Amazon Personalize에서 비즈니스 규칙을 사용하여 특정 항목을 홍보하여 권장 사항 사용자 지정

플라톤에 의해 재발행

팔로워 : 0

오늘 발표하게 되어 기쁩니다. 프로모션 비즈니스 목표에 부합하는 규칙을 기반으로 특정 항목을 사용자에게 명시적으로 추천할 수 있는 Amazon Personalize의 기능입니다. 예를 들어, 특정 브랜드, 사내 콘텐츠 또는 가시성을 향상시키려는 카테고리를 홍보해야 하는 마케팅 파트너십을 가질 수 있습니다. 프로모션을 통해 추천 항목을 더 잘 제어할 수 있습니다. 비즈니스 규칙을 정의하여 추가 비용 없이 판촉 항목을 식별하고 전체 사용자 기반에 표시할 수 있습니다. 또한 추천에서 홍보된 콘텐츠의 비율을 제어할 수 있습니다. Amazon Personalize는 비즈니스 규칙을 충족하는 판촉 상품 세트 내에서 관련 상품을 자동으로 찾아 각 사용자의 권장 사항 내에서 배포합니다.

Amazon Personalize를 사용하면 웹 사이트, 애플리케이션 및 대상 마케팅 캠페인에서 개인화된 제품 및 콘텐츠 추천을 강화하여 고객 참여를 개선할 수 있습니다. 머신 러닝(ML) 경험이 없어도 API를 사용하여 클릭 몇 번으로 정교한 개인화 기능을 쉽게 구축할 수 있습니다. 모든 데이터는 비공개로 안전하게 암호화되며 사용자를 위한 권장 사항을 만드는 데만 사용됩니다.

이 게시물에서는 전자상거래 사용 사례를 위한 새로운 프로모션 기능으로 추천을 사용자 지정하는 방법을 보여줍니다.

솔루션 개요

다양한 비즈니스는 참여를 늘리려는 콘텐츠 유형에 대한 개별 목표에 따라 프로모션을 사용할 수 있습니다. 프로모션을 사용하면 도메인에 관계없이 모든 애플리케이션에 대해 특정 유형의 추천 비율을 가질 수 있습니다. 예를 들어, 전자 상거래 애플리케이션에서 이 기능을 사용하여 권장 품목의 20%가 판매 중으로 표시된 품목이나 특정 브랜드 또는 카테고리의 품목이 되도록 할 수 있습니다. 주문형 비디오 사용 사례의 경우 이 기능을 사용하여 캐러셀의 40%를 강조하고 싶은 새로 출시된 프로그램 및 영화로 채우거나 라이브 콘텐츠를 홍보할 수 있습니다. 다음에서 프로모션을 사용할 수 있습니다. 도메인 데이터 세트 그룹 와 사용자 정의 데이터 세트 그룹 (사용자 개인화 와 유사품 조리법).

Amazon Personalize를 사용하면 판촉 구성이 간단해집니다. 먼저 판촉하려는 항목을 선택하는 필터를 생성하십시오. Amazon Personalize 콘솔 또는 API를 사용하여 Amazon Personalize DSL(도메인별 언어)을 사용하는 논리로 필터를 생성할 수 있습니다. 몇 분 밖에 걸리지 않습니다. 그런 다음 권장 사항을 요청할 때 필터, 해당 필터와 일치해야 하는 권장 사항의 백분율 및 필요한 경우 동적 필터 매개변수를 지정하여 프로모션을 지정합니다. 프로모션 항목은 권장 사항에 무작위로 배포되지만 기존 권장 사항은 제거되지 않습니다.

다음 다이어그램은 Amazon Personalize의 추천에서 프로모션을 사용하는 방법을 보여줍니다.

카탈로그 시스템에서 승격할 항목을 정의하고 Amazon Personalize 항목 데이터 세트에 로드한 다음 권장 사항을 가져옵니다. 판촉을 지정하지 않고 추천을 가져오면 가장 관련성이 높은 항목이 반환되며 이 예에서는 판촉 항목에서 하나의 항목만 반환됩니다. 판촉물이 반환된다는 보장은 없습니다. 50% 프로모션 항목으로 추천을 가져오면 프로모션 항목에 속한 항목의 절반이 반환됩니다.

이 게시물은 캠페인 또는 추천자의 결과에 사용자에게 표시하려는 특정 항목이 포함되도록 Amazon Personalize의 추천에 프로모션을 정의하고 적용하는 프로세스를 안내합니다. 이 예에서는 소매 추천자를 만들고 다음을 사용하여 항목을 판촉합니다. CATEGORY_L2 as halloween, 할로윈 장식에 해당합니다. 이 사용 사례에 대한 코드 샘플은 GitHub의.

사전 조건

프로모션을 사용하려면 먼저 Amazon Personalize 콘솔에서 일부 Amazon Personalize 리소스를 설정합니다. 데이터세트 그룹을 만들고 데이터를 로드하고 추천자를 교육합니다. 전체 지침은 다음을 참조하십시오. 시작하기.

데이터세트 그룹 만들기.

를 생성 Interactions 다음을 사용하는 데이터 세트 개요:

{
    "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"
}

상호작용 데이터 가져오기 Amazon Personalize로 아마존 단순 스토리지 서비스 (아마존 S3). 이 예에서는 다음을 사용합니다. 데이터 파일. 의 코드를 기반으로 합성 데이터를 생성했습니다. 소매 데모 스토어 프로젝트. 데이터 및 잠재적 사용에 대해 자세히 알아보려면 GitHub 리포지토리를 참조하세요.

를 생성 Items 다음 스키마를 사용하는 데이터 세트 :

{
    "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"
}

항목 데이터를 Amazon S3에서 Amazon Personalize로 가져옵니다. 이 예에서는 다음을 사용합니다. 데이터 파일, 의 코드를 기반으로 소매 데모 스토어 프로젝트.Amazon S3에서 상호 작용 및 항목 데이터의 형식 지정 및 가져오기에 대한 자세한 내용은 다음을 참조하십시오. 대량 레코드 가져오기.
추천인 만들기. 이 예에서는 "당신을 위한 추천" 추천인.

프로모션용 필터 만들기

이제 Amazon Personalize 리소스를 설정했으므로 다음을 생성할 수 있습니다. 필터링 프로모션 항목을 선택합니다.

필터 생성 시 모든 변수가 하드코딩되는 정적 필터를 생성할 수 있습니다. 예를 들어 다음이 있는 모든 항목을 추가하려면 CATEGORY_L2 as halloween, 다음 필터 표현식을 사용하십시오.

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

동적 필터를 생성할 수도 있습니다. 동적 필터는 권장 사항을 요청할 때 실시간으로 사용자 지정할 수 있습니다. 동적 필터를 생성하려면 고정 값 대신 자리 표시자 매개변수를 사용하여 필터 표현식 기준을 정의합니다. 이를 통해 표현식을 생성할 때가 아니라 권장 사항 요청에 필터를 적용하여 필터링할 값을 선택할 수 있습니다. 전화를 걸 때 필터를 제공합니다. 추천 받기 or GetPersonalized랭킹 API 작업을 수행하거나 일괄 모드에서 권장 사항을 생성 할 때 입력 데이터의 일부로 배치 추론 작업.

예를 들어 필터가 적용된 추론 호출을 수행할 때 선택한 범주의 모든 항목을 선택하려면 다음 필터 표현식을 사용하십시오.

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

앞의 DSL을 사용하여 Amazon Personalize 콘솔에서 사용자 지정 가능한 필터를 생성 할 수 있습니다. 다음 단계를 완료하십시오.

Amazon Personalize 콘솔의 필터 페이지에서 선택 필터 만들기.
럭셔리 필터 이름, 필터 이름을 입력합니다(이 게시물의 경우 category_filter).
선택 표현 구축 또는 수동으로 표현식을 추가하여 사용자 지정 필터를 만듭니다.
"포함 ItemID WHERE Items.CATEGORY_L2 IN $CATEGORY"을 위한 가치관, 다음 값을 입력합니다. $ 속성 이름과 유사하고 기억하기 쉬운 매개변수 이름(이 예에서는 $CATEGORY).
선택적으로 추가 표현식을 필터와 연결하려면 더하기 기호를 선택합니다.
추가 필터 표현식을 추가하려면 식 추가.
왼쪽 메뉴에서 필터 만들기.

를 통해 필터를 만들 수도 있습니다 createFilter Amazon Personalize의 API. 자세한 내용은 필터 만들기.

추천에 프로모션 적용

적용 필터링 추천을 받을 때 추천을 특정 기준에 맞추는 좋은 방법입니다. 그러나 필터를 사용하면 반환된 모든 권장 사항에 필터가 직접 적용됩니다. 프로모션을 사용할 때 프로모션 항목에 해당하는 권장 사항의 비율을 선택할 수 있으므로 비즈니스 사용 사례에 적합한 비율로 각 사용자의 프로모션 기준과 일치하는 최고의 항목과 개인화된 권장 사항을 혼합하고 일치시킬 수 있습니다.

다음 예제 코드는 GetRecommendations 사용하는 사용자에 대한 추천을 받는 API "당신을 위해 추천 된" 추천인:

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

이 요청은 지정된 사용자에 대한 개인화된 권장 사항을 반환합니다. 카탈로그의 항목 중 사용자와 가장 관련성이 높은 20개의 항목입니다.

동일한 호출을 수행하고 필터를 적용하여 필터와 일치하는 항목만 반환할 수 있습니다. 다음 예제 코드는 GetRecommendations Recommended for You' 추천자를 사용하여 사용자에게 추천을 받고 적용하는 API 다이나믹 필터 관련 항목만 반환하려면 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""}
}

이 요청은 CATEGORY_L2 as halloween. 카탈로그의 항목 중 다음은 가장 관련성이 높은 20개 항목입니다. CATEGORY_L2 as halloween 사용자를위한

특정 비율의 항목이 귀하가 판촉하려는 속성에 속하도록 하고 나머지는 카탈로그의 모든 항목 중에서 이 사용자와 가장 관련이 있는 항목이 되도록 하려는 경우 판촉을 사용할 수 있습니다. 우리는 같은 전화를 걸고 프로모션을 적용할 수 있습니다. 다음 예제 코드는 GetRecommendations "추천인" 추천자를 사용하여 사용자에 대한 추천을 받고 다음을 포함하는 관련 항목의 일정 비율을 포함하도록 프로모션을 적용하는 API 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""
        }
    }]
}

이 요청은 프로모션에 지정된 필터와 일치하는 권장 사항의 20%를 반환합니다. CATEGORY_L2 as halloween; 및 카탈로그의 항목 중 사용자와 가장 관련성이 높은 항목인 지정된 사용자에 대한 80% 개인화 추천.

프로모션과 결합된 필터를 사용할 수 있습니다. 최상위 매개변수 블록의 필터는 승격되지 않은 항목에만 적용됩니다.

프로모션 항목을 선택하는 필터는 promotions 매개변수 블록. 다음 예제 코드는 GetRecommendations "추천인" 추천자를 사용하여 사용자에 대한 추천을 받고 우리가 두 번 사용한 동적 필터를 사용하는 API입니다. 첫 번째 필터는 프로모션되지 않은 항목에 적용되며 다음이 있는 항목을 선택합니다. CATEGORY_L2 as decorative, 두 번째 필터는 판촉에 적용되어 다음이 있는 항목을 판촉합니다. 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""
        }
    }]
}

이 요청은 프로모션에 지정된 필터와 일치하는 권장 사항의 20%를 반환합니다. CATEGORY_L2 as halloween. 나머지 80%의 추천 아이템은 CATEGORY_L2 as decorative. 카탈로그의 항목 중 사용자와 가장 관련성이 높은 항목입니다. CATEGORY_L2 as decorative.

정리

이 게시물에 설명된 단계를 수행하는 동안 계정에서 생성한 사용하지 않는 리소스를 모두 정리해야 합니다. 다음을 통해 필터, 추천자, 데이터세트 및 데이터세트 그룹을 삭제할 수 있습니다. AWS 관리 콘솔 또는 Python SDK를 사용합니다.

요약

첨가 프로모션 Amazon Personalize에서는 가시성과 참여를 명시적으로 높이고 싶은 항목을 포함하여 각 사용자에 대한 권장 사항을 사용자 지정할 수 있습니다. 또한 판촉을 통해 권장 항목 중 판촉 항목이 되어야 하는 비율을 지정할 수 있으므로 추가 비용 없이 비즈니스 목표를 충족하도록 권장 사항을 조정할 수 있습니다. 사용자 개인화 및 유사 아이템 레시피와 사용 사례 최적화 추천자를 사용하여 권장 사항에 대한 프로모션을 사용할 수 있습니다.

Amazon Personalize에 대한 자세한 내용은 다음을 참조하십시오. 아마존은 무엇인가?

저자 소개

안나 그루블러 AWS의 솔루션 아키텍트입니다.

알렉스 버클로 AWS의 솔루션 아키텍트입니다. 그녀는 고객이 기계 학습 및 데이터 분석을 적용하여 미디어 및 엔터테인먼트 산업의 문제를 해결하도록 돕는 데 중점을 두고 있습니다. 그녀는 여가 시간에 가족과 함께 시간을 보내고 지역 스키장에서 스키 순찰대원으로 자원 봉사하는 것을 즐깁니다.

리암 모리슨 AWS의 솔루션스 아키텍트 관리자입니다. 그는 마케팅 인텔리전스 서비스에 중점을 둔 팀을 이끌고 있습니다. 그는 지난 5년 동안 고객이 개인화, 자연어 처리, 컴퓨터 비전 등을 구현하도록 지원하는 미디어 및 엔터테인먼트 분야의 기계 학습의 실제 적용에 중점을 두었습니다.

타임 스탬프 : 2022 년 8 월 15 일2022 년 8 월 15 일

타임 스탬프 : 2년 2023월 XNUMX일

Amazon Personalize에서 비즈니스 규칙을 사용하여 특정 항목을 홍보하여 권장 사항 사용자 지정

플라톤에 의해 재발행

솔루션 개요

사전 조건

프로모션용 필터 만들기

추천에 프로모션 적용

정리

요약

저자 소개

더보기 AWS 기계 학습

AutoGluon-TimeSeries로 쉽고 정확한 예측

Amazon SageMaker |를 사용하여 멀티클라우드 환경에서 ML 모델을 훈련하고 배포합니다. 아마존 웹 서비스

여러 리전을 사용하여 Amazon Rekognition 상태 비저장 API의 확장성 향상

Amazon Transcribe를 사용하여 다국어 오디오에서 자동으로 언어 식별

세 가지 새로운 NVIDIA GPU 기반 Amazon EC2 인스턴스 소개 | 아마존 웹 서비스

회사 소개

수직 검색 및 인공 지능

플랫폼

연결 유지

계정