Sesuaikan rekomendasi Anda dengan mempromosikan item tertentu menggunakan aturan bisnis dengan Amazon Personalize

Hari ini, kami dengan senang hati mengumumkan Promosi fitur di Amazon Personalize yang memungkinkan Anda untuk secara eksplisit merekomendasikan item tertentu kepada pengguna Anda berdasarkan aturan yang selaras dengan tujuan bisnis Anda. Misalnya, Anda dapat memiliki kemitraan pemasaran yang mengharuskan Anda untuk mempromosikan merek, konten internal, atau kategori tertentu yang ingin Anda tingkatkan visibilitasnya. Promosi memberi Anda lebih banyak kontrol atas item yang direkomendasikan. Anda dapat menentukan aturan bisnis untuk mengidentifikasi item promosi dan menampilkannya di seluruh basis pengguna Anda, tanpa biaya tambahan. Anda juga mengontrol persentase konten yang dipromosikan dalam rekomendasi Anda. Amazon Personalize secara otomatis menemukan item yang relevan dalam kumpulan item promosi yang memenuhi aturan bisnis Anda dan mendistribusikannya dalam rekomendasi setiap pengguna.

Amazon Personalize memungkinkan Anda meningkatkan keterlibatan pelanggan dengan memperkuat rekomendasi produk dan konten yang dipersonalisasi di situs web, aplikasi, dan kampanye pemasaran bertarget. Anda dapat memulai tanpa pengalaman pembelajaran mesin (ML) sebelumnya, menggunakan API untuk membangun kemampuan personalisasi yang canggih dengan mudah dalam beberapa klik. Semua data Anda dienkripsi menjadi pribadi dan aman, dan hanya digunakan untuk membuat rekomendasi bagi pengguna Anda.

Dalam posting ini, kami menunjukkan cara menyesuaikan rekomendasi Anda dengan fitur promosi baru untuk kasus penggunaan e-niaga.

Ikhtisar solusi

Bisnis yang berbeda dapat menggunakan promosi berdasarkan tujuan masing-masing untuk jenis konten yang ingin mereka tingkatkan keterlibatannya. Anda dapat menggunakan promosi agar persentase rekomendasi Anda menjadi jenis tertentu untuk aplikasi apa pun terlepas dari domainnya. Misalnya, dalam aplikasi e-niaga, Anda dapat menggunakan fitur ini untuk memiliki 20% item yang direkomendasikan baik yang ditandai sebagai obral, atau dari merek, atau kategori tertentu. Untuk kasus penggunaan video sesuai permintaan, Anda dapat menggunakan fitur ini untuk mengisi 40% korsel dengan acara dan film yang baru diluncurkan yang ingin Anda soroti, atau untuk mempromosikan konten langsung. Anda dapat menggunakan promosi di grup kumpulan data domain dan grup kumpulan data khusus (Personalisasi Pengguna dan Mirip-Item resep).

Amazon Personalize membuat konfigurasi promosi menjadi sederhana: pertama, buat filter yang memilih item yang ingin Anda promosikan. Anda dapat menggunakan konsol atau API Amazon Personalize untuk membuat filter dengan logika Anda menggunakan Amazon Personalize DSL (bahasa khusus domain). Hanya butuh beberapa menit. Kemudian, saat meminta rekomendasi, tentukan promosi dengan menentukan filter, persentase rekomendasi yang harus cocok dengan filter tersebut, dan, jika diperlukan, parameter filter dinamis. Item yang dipromosikan didistribusikan secara acak di rekomendasi, tetapi rekomendasi yang ada tidak dihapus.

Diagram berikut menunjukkan bagaimana Anda dapat menggunakan promosi dalam rekomendasi di Amazon Personalize.

Anda menentukan item yang akan dipromosikan dalam sistem katalog, memuatnya ke kumpulan data item Amazon Personalize, lalu mendapatkan rekomendasi. Mendapatkan rekomendasi tanpa menentukan promosi akan mengembalikan item yang paling relevan, dan dalam contoh ini, hanya satu item dari item yang dipromosikan. Tidak ada jaminan barang yang dipromosikan dikembalikan. Mendapatkan rekomendasi dengan 50% item yang dipromosikan mengembalikan setengah item milik item yang dipromosikan.

Posting ini memandu Anda melalui proses menentukan dan menerapkan promosi dalam rekomendasi Anda di Amazon Personalize untuk memastikan hasil dari kampanye atau pemberi rekomendasi berisi item tertentu yang Anda ingin dilihat pengguna. Untuk contoh ini, kami membuat rekomendasi retail dan mempromosikan item dengan CATEGORY_L2 as halloween, yang sesuai dengan dekorasi Halloween. Contoh kode untuk kasus penggunaan ini tersedia di GitHub.

Prasyarat

Untuk menggunakan promosi, Anda terlebih dahulu menyiapkan beberapa sumber daya Amazon Personalize di konsol Amazon Personalize. Buat grup kumpulan data Anda, muat data Anda, dan latih pemberi rekomendasi. Untuk petunjuk lengkap, lihat Memulai.

1. Buat grup kumpulan data.
2. Buat Interactions kumpulan data menggunakan yang berikut ini: skema:

   {
       "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. Impor data interaksi ke Personalisasi Amazon dari Layanan Penyimpanan Sederhana Amazon (Amazon S3). Untuk contoh ini, kami menggunakan yang berikut: file data. Kami menghasilkan data sintetis berdasarkan kode di Proyek Toko Demo Ritel. Lihat repo GitHub untuk mempelajari lebih lanjut tentang data dan potensi penggunaan.
4. Buat Items set data menggunakan skema berikut:

   {
       "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. Impor data item ke Amazon Personalize dari Amazon S3. Untuk contoh ini, kami menggunakan yang berikut: file data, berdasarkan kode di Proyek Toko Demo Ritel.Untuk informasi selengkapnya tentang memformat dan mengimpor data interaksi dan item Anda dari Amazon S3, lihat Mengimpor catatan massal.
6. Buat pemberi rekomendasi. Dalam contoh ini, kami membuat Rekomendasi “Direkomendasikan untuk Anda”.

Buat filter untuk promosi Anda

Sekarang setelah Anda menyiapkan sumber daya Amazon Personalize, Anda dapat membuat menyaring yang memilih item untuk promosi Anda.

Anda dapat membuat filter statis di mana semua variabel di-hardcode saat pembuatan filter. Misalnya, untuk menambahkan semua item yang memiliki CATEGORY_L2 as halloween, gunakan ekspresi filter berikut:

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

Anda juga dapat membuat filter dinamis. Filter dinamis dapat disesuaikan secara real time saat Anda meminta rekomendasi. Untuk membuat filter dinamis, Anda menentukan kriteria ekspresi filter menggunakan parameter placeholder, bukan nilai tetap. Ini memungkinkan Anda memilih nilai yang akan difilter dengan menerapkan filter ke permintaan rekomendasi, bukan saat Anda membuat ekspresi. Anda memberikan filter saat Anda memanggil Dapatkan Rekomendasi or DapatkanPeringkat yang Dipersonalisasi Operasi API, atau sebagai bagian dari data masukan Anda saat membuat rekomendasi dalam mode batch melalui pekerjaan inferensi batch.

Misalnya, untuk memilih semua item dalam kategori yang dipilih saat Anda membuat panggilan inferensi dengan filter yang diterapkan, gunakan ekspresi filter berikut:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Anda dapat menggunakan DSL sebelumnya untuk membuat filter yang dapat disesuaikan di konsol Amazon Personalize. Selesaikan langkah-langkah berikut:

1. Di konsol Personalisasi Amazon, di filter halaman, pilih Buat filter.
2. Untuk Nama filter, masukkan nama untuk filter Anda (untuk posting ini, kami masukkan category_filter).
3. Pilih Membangun ekspresi atau tambahkan ekspresi Anda secara manual untuk membuat filter kustom Anda.
4. Bangun ekspresi "Sertakan" ItemID MANA Items.CATEGORY_L2 IN $CATEGORY"Untuk Nilai, Anda memasukkan nilai $ ditambah nama parameter yang mirip dengan nama properti Anda dan mudah diingat (untuk contoh ini, $CATEGORY).
5. Secara opsional, untuk menghubungkan ekspresi tambahan dengan filter Anda, pilih, tanda plus.
6. Untuk menambahkan ekspresi filter tambahan, pilih Tambahkan ekspresi.
7. Pilih Buat filter.
   

Anda juga dapat membuat filter melalui createFilter API di Amazon Personalize. Untuk informasi lebih lanjut, lihat BuatFilter.

Terapkan promosi ke rekomendasi Anda

Menerapkan a menyaring saat mendapatkan rekomendasi adalah cara yang baik untuk menyesuaikan rekomendasi Anda dengan kriteria tertentu. Namun, menggunakan filter secara langsung menerapkan filter ke semua rekomendasi yang ditampilkan. Saat menggunakan promosi, Anda dapat memilih persentase rekomendasi yang sesuai dengan item yang dipromosikan, memungkinkan Anda untuk memadukan dan mencocokkan rekomendasi yang dipersonalisasi dan item terbaik yang cocok dengan kriteria promosi untuk setiap pengguna dalam proporsi yang masuk akal untuk kasus penggunaan bisnis Anda.

Kode contoh berikut adalah badan permintaan untuk GetRecommendations API yang mendapatkan rekomendasi untuk pengguna yang menggunakan "Direkomendasikan untukmu" pemberi rekomendasi:

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

Permintaan ini mengembalikan rekomendasi yang dipersonalisasi untuk pengguna tertentu. Dari item dalam katalog, ini adalah 20 item yang paling relevan bagi pengguna.

Kami dapat melakukan panggilan yang sama dan menerapkan filter untuk mengembalikan hanya item yang cocok dengan filter. Contoh kode berikut adalah badan permintaan untuk GetRecommendations API yang mendapatkan rekomendasi untuk pengguna yang menggunakan pemberi rekomendasi “Direkomendasikan untuk Anda” dan menerapkan a filter dinamis untuk hanya mengembalikan barang-barang relevan yang memiliki 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""}
}

Permintaan ini mengembalikan rekomendasi yang dipersonalisasi untuk pengguna tertentu yang memiliki CATEGORY_L2 as halloween. Dari item dalam katalog, ini adalah 20 item yang paling relevan dengan CATEGORY_L2 as halloween untuk pengguna.

Anda dapat menggunakan promosi jika Anda ingin persentase item tertentu menjadi atribut yang ingin Anda promosikan, dan sisanya menjadi item yang paling relevan untuk pengguna ini dari semua item dalam katalog. Kami dapat melakukan panggilan yang sama dan menerapkan promosi. Contoh kode berikut adalah badan permintaan untuk GetRecommendations API yang mendapatkan rekomendasi untuk pengguna yang menggunakan pemberi rekomendasi “Direkomendasikan untuk Anda” dan menerapkan promosi untuk menyertakan persentase tertentu dari item relevan yang memiliki 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""
        }
    }]
}

Permintaan ini mengembalikan 20% rekomendasi yang cocok dengan filter yang ditentukan dalam promosi: item dengan CATEGORY_L2 as halloween; dan 80% rekomendasi yang dipersonalisasi untuk pengguna tertentu yang merupakan item paling relevan bagi pengguna dari item dalam katalog.

Anda dapat menggunakan filter yang dikombinasikan dengan promosi. Filter di blok parameter tingkat atas hanya berlaku untuk item yang tidak dipromosikan.

Filter untuk memilih item yang dipromosikan ditentukan dalam promotions blok parameter. Contoh kode berikut adalah badan permintaan untuk GetRecommendations API yang mendapatkan rekomendasi untuk pengguna yang menggunakan rekomendasi “Direkomendasikan untuk Anda” dan menggunakan filter dinamis yang telah kami gunakan dua kali. Filter pertama berlaku untuk item yang tidak dipromosikan, memilih item dengan CATEGORY_L2 as decorative, dan filter kedua berlaku untuk promosi, mempromosikan item dengan 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""
        }
    }]
}

Permintaan ini mengembalikan 20% rekomendasi yang cocok dengan filter yang ditentukan dalam promosi: item dengan CATEGORY_L2 as halloween. Sisa 80% dari item yang direkomendasikan adalah rekomendasi yang dipersonalisasi untuk pengguna tertentu dengan CATEGORY_L2 as decorative. Ini adalah item yang paling relevan untuk pengguna dari item dalam katalog dengan CATEGORY_L2 as decorative.

Membersihkan

Pastikan Anda membersihkan semua sumber daya yang tidak digunakan yang Anda buat di akun Anda sambil mengikuti langkah-langkah yang diuraikan dalam posting ini. Anda dapat menghapus filter, pemberi rekomendasi, kumpulan data, dan grup kumpulan data melalui Konsol Manajemen AWS atau menggunakan SDK Python.

Kesimpulan

Menambahkan Promosi  di Amazon Personalize memungkinkan Anda menyesuaikan rekomendasi untuk setiap pengguna dengan menyertakan item yang ingin Anda tingkatkan visibilitas dan keterlibatannya secara eksplisit. Promosi juga memungkinkan Anda menentukan persentase item yang direkomendasikan yang harus dipromosikan, yang menyesuaikan rekomendasi untuk memenuhi tujuan bisnis Anda tanpa biaya tambahan. Anda dapat menggunakan promosi untuk rekomendasi menggunakan resep Personalisasi Pengguna dan Item Serupa, serta rekomendasi kasus penggunaan yang dioptimalkan.

Untuk informasi lebih lanjut tentang Amazon Personalize, lihat Apa itu Personalisasi Amazon?

Tentang penulis

Anna Gruebler adalah Arsitek Solusi di AWS.

Alex Burkleaux adalah Arsitek Solusi di AWS. Dia berfokus membantu pelanggan menerapkan pembelajaran mesin dan analisis data untuk memecahkan masalah di industri media dan hiburan. Di waktu luangnya, dia menikmati menghabiskan waktu bersama keluarga dan menjadi sukarelawan sebagai petugas patroli ski di bukit ski setempat.

Liam Morrison adalah Manajer Arsitek Solusi di AWS. Dia memimpin tim yang berfokus pada layanan Intelijen Pemasaran. Dia telah menghabiskan 5 tahun terakhir berfokus pada aplikasi praktis Pembelajaran Mesin di Media & Hiburan, membantu pelanggan menerapkan personalisasi, pemrosesan bahasa alami, visi komputer, dan banyak lagi.