Szabja személyre ajánlásait úgy, hogy bizonyos tételeket reklámoz az üzleti szabályok segítségével az Amazon Personalize PlatoBlockchain Data Intelligence szolgáltatással. Függőleges keresés. Ai.

Szabja személyre ajánlásait úgy, hogy bizonyos tételeket reklámoz az Amazon Personalize üzleti szabályaival

Ma örömmel jelentjük be akciók Az Amazon Personalize funkciója lehetővé teszi, hogy kifejezetten ajánljon bizonyos elemeket a felhasználóknak az üzleti céljaival összhangban lévő szabályok alapján. Létezhetnek például olyan marketingpartnerek, amelyek megkövetelik bizonyos márkák, házon belüli tartalmak vagy kategóriák népszerűsítését, amelyek láthatóságát javítani szeretné. A promóciók révén jobban szabályozhatja az ajánlott tételeket. Üzleti szabályokat definiálhat a promóciós cikkek azonosításához, és minden további költség nélkül bemutathatja azokat a teljes felhasználói bázison. Azt is szabályozhatja, hogy a promotált tartalom hány százaléka szerepel az ajánlásokban. Az Amazon Personalize automatikusan megkeresi a releváns elemeket a promóciós cikkek készletében, amelyek megfelelnek az Ön üzleti szabályának, és kiosztja azokat az egyes felhasználók ajánlásai között.

Az Amazon Personalize lehetővé teszi az ügyfelek elköteleződésének javítását azáltal, hogy személyre szabott termék- és tartalomajánlásokat tesz közzé webhelyeken, alkalmazásokban és célzott marketingkampányokban. Előzetes gépi tanulási (ML) tapasztalat nélkül is elkezdheti, mivel API-k segítségével néhány kattintással könnyedén építhet ki kifinomult személyre szabási lehetőségeket. Minden adata titkosítva van, hogy privát és biztonságos legyen, és csak arra használjuk fel, hogy ajánlásokat hozzon létre a felhasználók számára.

Ebben a bejegyzésben bemutatjuk, hogyan szabhatja személyre ajánlásait az új promóciós funkcióval egy e-kereskedelmi felhasználási esetre.

Megoldás áttekintése

Különböző vállalkozások egyéni céljaik alapján használhatnak promóciókat arra a tartalomtípusra vonatkozóan, amellyel növelni kívánják az elkötelezettséget. A promóciók segítségével megadhatja, hogy az ajánlások bizonyos százaléka egy adott típusú legyen bármely alkalmazáshoz, függetlenül a domaintől. Például az e-kereskedelmi alkalmazásokban ezt a funkciót használhatja arra, hogy az ajánlott termékek 20%-a akciósként vagy egy bizonyos márkából vagy kategóriából származó legyen. Igény szerinti videóhasználat esetén ezt a funkciót használhatja arra, hogy a körhinta 40%-át megtöltse újonnan indult műsorokkal és filmekkel, amelyeket kiemelni szeretne, vagy élő tartalmakat reklámozhat. A promóciókat itt használhatod tartományi adatkészlet-csoportok és a egyéni adatkészlet-csoportok (Felhasználói személyre szabás és a Hasonló tételek receptek).

Az Amazon Personalize egyszerűvé teszi a promóciók beállítását: először hozzon létre egy szűrőt, amely kiválasztja az előléptetni kívánt elemeket. Az Amazon Personalize konzol vagy API segítségével létrehozhat egy szűrőt a logikájával az Amazon Personalize DSL (tartományspecifikus nyelv) használatával. Csak néhány percet vesz igénybe. Ezután az ajánlások kérésekor adja meg a promóciót a szűrő megadásával, az ajánlások százalékos arányával, amelyeknek meg kell egyeznie a szűrővel, és szükség esetén a dinamikus szűrőparaméterekkel. A kiemelt elemek véletlenszerűen vannak elosztva az ajánlásokban, de a meglévő javaslatokat nem távolítja el.

A következő diagram bemutatja, hogyan használhatja fel a promóciókat az Amazon Personalize ajánlásaiban.

Meghatározza a hirdetendő tételeket a katalógusrendszerben, betölti őket az Amazon Personalize items adatkészletbe, majd ajánlásokat kap. Az ajánlások lekérése promóció megadása nélkül a legrelevánsabb tételeket adja vissza, és ebben a példában csak egy elemet ad vissza a kiemelt tételek közül. A promóciós termékek visszaküldésére nincs garancia. Ha ajánlásokat kap 50%-os promóciós tételekkel, akkor a promotált tételekhez tartozó tételek felét visszaadja.

Ez a bejegyzés végigvezeti a promóciók meghatározásának és alkalmazásának folyamatán az Amazon Personalize ajánlásaiban, így biztosítva, hogy a kampányok vagy az ajánlók eredményei olyan konkrét elemeket tartalmazzanak, amelyeket látni szeretne a felhasználóknak. Ebben a példában kiskereskedelmi ajánlót hozunk létre, és ezzel reklámozzuk a termékeket CATEGORY_L2 as halloween, ami a Halloween dekorációnak felel meg. A kódminta ehhez a használati esethez elérhető a következő címen: GitHub.

Előfeltételek

A promóciók használatához először be kell állítania néhány Amazon Personalize erőforrást az Amazon Personalize konzolon. Hozza létre az adatkészlet-csoportot, töltse be az adatokat, és képezzen ki egy ajánlót. A teljes útmutatásért lásd Az első lépések.

  1. Hozzon létre egy adatkészlet-csoportot.
  2. Létrehozása Interactions adatkészlet a következő használatával séma:
    {
        "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. Importálja az interakciós adatokat az Amazon Personalize from Amazon egyszerű tárolási szolgáltatás (Amazon S3). Ebben a példában a következőt használjuk adatfájl. A szintetikus adatokat a kód alapján generáltuk Kiskereskedelmi Demo Store projekt. Tekintse meg a GitHub repót, ha többet szeretne megtudni az adatokról és a lehetséges felhasználásokról.
  4. Létrehozása Items adatkészlet a következő séma használatával:
    {
        "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. Importálja a tételadatokat az Amazon Personalize szolgáltatásba az Amazon S3-ból. Ebben a példában a következőt használjuk adatfájl, a kód alapján Kiskereskedelmi Demo Store projekt.Az interakciók és tételek adatainak Amazon S3-ból történő formázásával és importálásával kapcsolatos további információkért lásd: Tömeges rekordok importálása.
  6. Hozzon létre egy ajánlót. Ebben a példában létrehozunk egy „Önnek ajánlott” ajánló.

Hozzon létre egy szűrőt a promóciókhoz

Most, hogy beállította az Amazon Personalize erőforrásait, létrehozhat egy szűrő amely kiválasztja a promóció tételeit.

Létrehozhat egy statikus szűrőt, ahol a szűrő létrehozásakor minden változó kódolva van. Például az összes olyan elem hozzáadásához, amely rendelkezik CATEGORY_L2 as halloween, használja a következő szűrőkifejezést:

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

Létrehozhat dinamikus szűrőket is. A dinamikus szűrők valós időben testreszabhatók, amikor Ön kéri az ajánlásokat. Dinamikus szűrő létrehozásához a szűrőkifejezési feltételeket egy helyőrző paraméterrel kell meghatározni rögzített érték helyett. Ez lehetővé teszi a szűrni kívánt értékek kiválasztását úgy, hogy szűrőt alkalmaz egy ajánlási kérelemre, nem pedig a kifejezés létrehozásakor. Szűrőt ad meg, amikor hívja a GetRecommendations or Get PersonalizedRanking API-műveletek, vagy a bemeneti adatok részeként, amikor ajánlásokat generál kötegelt módban a kötegelt következtetési feladat.

Például egy kategória összes elemének kijelöléséhez alkalmazott szűrővel történő következtetéshíváskor használja a következő szűrőkifejezést:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Az előző DSL használatával testreszabható szűrőt hozhat létre az Amazon Personalize konzolon. Hajtsa végre a következő lépéseket:

  1. Az Amazon Personalize konzolon a Szűrők oldalon válassza a lehetőséget Hozzon létre szűrőt.
  2. A Szűrő neve, adja meg a szűrő nevét (ennél a bejegyzésnél megadjuk category_filter).
  3. választ Kifejezés kialakítása vagy adja hozzá a kifejezést kézzel az egyéni szűrő létrehozásához.
  4. Építse fel a „Include ItemID AHOL Items.CATEGORY_L2 IN $CATEGORY"Azért Érték, akkor ad meg egy értéket $ plusz egy paraméternév, amely hasonló az ingatlan nevéhez, és könnyen megjegyezhető (ebben a példában, $CATEGORY).
  5. Ha további kifejezéseket szeretne láncolni a szűrővel, válassza a pluszjelet.
  6. További szűrőkifejezések hozzáadásához válassza a lehetőséget Kifejezés hozzáadása.
  7. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Hozzon létre szűrőt.
    Szabja személyre ajánlásait úgy, hogy bizonyos tételeket reklámoz az üzleti szabályok segítségével az Amazon Personalize PlatoBlockchain Data Intelligence szolgáltatással. Függőleges keresés. Ai.

Szűrőket is létrehozhat a createFilter API az Amazon Personalize szolgáltatásban. További információkért lásd Create Filter.

Alkalmazzon promóciókat az ajánlásaira

A szűrő amikor az ajánlások megszerzése jó módja annak, hogy ajánlásait konkrét kritériumokhoz igazítsa. A szűrők használata azonban közvetlenül alkalmazza a szűrőt az összes visszaadott javaslatra. A promóciók használatakor kiválaszthatja, hogy az ajánlások hány százaléka feleljen meg a reklámozott cikkeknek, így az egyes felhasználók számára a személyre szabott ajánlásokat és a promóciós kritériumoknak megfelelő legjobb tételeket keverheti az üzleti felhasználási esetnek megfelelő arányban.

A következő példakód a kérés törzse a GetRecommendations API, amely ajánlásokat kap a felhasználó számára a "Neked ajánlott" ajánló:

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

Ez a kérés személyre szabott ajánlásokat ad vissza a megadott felhasználó számára. A katalógusban szereplő tételek közül ez a 20 legfontosabb elem a felhasználó számára.

Megtehetjük ugyanezt a hívást, és alkalmazhatunk szűrőt, hogy csak a szűrőnek megfelelő elemeket adjuk vissza. A következő példakód a kérés törzse a GetRecommendations API, amely ajánlásokat kap az „Önnek ajánlott” ajánlót használó felhasználók számára, és alkalmazza a dinamikus szűrő hogy csak olyan releváns tételeket küldjön vissza, amelyek rendelkeznek 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""}
}

Ez a kérés személyre szabott ajánlásokat ad vissza a megadott felhasználó számára CATEGORY_L2 as halloween. A katalógusban szereplő tételek közül ez a 20 legfontosabb termék CATEGORY_L2 as halloween a felhasználó számára.

A promóciókat akkor használhatja, ha azt szeretné, hogy a tételek egy bizonyos százaléka egy olyan attribútumhoz tartozzon, amelyet elő szeretne léptetni, a többi pedig a katalógusban található összes tétel közül a felhasználó számára a legrelevánsabb tételeket. Ugyanezt a hívást megtehetjük, és promóciót alkalmazhatunk. A következő példakód a kérés törzse a GetRecommendations API, amely ajánlásokat kap az „Önnek ajánlott” ajánlót használó felhasználók számára, és egy promóciót alkalmaz, hogy tartalmazza a releváns elemek bizonyos százalékát, amelyek 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""
        }
    }]
}

Ez a kérelem a promócióban megadott szűrőnek megfelelő ajánlások 20%-át adja vissza: tételek a következővel: CATEGORY_L2 as halloween; és 80%-ban személyre szabott ajánlások a megadott felhasználó számára, amelyek a felhasználó számára a legrelevánsabb tételek a katalógusban szereplő tételek közül.

Használhat szűrőt promóciókkal kombinálva. A legfelső szintű paraméterblokkban lévő szűrő csak a nem előléptetett tételekre vonatkozik.

A kiemelt elemek kiválasztására szolgáló szűrőt a promotions paraméter blokk. A következő példakód a kérés törzse a GetRecommendations API, amely az „Önnek ajánlott” ajánlót használó felhasználók számára ajánlásokat kap, és az általunk kétszer használt dinamikus szűrőt használja. Az első szűrő a nem reklámozott cikkekre vonatkozik, a következővel kiválasztva CATEGORY_L2 as decorative, a második szűrő pedig a promócióra vonatkozik, a termékek reklámozására ezzel 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""
        }
    }]
}

Ez a kérelem a promócióban megadott szűrőnek megfelelő ajánlások 20%-át adja vissza: tételek a következővel: CATEGORY_L2 as halloween. Az ajánlott tételek fennmaradó 80%-a személyre szabott ajánlás a megadott felhasználó számára CATEGORY_L2 as decorative. A katalógusban szereplő tételek közül ezek a legrelevánsabbak a felhasználó számára CATEGORY_L2 as decorative.

Tisztítsuk meg

Ügyeljen arra, hogy megtisztítsa a fiókjában létrehozott fel nem használt erőforrásokat, miközben kövesse az ebben a bejegyzésben ismertetett lépéseket. A szűrőket, ajánlókat, adatkészleteket és adatkészlet-csoportokat a következőn keresztül törölheti AWS felügyeleti konzol vagy a Python SDK használatával.

Összegzésként

Hozzáadása akciók  Az Amazon Personalize lehetővé teszi az ajánlások testreszabását az egyes felhasználók számára azáltal, hogy olyan elemeket foglal magában, amelyek láthatóságát és elkötelezettségét kifejezetten növelni szeretné. A promóciók azt is lehetővé teszik, hogy megadja, hogy az ajánlott cikkek hány százaléka legyen promóciós tétel, ami az ajánlásokat az üzleti céljainak megfelelő személyre szabja, extra költségek nélkül. Használhat promóciókat ajánlásokhoz a Felhasználói személyre szabás és a Hasonló tételek receptek használatával, valamint az esetekre optimalizált ajánlókat.

Az Amazon Personalize szolgáltatással kapcsolatos további információkért lásd: Mi az Amazon Personalize?


A szerzőkről

Szabja személyre ajánlásait úgy, hogy bizonyos tételeket reklámoz az üzleti szabályok segítségével az Amazon Personalize PlatoBlockchain Data Intelligence szolgáltatással. Függőleges keresés. Ai. Anna Gruebler az AWS megoldási építésze.

Szabja személyre ajánlásait úgy, hogy bizonyos tételeket reklámoz az üzleti szabályok segítségével az Amazon Personalize PlatoBlockchain Data Intelligence szolgáltatással. Függőleges keresés. Ai.Alex Burkleaux az AWS megoldási építésze. Arra összpontosít, hogy segítse ügyfeleit a gépi tanulás és az adatelemzés alkalmazásában a média- és szórakoztatóipar problémáinak megoldásában. Szabadidejében szívesen tölt időt családjával, és önkéntesként dolgozik síjárőrként a helyi sídombon.

Szabja személyre ajánlásait úgy, hogy bizonyos tételeket reklámoz az üzleti szabályok segítségével az Amazon Personalize PlatoBlockchain Data Intelligence szolgáltatással. Függőleges keresés. Ai.Liam Morrison az AWS Solutions Architect menedzsere. A Marketing Intelligence szolgáltatásokkal foglalkozó csapatot vezeti. Az elmúlt 5 évben a gépi tanulás gyakorlati alkalmazásaira összpontosított a médiában és a szórakoztatásban, segítve ügyfeleit a személyre szabás, a természetes nyelvi feldolgozás, a számítógépes látás és egyebek megvalósításában.

Időbélyeg:

Még több AWS gépi tanulás