Dostosuj swoje rekomendacje, promując określone produkty za pomocą reguł biznesowych z Amazon Personalizuj

Dziś z radością ogłaszamy Promocje funkcja w Amazon Personalizuj, która umożliwia wyraźne rekomendowanie określonych elementów użytkownikom na podstawie reguł zgodnych z Twoimi celami biznesowymi. Na przykład możesz mieć partnerstwa marketingowe, które wymagają promowania określonych marek, treści wewnętrznych lub kategorii, które chcesz poprawić. Promocje zapewniają większą kontrolę nad polecanymi przedmiotami. Możesz zdefiniować reguły biznesowe, aby identyfikować artykuły promocyjne i prezentować je w całej bazie użytkowników bez dodatkowych kosztów. Kontrolujesz również procent promowanych treści w swoich rekomendacjach. Amazon Personalizuj automatycznie wyszukuje odpowiednie przedmioty w zestawie artykułów promocyjnych, które spełniają Twoją regułę biznesową i dystrybuuje je w ramach rekomendacji każdego użytkownika.

Amazon Personalizuj umożliwia zwiększenie zaangażowania klientów poprzez dostarczanie spersonalizowanych rekomendacji produktów i treści w witrynach internetowych, aplikacjach i ukierunkowanych kampaniach marketingowych. Możesz zacząć bez wcześniejszego doświadczenia z uczeniem maszynowym (ML), używając interfejsów API do łatwego tworzenia zaawansowanych funkcji personalizacji za pomocą kilku kliknięć. Wszystkie Twoje dane są szyfrowane, aby były prywatne i bezpieczne, i służą wyłącznie do tworzenia rekomendacji dla Twoich użytkowników.

W tym poście pokazujemy, jak dostosować swoje rekomendacje za pomocą nowej funkcji promocji do przypadku użycia e-commerce.

Omówienie rozwiązania

Różne firmy mogą korzystać z promocji w oparciu o ich indywidualne cele dotyczące rodzaju treści, które chcą zwiększyć zaangażowanie. Możesz użyć promocji, aby procent rekomendacji był określonego typu dla dowolnej aplikacji, niezależnie od domeny. Na przykład w aplikacjach e-commerce możesz użyć tej funkcji, aby 20% polecanych produktów to produkty oznaczone jako wyprzedaż lub z określonej marki lub kategorii. W przypadku korzystania z wideo na żądanie możesz użyć tej funkcji, aby wypełnić 40% karuzeli nowo uruchomionymi programami i filmami, które chcesz wyróżnić, lub promować treści na żywo. Możesz skorzystać z promocji w grupy zbiorów danych domeny i niestandardowe grupy zbiorów danych (Personalizacja użytkownika i Podobne przedmioty przepisy kulinarne).

Amazon Personalizuj ułatwia konfigurowanie promocji: najpierw utwórz filtr, który wybiera przedmioty, które chcesz promować. Możesz użyć konsoli lub interfejsu API Amazon Personalizuj, aby utworzyć filtr ze swoją logiką za pomocą Amazon Personalizuj DSL (język właściwy dla domeny). To zajmuje tylko kilka minut. Następnie, żądając rekomendacji, określ promocję, określając filtr, procent rekomendacji, które powinny pasować do tego filtra oraz, jeśli to konieczne, parametry filtru dynamicznego. Promowane elementy są losowo rozmieszczane w rekomendacjach, ale żadne istniejące rekomendacje nie są usuwane.

Poniższy diagram pokazuje, jak możesz wykorzystać promocje w rekomendacjach w Amazon Personalizuj.

Definiujesz produkty do promowania w systemie katalogowym, ładujesz je do zestawu danych produktów Amazon Personalizuj, a następnie otrzymujesz rekomendacje. Pobieranie rekomendacji bez określania promocji zwraca najtrafniejsze elementy, aw tym przykładzie tylko jeden element z promowanych elementów. Nie ma gwarancji, że produkty objęte promocją zostaną zwrócone. Otrzymanie rekomendacji z 50% promowanymi przedmiotami zwraca połowę przedmiotów należących do promowanych przedmiotów.

Ten post przeprowadzi Cię przez proces definiowania i stosowania promocji w Twoich rekomendacjach w Amazon Personalizuj, aby upewnić się, że wyniki kampanii lub osoby polecającej zawierają określone elementy, które chcesz, aby użytkownicy zobaczyli. W tym przykładzie tworzymy rekomendację detaliczną i promujemy produkty za pomocą CATEGORY_L2 as halloween, co odpowiada dekoracji na Halloween. Przykładowy kod dla tego przypadku użycia jest dostępny na GitHub.

Wymagania wstępne

Aby korzystać z promocji, najpierw skonfiguruj niektóre zasoby Amazon Personalizuj w konsoli Amazon Personalizuj. Utwórz grupę zestawów danych, załaduj dane i przeszkol osobę polecającą. Aby uzyskać pełne instrukcje, zobacz Pierwsze kroki.

1. Utwórz grupę zbiorów danych.
2. Tworzenie Interactions zbiór danych przy użyciu następujących schemat:

   {
       "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. Importuj dane interakcji do Amazon Personalizuj z Usługa Amazon Simple Storage (Amazonka S3). W tym przykładzie używamy następujących plik danych. Wygenerowaliśmy syntetyczne dane na podstawie kodu w Detaliczny projekt sklepu demonstracyjnego. Zapoznaj się z repozytorium GitHub, aby dowiedzieć się więcej o danych i potencjalnych zastosowaniach.
4. Tworzenie Items zbiór danych przy użyciu następującego schematu:

   {
       "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. Zaimportuj dane przedmiotu do Amazon Personalizuj z Amazon S3. W tym przykładzie używamy następujących plik danych, na podstawie kodu w Detaliczny projekt sklepu demonstracyjnego.Aby uzyskać więcej informacji na temat formatowania i importowania danych interakcji i elementów z Amazon S3, zobacz Importowanie rekordów zbiorczych.
6. Utwórz rekomendację. W tym przykładzie tworzymy Polecający „Polecany dla Ciebie”.

Utwórz filtr dla swoich promocji

Teraz, gdy masz już skonfigurowane zasoby Amazon Personalizuj, możesz utworzyć filtrować który wybiera przedmioty do promocji.

Możesz utworzyć filtr statyczny, w którym wszystkie zmienne są zakodowane na stałe podczas tworzenia filtra. Na przykład, aby dodać wszystkie elementy, które mają CATEGORY_L2 as halloween, użyj następującego wyrażenia filtrującego:

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

Możesz także tworzyć filtry dynamiczne. Filtry dynamiczne można dostosowywać w czasie rzeczywistym, gdy poprosisz o rekomendacje. Aby utworzyć filtr dynamiczny, zdefiniuj kryteria wyrażenia filtru za pomocą parametru zastępczego zamiast stałej wartości. Dzięki temu możesz wybrać wartości do filtrowania, stosując filtr do żądania rekomendacji, a nie podczas tworzenia wyrażenia. Podajesz filtr, gdy dzwonisz do PobierzRekomendacje or Uzyskaj spersonalizowany ranking Operacje interfejsu API lub jako część danych wejściowych podczas generowania zaleceń w trybie wsadowym za pośrednictwem pliku zadanie wnioskowania wsadowego.

Na przykład, aby zaznaczyć wszystkie elementy w kategorii wybranej podczas wywołania wnioskowania z zastosowanym filtrem, użyj następującego wyrażenia filtru:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Możesz użyć poprzedniego DSL, aby utworzyć konfigurowalny filtr w konsoli Amazon Personalize. Wykonaj następujące kroki:

1. W konsoli Amazon Personalizuj, w filtry wybierz stronę Utwórz filtr.
2. W razie zamówieenia projektu Nazwa filtra, wpisz nazwę swojego filtra (dla tego posta wpisujemy category_filter).
3. Wybierz Zbuduj ekspresję lub dodaj wyrażenie ręcznie, aby utworzyć własny filtr.
4. Zbuduj wyrażenie „Uwzględnij ItemID WHERE Items.CATEGORY_L2 IN $CATEGORY"Do wartość, wpisujesz wartość $ plus nazwa parametru, która jest podobna do nazwy właściwości i łatwa do zapamiętania (w tym przykładzie $CATEGORY).
5. Opcjonalnie, aby połączyć dodatkowe wyrażenia z filtrem, wybierz znak plus.
6. Aby dodać dodatkowe wyrażenia filtru, wybierz Dodaj wyrażenie.
7. Dodaj Utwórz filtr.
   

Możesz także tworzyć filtry za pomocą createFilter API w Amazon Personalize. Więcej informacji znajdziesz w Utwórz filtr.

Zastosuj promocje do swoich rekomendacji

Stosowanie filtrować otrzymywanie rekomendacji to dobry sposób na dostosowanie rekomendacji do określonych kryteriów. Jednak użycie filtrów bezpośrednio stosuje filtr do wszystkich zwróconych rekomendacji. Korzystając z promocji, możesz wybrać, jaki procent rekomendacji odpowiada promowanym produktom, co pozwala łączyć i dopasowywać spersonalizowane rekomendacje oraz najlepsze produkty, które spełniają kryteria promocji dla każdego użytkownika w proporcjach odpowiednich dla Twojego biznesowego przypadku użycia.

Poniższy przykładowy kod jest treścią żądania dla GetRecommendations API, które otrzymuje rekomendacje dla użytkownika korzystającego z "Polecany dla Ciebie" polecający:

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

To żądanie zwraca spersonalizowane rekomendacje dla określonego użytkownika. Spośród pozycji w katalogu jest to 20 pozycji najbardziej odpowiednich dla użytkownika.

Możemy wykonać to samo wywołanie i zastosować filtr, aby zwrócić tylko elementy pasujące do filtra. Poniższy przykładowy kod jest treścią żądania dla GetRecommendations API, które otrzymuje rekomendacje dla użytkownika korzystającego z rekomendacji „Polecane dla Ciebie” i stosuje: filtr dynamiczny zwracać tylko odpowiednie przedmioty, które mają 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""}
}

To żądanie zwraca spersonalizowane rekomendacje dla określonego użytkownika, które mają CATEGORY_L2 as halloween. Spośród pozycji w katalogu jest to 20 najbardziej odpowiednich pozycji z CATEGORY_L2 as halloween dla użytkownika.

Możesz użyć promocji, jeśli chcesz, aby określony procent produktów miał atrybut, który chcesz promować, a reszta to produkty, które są najbardziej odpowiednie dla tego użytkownika spośród wszystkich produktów w katalogu. Możemy wykonać to samo połączenie i zastosować promocję. Poniższy przykładowy kod jest treścią żądania dla GetRecommendations Interfejs API, który otrzymuje rekomendacje dla użytkownika korzystającego z programu rekomendującego „Polecane dla Ciebie” i stosuje promocję, aby uwzględnić pewien procent odpowiednich elementów, które mają 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""
        }
    }]
}

To żądanie zwraca 20% rekomendacji, które pasują do filtra określonego w promocji: przedmioty z CATEGORY_L2 as halloween; oraz 80% spersonalizowanych rekomendacji dla określonego użytkownika, które są najbardziej odpowiednie dla użytkownika spośród pozycji w katalogu.

Możesz użyć filtra połączonego z promocjami. Filtr w bloku parametrów najwyższego poziomu dotyczy tylko niepromowanych przedmiotów.

Filtr do wyboru promowanych przedmiotów jest określony w promotions blok parametrów. Poniższy przykładowy kod jest treścią żądania dla GetRecommendations API, które otrzymuje rekomendacje dla użytkownika korzystającego z rekomendacji „Polecane dla Ciebie” i korzysta z dynamicznego filtra, którego używaliśmy dwukrotnie. Pierwszy filtr dotyczy niepromowanych przedmiotów, wybierając przedmioty z CATEGORY_L2 as decorative, a drugi filtr dotyczy promocji, promując przedmioty za pomocą 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""
        }
    }]
}

To żądanie zwraca 20% rekomendacji, które pasują do filtra określonego w promocji: przedmioty z CATEGORY_L2 as halloween. Pozostałe 80% rekomendowanych pozycji to spersonalizowane rekomendacje dla określonego użytkownika z CATEGORY_L2 as decorative. Są to najbardziej odpowiednie dla użytkownika pozycje spośród pozycji w katalogu z CATEGORY_L2 as decorative.

Sprzątać

Upewnij się, że wyczyściłeś wszelkie nieużywane zasoby, które utworzyłeś na swoim koncie, wykonując czynności opisane w tym poście. Możesz usunąć filtry, rekomendacje, zestawy danych i grupy zestawów danych za pomocą Konsola zarządzania AWS lub za pomocą pakietu Python SDK.

Podsumowanie

Dodawanie promocje  w Amazon Personalizuj pozwala dostosować rekomendacje dla każdego użytkownika, włączając elementy, które chcesz wyraźnie zwiększyć widoczność i zaangażowanie. Promocje pozwalają również określić, jaki procent rekomendowanych produktów powinien być promowany, co umożliwia dostosowanie rekomendacji do celów biznesowych bez dodatkowych kosztów. Możesz korzystać z promocji rekomendacji przy użyciu przepisów dotyczących personalizacji użytkownika i podobnych przedmiotów, a także rekomendacji zoptymalizowanych pod kątem przypadków użycia.

Aby uzyskać więcej informacji na temat personalizacji Amazon, zobacz Co to jest Amazon Personalizuj?

O autorach

Anny Grubler jest Architektem Rozwiązań w AWS.

Alexa Burkleaux jest Architektem Rozwiązań w AWS. Koncentruje się na pomaganiu klientom w stosowaniu uczenia maszynowego i analizy danych do rozwiązywania problemów w branży medialnej i rozrywkowej. W wolnym czasie lubi spędzać czas z rodziną i wolontariatem jako patrol narciarski na swojej lokalnej skoczni narciarskiej.

Liama ​​Morrisona jest Menedżerem Architektów Rozwiązań w AWS. Prowadzi zespół skupiony na usługach Marketing Intelligence. Ostatnie 5 lat poświęcił na praktyczne zastosowania uczenia maszynowego w mediach i rozrywce, pomagając klientom we wdrażaniu personalizacji, przetwarzaniu języka naturalnego, wizji komputerowej i nie tylko.