Настройте свои рекомендации, продвигая определенные товары с помощью бизнес-правил с помощью Amazon Personalize.

Сегодня мы рады сообщить Спецпредложения функция Amazon Personalize, которая позволяет явно рекомендовать пользователям определенные товары на основе правил, соответствующих вашим бизнес-целям. Например, у вас могут быть маркетинговые партнерские отношения, которые требуют от вас продвижения определенных брендов, внутреннего контента или категорий, которые вы хотите улучшить. Акции дают вам больше контроля над рекомендуемыми товарами. Вы можете определить бизнес-правила, чтобы идентифицировать рекламные товары и демонстрировать их всей пользовательской базе без каких-либо дополнительных затрат. Вы также контролируете процент продвигаемого контента в своих рекомендациях. Amazon Personalize автоматически находит релевантные товары в наборе рекламных товаров, соответствующих вашему бизнес-правилу, и распределяет их по рекомендациям каждого пользователя.

Amazon Personalize позволяет повысить вовлеченность клиентов за счет предоставления персонализированных рекомендаций по продуктам и контенту на веб-сайтах, в приложениях и целевых маркетинговых кампаниях. Вы можете начать работу без какого-либо предварительного опыта машинного обучения (ML), используя API-интерфейсы, чтобы легко создавать сложные возможности персонализации в несколько кликов. Все ваши данные зашифрованы, чтобы быть конфиденциальными и безопасными, и используются только для создания рекомендаций для ваших пользователей.

В этом посте мы покажем, как настроить ваши рекомендации с помощью новой функции рекламных акций для варианта использования электронной коммерции.

Обзор решения

Различные компании могут использовать рекламные акции в зависимости от своих индивидуальных целей для типа контента, который они хотят увеличить. Вы можете использовать рекламные акции, чтобы процент ваших рекомендаций относился к определенному типу для любого приложения независимо от домена. Например, в приложениях для электронной коммерции вы можете использовать эту функцию, чтобы 20% рекомендуемых товаров были помечены как распродажа или товары определенного бренда или категории. Для вариантов использования видео по запросу вы можете использовать эту функцию, чтобы заполнить 40% карусели недавно запущенными шоу и фильмами, которые вы хотите выделить, или для продвижения живого контента. Вы можете использовать акции в группы наборов данных домена и пользовательские группы наборов данных (Пользовательская персонализация и Похожие товары рецепты).

Amazon Personalize упрощает настройку продвижения: сначала создайте фильтр, который выбирает товары, которые вы хотите рекламировать. Вы можете использовать консоль или API Amazon Personalize, чтобы создать фильтр со своей логикой, используя Amazon Personalize DSL (язык для конкретного домена). Это займет всего лишь несколько минут. Затем при запросе рекомендаций укажите продвижение, указав фильтр, процент рекомендаций, которые должны соответствовать этому фильтру, и, если требуется, параметры динамического фильтра. Рекламируемые элементы случайным образом распределяются в рекомендациях, но существующие рекомендации не удаляются.

На следующей диаграмме показано, как можно использовать рекламные акции в рекомендациях в Amazon Personalize.

Вы определяете элементы для продвижения в системе каталогов, загружаете их в набор данных элементов Amazon Personalize, а затем получаете рекомендации. Получение рекомендаций без указания акции возвращает наиболее релевантные товары, а в данном примере только один товар из продвигаемых. Нет никакой гарантии, что продвигаемые товары будут возвращены. Получение рекомендаций с 50% продвигаемых товаров возвращает половину товаров, принадлежащих продвигаемым товарам.

В этом посте описан процесс определения и применения рекламных акций в ваших рекомендациях в Amazon Personalize, чтобы убедиться, что результаты кампании или рекомендации содержат определенные элементы, которые вы хотите, чтобы пользователи видели. В этом примере мы создаем розничный рекомендатель и продвигаем товары с помощью CATEGORY_L2 as halloween, что соответствует украшениям на Хэллоуин. Пример кода для этого варианта использования доступен на GitHub.

Предпосылки

Чтобы использовать рекламные акции, сначала необходимо настроить некоторые ресурсы Amazon Personalize в консоли Amazon Personalize. Создайте свою группу наборов данных, загрузите свои данные и обучите рекомендателя. Полные инструкции см. Начинаем!.

1. Создать группу набора данных.
2. Создать Interactions набор данных с использованием следующего схема:

   {
       "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. Импорт данных взаимодействия на Amazon Персонализировать из Простой сервис хранения Amazon (Амазон С3). Для этого примера мы используем следующее файл данных. Мы сгенерировали синтетические данные на основе кода в Проект розничного демо-магазина. Обратитесь к репозиторию GitHub, чтобы узнать больше о данных и возможном использовании.
4. Создать Items набор данных, используя следующую схему:

   {
       "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. Импортируйте данные об элементе в Amazon Personalize из Amazon S3. Для этого примера мы используем следующее файл данных, на основе кода в Проект розничного демо-магазина.Дополнительную информацию о форматировании и импорте данных о взаимодействиях и элементах из Amazon S3 см. Массовый импорт записей.
6. Создать рекомендателя. В этом примере мы создаем «Рекомендуется для вас» рекомендатель.

Создайте фильтр для ваших рекламных акций

Теперь, когда вы настроили ресурсы Amazon Personalize, вы можете создать фильтр который выбирает элементы для вашей акции.

Вы можете создать статический фильтр, в котором все переменные жестко закодированы при создании фильтра. Например, чтобы добавить все элементы, которые CATEGORY_L2 as halloween, используйте следующее выражение фильтра:

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

Вы также можете создавать динамические фильтры. Динамические фильтры настраиваются в режиме реального времени, когда вы запрашиваете рекомендации. Чтобы создать динамический фильтр, вы определяете критерии выражения фильтра, используя параметр-заполнитель вместо фиксированного значения. Это позволяет выбирать значения для фильтрации путем применения фильтра к запросу рекомендации, а не при создании выражения. Вы предоставляете фильтр, когда вызываете Получить рекомендации or Получить персонализированный рейтинг Операций API или как часть ваших входных данных при генерации рекомендаций в пакетном режиме через пакетный вывод.

Например, чтобы выбрать все элементы в категории, выбранной при вызове логического вывода с примененным фильтром, используйте следующее выражение фильтра:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Вы можете использовать предыдущий DSL для создания настраиваемого фильтра в консоли Amazon Personalize. Выполните следующие шаги:

1. На консоли Amazon Personalize, на Фильтры выберите страницу Создать фильтр.
2. Что касается Имя фильтра, введите название вашего фильтра (для этого поста мы вводим category_filter).
3. Выберите Построить выражение или добавьте выражение вручную, чтобы создать собственный фильтр.
4. Постройте выражение «Включить ItemID ГДЕ Items.CATEGORY_L2 IN $CATEGORY"За Значение, вы вводите значение $ плюс имя параметра, похожее на имя вашего свойства и легко запоминающееся (в этом примере $CATEGORY).
5. При желании, чтобы связать дополнительные выражения с вашим фильтром, выберите знак плюс.
6. Чтобы добавить дополнительные выражения фильтра, выберите Добавить выражение.
7. Выберите Создать фильтр.
   

Вы также можете создавать фильтры через createFilter API в Amazon Personalize. Для получения дополнительной информации см. Создать фильтр.

Примените рекламные акции к своим рекомендациям

Применяя фильтр при получении рекомендаций — это хороший способ адаптировать свои рекомендации к конкретным критериям. Однако использование фильтров напрямую применяет фильтр ко всем возвращенным рекомендациям. При использовании рекламных акций вы можете выбрать, какой процент рекомендаций соответствует продвигаемым элементам, что позволит вам смешивать и сопоставлять персонализированные рекомендации и лучшие элементы, соответствующие критериям продвижения для каждого пользователя, в пропорциях, которые имеют смысл для вашего бизнеса.

Следующий пример кода - это тело запроса для GetRecommendations API, который получает рекомендации для пользователя с помощью "Рекомендуется для вас" рекомендатель:

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

Этот запрос возвращает персонализированные рекомендации для указанного пользователя. Из позиций в каталоге это 20 наиболее релевантных для пользователя позиций.

Мы можем сделать тот же вызов и применить фильтр, чтобы возвращать только те элементы, которые соответствуют фильтру. Следующий пример кода представляет собой тело запроса для GetRecommendations API, который получает рекомендации для пользователя с помощью рекомендателя «Рекомендуется для вас» и применяет динамический фильтр возвращать только релевантные товары, которые 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""}
}

Этот запрос возвращает персонализированные рекомендации для указанного пользователя, которые CATEGORY_L2 as halloween. Из товаров в каталоге это 20 наиболее актуальных товаров с CATEGORY_L2 as halloween для пользователя.

Вы можете использовать рекламные акции, если хотите, чтобы определенный процент товаров соответствовал атрибуту, который вы хотите продвигать, а остальные были элементами, наиболее релевантными для этого пользователя из всех элементов в каталоге. Мы можем сделать тот же звонок и применить поощрение. Следующий пример кода представляет собой тело запроса для GetRecommendations API, который получает рекомендации для пользователя с помощью рекомендателя «Рекомендуется для вас» и применяет поощрение, чтобы включить определенный процент релевантных элементов, которые 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""
        }
    }]
}

Этот запрос возвращает 20% рекомендаций, соответствующих фильтру, указанному в акции: товары с CATEGORY_L2 as halloween; и 80% персонализированных рекомендаций для указанного пользователя, которые являются наиболее релевантными для пользователя товарами из товаров в каталоге.

Вы можете использовать фильтр в сочетании с рекламными акциями. Фильтр в блоке параметров верхнего уровня применяется только к не продвигаемым элементам.

Фильтр для выбора продвигаемых товаров указан в promotions блок параметров. Следующий пример кода представляет собой тело запроса для GetRecommendations API, который получает рекомендации для пользователя с помощью рекомендателя «Рекомендуется для вас» и использует динамический фильтр, который мы использовали дважды. Первый фильтр применяется к нерекламируемым элементам, выбирая элементы с CATEGORY_L2 as decorative, а второй фильтр применяется к акции, продвигая товары с 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""
        }
    }]
}

Этот запрос возвращает 20% рекомендаций, соответствующих фильтру, указанному в акции: товары с CATEGORY_L2 as halloween. Остальные 80% рекомендуемых товаров являются персональными рекомендациями для указанного пользователя с CATEGORY_L2 as decorative. Это самые релевантные для пользователя позиции из позиций в каталоге с CATEGORY_L2 as decorative.

Убирать

Убедитесь, что вы очистили все неиспользуемые ресурсы, которые вы создали в своей учетной записи, следуя инструкциям, описанным в этом посте. Вы можете удалить фильтры, рекомендации, наборы данных и группы наборов данных через Консоль управления AWS или с помощью Python SDK.

Обзор

Добавление акциями  в Amazon Personalize позволяет вам настраивать свои рекомендации для каждого пользователя, включая элементы, которые вы хотите явно повысить видимость и вовлеченность. Рекламные акции также позволяют указать, какой процент рекомендуемых товаров следует продвигать, что позволяет адаптировать рекомендации для достижения ваших бизнес-целей без дополнительных затрат. Вы можете использовать рекламные акции для рекомендаций, используя рецепты User-Personalization и Similar-Items, а также рекомендации, оптимизированные для вариантов использования.

Дополнительные сведения об Amazon Personalize см. Что такое Amazon Personalize?

Об авторах

Анна Грюблер является архитектором решений в AWS.

Алекс Бурклео является архитектором решений в AWS. Она помогает клиентам применять машинное обучение и анализ данных для решения проблем в индустрии медиа и развлечений. В свободное время она любит проводить время с семьей и работает волонтером в качестве лыжного патруля на местном горнолыжном склоне.

Лиам Моррисон является менеджером по архитектуре решений в AWS. Он возглавляет группу, специализирующуюся на услугах маркетинговой разведки. Последние 5 лет он занимался практическим применением машинного обучения в медиа и развлечениях, помогая клиентам внедрять персонализацию, обработку естественного языка, компьютерное зрение и многое другое.