Tegye személyre keresési eredményeit az Amazon Personalize és az Amazon OpenSearch szolgáltatás integrációjával | Amazon webszolgáltatások

Az Amazon testreszabása új integrációt indított a Amazon OpenSearch szolgáltatás amely lehetővé teszi a keresési eredmények személyre szabását az egyes felhasználók számára, és segít előre jelezni keresési igényeiket. Az OpenSearch szolgáltatáson belüli Amazon Personalize Search Ranking beépülő modul lehetővé teszi a végfelhasználók elköteleződésének és konverziójának javítását a webhelyen és az alkalmazáskeresésből az Amazon Personalize által kínált mély tanulási lehetőségek kihasználásával. Ez a funkció az önállóan kezelt OpenSearch segítségével is elérhető.

A keresés kulcsfontosságú a felhasználók elköteleződésében, mert nagy szándékú forgalmat hoz olyan személyektől, akik meghatározott termékeket vagy kategóriákat keresnek. Korábban az ügyfelek az infrastruktúra korlátai vagy az ML szakértelem hiánya miatt kihívást jelentett ennek a forgalomnak a kihasználása és releváns keresési eredmények biztosítása a felhasználók számára. Emiatt egyre gyakrabban fordult elő, hogy a felhasználók nem találták meg a keresett elemeket. Az Amazon Personalize Search Ranking beépülő modullal az OpenSearch Service 2.9.0-s vagy újabb verzióját használó ügyfelek túlléphetnek a hagyományos kulcsszóegyeztetési megközelítésen, és valós időben növelhetik a releváns elemeket az egyes felhasználók keresési eredményeiben az érdeklődési körük, a kontextusuk és a korábbi interakcióik alapján. Ezenkívül minden keresési lekérdezéshez finomhangolhatja a személyre szabottság szintjét a rugalmasság és a keresési élmény irányítása érdekében.

Az AWS-partnerek kedvelik tudomással bíró izgatottak azok a személyre szabási lehetőségek, amelyeket az Amazon Personalize Search Ranking bővítmény nyit meg média- és lakossági vásárlóik számára.

„Az Amazon Personalize költséghatékony és egyszerűsített megvalósításával számos vállalkozás számára rendkívül hatásosnak bizonyult. Az Amazon OpenSearch szolgáltatáson belüli új Amazon Personalize Search Ranking beépülő modul megjelenésével most már gyorsan telepíthetjük és megvalósíthatjuk a valós idejű felhasználói személyre szabást a keresési eredményekhez. Nagyon bízunk abban, hogy ez javítja az ügyfelek élményét és elégedettségét, valamint két-háromszorosára növeli a konverziós és átkattintási arányokat. A személyre szabott keresés megkülönböztető tényező, különösen a média és a kiskereskedelmi platformok esetében. Nagyon izgatottak vagyunk, hogy az AWS bevezetési partnerei lehetünk ezen a kiadáson, és alig várjuk, hogy segíthessünk a vállalkozásoknak személyre szabott keresési megoldásokat kínálni, amelyeket az Amazon Personalize hajt."

– Andy Huang, a Cognizant Servian AI/ML vezetője.

Ebben a bejegyzésben bemutatjuk, hogyan válnak személyre szabott keresési eredmények a felhasználó alapján, és hogyan változnak azok, ha módosítja a személyre szabott súlyt. A nullához közelebbi értéket adunk meg, hogy kevesebb hangsúlyt fektessünk a személyre szabásra, és egy 1-hez közelebbi értéket adunk meg, ha a keresési eredményeket magasabb szintű személyre szabottság alapján rangsoroljuk.

Példa felhasználási esetek

Az új funkció hatásának részletesebb feltárásához tekintsünk át egy példát a következőből származó adatkészlet használatával Kiskereskedelmi Demo üzlet.

Először az OpenSearch szolgáltatást használjuk, hogy a „Grooming” keresési lekérdezésre találatokat kapjunk. Ha a testreszabási súly 0.0-ra van állítva, nem történik személyre szabás. Amint az a következő táblázatban látható, az OpenSearch Service öt legjobb keresési eredménye a nőkhöz való nagyobb nemi affinitású ápolóelemeket mutatja (lásd a Gender_Affinity oszlop, hol M jelentése hím és F jelentése nő).

Tegyük fel, hogy egy felhasználó a nemével M (férfi) keresést végez ugyanazzal a lekérdezéssel, mint az „Ápolás”. Ha a személyre szabott súly 0.3-ra van állítva, a férfiakhoz nemi affinitást mutató elemek finoman javulnak a rangsorban. Ebben a példában a Premium Men's Razor, amelyet az OpenSearch Service eredetileg a 6. helyre sorolt ​​az előző táblázatban, a frissített táblázatban a 2. helyre kerül. Hasonlóképpen, a Razor Brand for Men magasabb pozícióban (6. helyen) szerepel, annak ellenére, hogy az előző táblázatban a legalacsonyabb helyen szerepel.

Ezután finomhangoljuk a személyre szabott súlyt 0.8-ra, hogy személyre szabottabb keresési eredményeket kapjunk a „Grooming” kifejezésre. A következő táblázatban a keresési eredmények első négy eleme kifejezetten a férfiak számára megfelelő. A prémium férfi borotva és a férfi borotva márka tovább emelkedik a rangsorban. Más ápolási cikkeket is látunk, például a Minimalistic Razort és a Fusion5 Razers for Men-t a keresési eredmények tetején, annak ellenére, hogy az első lekérdezésünkben alacsonyabb helyezést értek el.

A személyre szabott keresés OpenSearch szolgáltatással való megvalósításával kapcsolatos további részletekért lásd: Az OpenSearch keresési eredményeinek személyre szabása.

Következtetés

Az új Amazon Personalize Search Ranking beépülő modullal mind az önállóan kezelt OpenSearch, mind az OpenSearch Service v2.9 és újabb ügyfelei fellendíthetik a releváns elemeket keresési eredményeik között azáltal, hogy az egyes felhasználók előzményeiből, kontextusából és preferenciáiból származó jeleket is tartalmaznak. A beépülő modul lehetővé teszi, hogy nagyobb irányítást gyakoroljon az egyes felhasználók és lekérdezéstípusok személyre szabásának szintje felett, és javítsa a felhasználók általános keresési élményét.

Az Amazon Personalize szolgáltatással kapcsolatos további részletekért tekintse meg a Amazon Personalize fejlesztői útmutató.

A szerzőkről

Shreeya Sharma idősebb műszaki termékmenedzser, aki az AWS AI/ML-lel dolgozik az Amazon Personalize csapatában. Számítástechnikai mérnöki, technológiai tanácsadási és adatelemzői múlttal rendelkezik

Ketan Kulkarni egy szoftverfejlesztő mérnök, az Amazon Personalize csapatával, amely az AI-alapú ajánlórendszerek széles körű kiépítésére összpontosít. Szabadidejében szívesen olvas és utazik.

Prashant Mishra az Amazon Personalize csapat szoftverfejlesztő mérnöke.

Branislav Kveton az AWS AI Labs vezető tudósa. Olyan algoritmusokat javasol, elemzi és alkalmaz, amelyek növekményesen tanulnak, valós időben futnak, és a megfigyelések számának növekedésével közel optimális megoldásokhoz konvergálnak.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://aws.amazon.com/blogs/machine-learning/personalize-your-search-results-with-amazon-personalize-and-amazon-opensearch-service-integration/