبلیغ، مرتبط‌ترین موارد را برمی‌گرداند و در این مثال، تنها یک مورد از موارد تبلیغ‌شده است. هیچ تضمینی برای بازگرداندن کالاهای تبلیغاتی وجود ندارد. دریافت توصیه‌هایی با 50٪ موارد تبلیغ شده، نیمی از موارد متعلق به موارد تبلیغاتی را برمی‌گرداند.

این پست شما را در فرآیند تعریف و اعمال تبلیغات در توصیه‌های خود در Amazon Personalize راهنمایی می‌کند تا مطمئن شوید نتایج یک کمپین یا توصیه‌کننده حاوی موارد خاصی هستند که می‌خواهید کاربران آن‌ها را ببینند. برای این مثال، ما یک توصیه‌کننده خرده‌فروشی ایجاد می‌کنیم و اقلام را با آن تبلیغ می‌کنیم CATEGORY_L2 as halloween، که مربوط به تزئینات هالووین است. یک نمونه کد برای این مورد استفاده در دسترس است GitHub.

پیش نیازها

برای استفاده از تبلیغات، ابتدا برخی از منابع شخصی سازی آمازون را در کنسول شخصی سازی آمازون تنظیم می کنید. گروه داده خود را ایجاد کنید، داده های خود را بارگیری کنید و یک توصیه کننده را آموزش دهید. برای دستورالعمل کامل، نگاه کنید شروع.

1. یک گروه داده ایجاد کنید.
2. ایجاد یک Interactions مجموعه داده با استفاده از موارد زیر طرح:

   {
       "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. داده های تعامل را وارد کنید به آمازون شخصی سازی از سرویس ذخیره سازی ساده آمازون (Amazon S3). برای این مثال از موارد زیر استفاده می کنیم فایل اطلاعات. ما داده های مصنوعی را بر اساس کد موجود در آن تولید کردیم پروژه فروشگاه نسخه ی نمایشی خرده فروشی. برای اطلاعات بیشتر در مورد داده ها و کاربردهای بالقوه به مخزن GitHub مراجعه کنید.
4. ایجاد یک Items مجموعه داده با استفاده از طرح زیر:

   {
       "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. داده های مورد را از Amazon S3 به Amazon Personalize وارد کنید. برای این مثال از موارد زیر استفاده می کنیم فایل اطلاعات، بر اساس کد موجود در پروژه فروشگاه نسخه ی نمایشی خرده فروشیبرای اطلاعات بیشتر در مورد قالب‌بندی و وارد کردن داده‌های تعاملات و موارد از Amazon S3، رجوع کنید به واردات سوابق عمده.
6. یک توصیه کننده ایجاد کنید. در این مثال، یک را ایجاد می کنیم توصیه‌کننده برای شما.

یک فیلتر برای تبلیغات خود ایجاد کنید

اکنون که منابع شخصی سازی آمازون خود را تنظیم کرده اید، می توانید یک فیلتر که موارد را برای تبلیغ شما انتخاب می کند.

شما می توانید یک فیلتر استاتیک ایجاد کنید که در آن همه متغیرها در هنگام ایجاد فیلتر کدگذاری می شوند. به عنوان مثال، برای اضافه کردن تمام مواردی که دارند CATEGORY_L2 as halloween، از عبارت فیلتر زیر استفاده کنید:

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

همچنین می توانید فیلترهای پویا ایجاد کنید. فیلترهای پویا در زمان واقعی زمانی که شما توصیه ها را درخواست می کنید قابل تنظیم هستند. برای ایجاد یک فیلتر پویا، معیارهای بیان فیلتر خود را با استفاده از پارامتر مکان نگهدار به جای یک مقدار ثابت تعریف می کنید. این به شما این امکان را می‌دهد تا با اعمال فیلتر در یک درخواست توصیه، مقادیری را برای فیلتر کردن انتخاب کنید، نه زمانی که عبارت خود را ایجاد می‌کنید. هنگامی که با آن تماس می گیرید، یک فیلتر ارائه می دهید دریافت توصیه ها or دریافت رتبه شخصی عملیات API، یا به عنوان بخشی از داده های ورودی شما هنگام ایجاد توصیه ها در حالت دسته ای از طریق a کار استنتاج دسته ای.

به عنوان مثال، برای انتخاب همه موارد در یک دسته انتخاب شده هنگام برقراری تماس استنتاج خود با اعمال فیلتر، از عبارت فیلتر زیر استفاده کنید:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

می توانید از DSL قبلی برای ایجاد یک فیلتر قابل تنظیم در کنسول شخصی سازی آمازون استفاده کنید. مراحل زیر را کامل کنید:

1. در کنسول شخصی آمازون، در فیلترها برای تصفیه آب صفحه ، انتخاب کنید فیلتر ایجاد کنید.
2. برای نام فیلتر، نام فیلتر خود را وارد کنید (برای این پست وارد می کنیم category_filter).
3. انتخاب کنید بیان را بسازید یا عبارت خود را به صورت دستی برای ایجاد فیلتر سفارشی خود اضافه کنید.
4. عبارت «شامل ItemID مکانی که در آن Items.CATEGORY_L2 IN $CATEGORY"برای ارزش، مقداری را وارد می کنید $ به علاوه یک نام پارامتر که شبیه به نام دارایی شما است و به راحتی قابل یادآوری است (برای مثال، $CATEGORY).
5. در صورت تمایل، برای زنجیره عبارات اضافی با فیلتر خود، علامت مثبت را انتخاب کنید.
6. برای افزودن عبارات فیلتر اضافی، را انتخاب کنید بیان را اضافه کنید.
7. را انتخاب کنید فیلتر ایجاد کنید.
   

شما همچنین می توانید فیلترها را از طریق ایجاد کنید createFilter API در Amazon Personalize. برای اطلاعات بیشتر ببین ایجاد فیلتر.

تبلیغات را به توصیه های خود اعمال کنید

با استفاده از فیلتر هنگامی که دریافت توصیه ها راه خوبی برای تطبیق توصیه های شما با معیارهای خاص است. با این حال، استفاده از فیلترها به طور مستقیم فیلتر را به همه توصیه‌های برگشتی اعمال می‌کند. هنگام استفاده از تبلیغات، می‌توانید انتخاب کنید که چند درصد از توصیه‌ها با موارد تبلیغ‌شده مطابقت دارند، و به شما امکان می‌دهد توصیه‌های شخصی‌شده و بهترین مواردی را که با معیارهای تبلیغاتی برای هر کاربر مطابقت دارند، در نسبت‌هایی که برای مورد استفاده تجاری شما منطقی است، ترکیب و مطابقت دهید.

کد مثال زیر یک بدنه درخواست برای GetRecommendations API که توصیه هایی را برای کاربر با استفاده از "توصیه شده برای شما" توصیه کننده:

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

این درخواست توصیه های شخصی شده را برای کاربر مشخص شده برمی گرداند. از بین موارد موجود در کاتالوگ، اینها 20 مورد مرتبط با کاربر هستند.

می‌توانیم همین تماس را انجام دهیم و یک فیلتر اعمال کنیم تا فقط مواردی را که با فیلتر مطابقت دارند برگردانیم. کد مثال زیر یک بدنه درخواست برای GetRecommendations API که توصیه‌هایی را برای کاربری با استفاده از توصیه‌کننده «توصیه‌شده برای شما» دریافت می‌کند و a فیلتر پویا فقط اقلام مربوطه را که دارند برگرداند 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""}
}

این درخواست توصیه‌های شخصی‌سازی شده را برای کاربر مشخص شده بازمی‌گرداند CATEGORY_L2 as halloween. از بین موارد موجود در کاتالوگ، اینها 20 مورد مرتبط هستند CATEGORY_L2 as halloween برای کاربر

اگر می‌خواهید درصد معینی از آیتم‌ها دارای ویژگی‌هایی باشند که می‌خواهید تبلیغ کنید و بقیه مواردی باشند که از بین همه موارد موجود در کاتالوگ برای این کاربر مرتبط‌تر هستند، می‌توانید از تبلیغات استفاده کنید. می‌توانیم همین تماس را انجام دهیم و تبلیغی را اعمال کنیم. کد مثال زیر یک بدنه درخواست برای GetRecommendations API که توصیه‌هایی را برای کاربری با استفاده از توصیه‌کننده «توصیه‌شده برای شما» دریافت می‌کند و تبلیغی را اعمال می‌کند تا درصد معینی از موارد مرتبط را شامل شود. 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""
        }
    }]
}

این درخواست 20٪ از توصیه هایی را برمی گرداند که با فیلتر مشخص شده در تبلیغات مطابقت دارند: موارد با CATEGORY_L2 as halloween; و 80٪ توصیه های شخصی برای کاربر مشخص شده که مرتبط ترین موارد برای کاربر از بین موارد موجود در کاتالوگ است.

می توانید از یک فیلتر همراه با تبلیغات استفاده کنید. فیلتر موجود در بلوک پارامتر سطح بالا فقط برای موارد غیر تبلیغی اعمال می شود.

فیلتر برای انتخاب موارد تبلیغ شده در قسمت مشخص شده است promotions بلوک پارامتر کد مثال زیر یک بدنه درخواست برای GetRecommendations API که برای کاربری که از توصیه‌کننده «توصیه‌شده برای شما» استفاده می‌کند، توصیه‌هایی دریافت می‌کند و از فیلتر پویا استفاده می‌کند که ما دو بار از آن استفاده کرده‌ایم. اولین فیلتر برای موارد غیر تبلیغی اعمال می شود و موارد با را انتخاب می کند CATEGORY_L2 as decorative، و فیلتر دوم برای تبلیغ اعمال می شود و موارد را با تبلیغ می کند 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""
        }
    }]
}

این درخواست 20٪ از توصیه هایی را برمی گرداند که با فیلتر مشخص شده در تبلیغات مطابقت دارند: موارد با CATEGORY_L2 as halloween. 80٪ باقیمانده از موارد توصیه شده، توصیه های شخصی شده برای کاربر مشخص شده است CATEGORY_L2 as decorative. اینها مرتبط ترین موارد برای کاربر از بین موارد موجود در کاتالوگ با هستند CATEGORY_L2 as decorative.

پاک کردن

اطمینان حاصل کنید که منابع استفاده نشده ای را که در حساب خود ایجاد کرده اید، در حالی که مراحل ذکر شده در این پست را دنبال می کنید، پاک کنید. می‌توانید فیلترها، توصیه‌کنندگان، مجموعه داده‌ها و گروه‌های داده را از طریق حذف کنید کنسول مدیریت AWS یا با استفاده از Python SDK.

خلاصه

اضافه کردن تبلیغات  در Amazon Personalize به شما این امکان را می‌دهد که توصیه‌های خود را برای هر کاربر با گنجاندن مواردی که می‌خواهید آشکارا دید و تعامل با آنها را افزایش دهید، سفارشی کنید. تبلیغات همچنین به شما این امکان را می دهد که مشخص کنید چه درصدی از موارد توصیه شده باید اقلام تبلیغ شوند، که توصیه ها را بدون هزینه اضافی برای برآورده کردن اهداف تجاری شما تنظیم می کند. می‌توانید با استفاده از دستور العمل‌های «شخصی‌سازی کاربر» و «موارد مشابه» از تبلیغات برای توصیه‌ها استفاده کنید، و همچنین از توصیه‌کننده‌های بهینه‌شده موردی استفاده کنید.

برای اطلاعات بیشتر در مورد شخصی سازی آمازون، مراجعه کنید Amazon Personalize چیست؟

درباره نویسندگان

آنا گروبلر یک معمار راه حل در AWS است.

الکس بورکلو یک معمار راه حل در AWS است. او بر کمک به مشتریان برای استفاده از یادگیری ماشین و تجزیه و تحلیل داده ها برای حل مشکلات در صنعت رسانه و سرگرمی تمرکز می کند. او در اوقات فراغت خود از گذراندن وقت با خانواده و داوطلب شدن به عنوان گشت زنی اسکی در تپه اسکی محلی خود لذت می برد.

لیام موریسون یک مدیر معمار راه حل ها در AWS است. او تیمی را رهبری می کند که بر روی خدمات هوش بازاریابی متمرکز است. او 5 سال گذشته را بر روی کاربردهای عملی یادگیری ماشین در رسانه و سرگرمی متمرکز کرده است و به مشتریان کمک می کند تا شخصی سازی، پردازش زبان طبیعی، بینایی کامپیوتر و موارد دیگر را پیاده سازی کنند.