Налаштуйте свої рекомендації, рекламуючи певні товари за допомогою бізнес-правил за допомогою Amazon Personalize

Сьогодні ми раді оголосити Промоакції функція в Amazon Personalize, яка дозволяє вам чітко рекомендувати певні продукти своїм користувачам на основі правил, які відповідають вашим бізнес-цілям. Наприклад, ви можете мати маркетингові партнерства, які вимагають від вас просування певних брендів, внутрішнього вмісту або категорій, які ви хочете покращити видимість. Акції дають вам більше контролю над рекомендованими товарами. Ви можете визначити бізнес-правила, щоб ідентифікувати рекламні товари та демонструвати їх усій базі користувачів без будь-яких додаткових витрат. Ви також контролюєте відсоток рекламованого вмісту у своїх рекомендаціях. Amazon Personalize автоматично знаходить відповідні товари в наборі рекламних товарів, які відповідають правилам вашого бізнесу, і розподіляє їх у рекомендаціях кожного користувача.

Amazon Personalize дозволяє покращити залучення клієнтів, надаючи персоналізовані рекомендації щодо продуктів і вмісту на веб-сайтах, у програмах і цільових маркетингових кампаніях. Ви можете розпочати без будь-якого попереднього досвіду машинного навчання (ML), використовуючи API, щоб легко створювати складні можливості персоналізації за кілька кліків. Усі ваші дані зашифровано, щоб бути приватними та безпечними, і використовуються лише для створення рекомендацій для ваших користувачів.

У цій публікації ми демонструємо, як налаштувати ваші рекомендації за допомогою нової функції рекламних акцій для випадку використання електронної комерції.

Огляд рішення

Різні компанії можуть використовувати рекламні акції відповідно до своїх особистих цілей щодо типу вмісту, який вони хочуть збільшити залучення. Ви можете використовувати рекламні акції, щоб мати відсоток ваших рекомендацій певного типу для будь-якої програми незалежно від домену. Наприклад, у програмах електронної комерції ви можете використовувати цю функцію, щоб 20% рекомендованих товарів були позначеними як розпродаж, або від певного бренду чи категорії. У випадках використання відео на вимогу ви можете використовувати цю функцію, щоб заповнити 40% каруселі нещодавно запущеними шоу та фільмами, які ви хочете виділити, або рекламувати живий вміст. Ви можете використовувати акції в групи наборів даних домену та спеціальні групи наборів даних (Персоналізація користувача та Подібні предмети рецепти).

Amazon Personalize спрощує налаштування рекламних акцій: спочатку створіть фільтр, який вибирає елементи, які ви хочете рекламувати. Ви можете використовувати консоль або API Amazon Personalize, щоб створити фільтр із вашою логікою за допомогою Amazon Personalize DSL (доменоспеціальна мова). Це займає всього кілька хвилин. Потім, запитуючи рекомендації, укажіть рекламну акцію, вказавши фільтр, відсоток рекомендацій, які мають відповідати цьому фільтру, і, якщо потрібно, параметри динамічного фільтра. Рекламовані елементи випадково розподіляються в рекомендаціях, але наявні рекомендації не видаляються.

На наступній діаграмі показано, як можна використовувати рекламні акції в рекомендаціях в Amazon Personalize.

Ви визначаєте елементи для просування в системі каталогу, завантажуєте їх у набір даних Amazon Personalize items і отримуєте рекомендації. Отримання рекомендацій без вказівки рекламної акції повертає найбільш релевантні товари, а в цьому прикладі лише один товар із рекламованих товарів. Немає гарантії повернення рекламованих товарів. Отримання рекомендацій із 50% рекламованих товарів повертає половину товарів, що належать до рекламованих товарів.

Ця публікація проведе вас через процес визначення та застосування рекламних акцій у ваших рекомендаціях в Amazon Personalize, щоб переконатися, що результати кампанії чи рекомендації містять певні елементи, які ви хочете бачити для користувачів. Для цього прикладу ми створюємо роздрібний рекомендатор і просуваємо товари за допомогою CATEGORY_L2 as halloween, що відповідає декораціям на Хелловін. Зразок коду для цього випадку використання доступний на GitHub.

Передумови

Щоб використовувати рекламні акції, спочатку налаштуйте деякі ресурси Amazon Personalize на консолі Amazon Personalize. Створіть свою групу набору даних, завантажте свої дані та навчіть рекомендувача. Повні інструкції див Приступаючи до роботи.

1. Створіть групу набору даних.
2. створити Interactions набір даних, використовуючи наступне 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. Імпортуйте дані взаємодії до Amazon Personalize з Служба простого зберігання Amazon (Amazon S3). Для цього прикладу ми використовуємо наступне файл даних. Ми згенерували синтетичні дані на основі коду в Роздрібний проект Demo Store. Зверніться до репозиторію GitHub, щоб дізнатися більше про дані та потенційне використання.
4. створити Items набір даних за такою схемою:

   {
       "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. Імпортуйте дані елемента в Amazon Personalize з Amazon S3. Для цього прикладу ми використовуємо наступне файл даних, на основі коду в Роздрібний проект Demo Store.Для отримання додаткової інформації про форматування та імпорт даних про вашу взаємодію та елементи з Amazon S3 див Масове імпортування записів.
6. Створіть рекомендувача. У цьому прикладі ми створюємо a Рекомендатор «Рекомендовано для вас»..

Створіть фільтр для своїх акцій

Тепер, коли ви налаштували свої ресурси Amazon Personalize, ви можете створити фільтрувати який вибирає елементи для вашої реклами.

Ви можете створити статичний фільтр, де всі змінні жорстко закодовані під час створення фільтра. Наприклад, щоб додати всі елементи, які мають CATEGORY_L2 as halloween, використовуйте такий вираз фільтра:

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

Ви також можете створювати динамічні фільтри. Динамічні фільтри можна налаштувати в реальному часі, коли ви запитуєте рекомендації. Щоб створити динамічний фільтр, ви визначаєте критерії виразу фільтра, використовуючи параметр-заповнювач замість фіксованого значення. Це дає змогу вибирати значення для фільтрування, застосовуючи фільтр до запиту рекомендації, а не під час створення виразу. Ви надаєте фільтр, коли телефонуєте Отримати рекомендації or GetPersonalizedRanking операцій API або як частину ваших вхідних даних під час створення рекомендацій у пакетному режимі через a завдання пакетного висновку.

Наприклад, щоб вибрати всі елементи в категорії, вибраній під час виклику висновку із застосованим фільтром, скористайтеся таким виразом фільтра:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Ви можете використати попередній DSL, щоб створити настроюваний фільтр на консолі Amazon Personalize. Виконайте наступні дії:

1. На консолі Amazon Personalize на фільтри сторінку, виберіть Створіть фільтр.
2. для Фільтрувати ім'я, введіть назву свого фільтра (для цієї публікації ми вводимо category_filter).
3. Select Побудуйте вираз або додайте свій вираз вручну, щоб створити власний фільтр.
4. Побудуйте вираз «Включати ItemID ДЕ Items.CATEGORY_L2 IN $CATEGORY«За значення, ви вводите значення $ а також назву параметра, схожу на назву вашої властивості та легку для запам’ятовування (для цього прикладу, $CATEGORY).
5. За бажанням, щоб зв’язати додаткові вирази з вашим фільтром, виберіть знак плюс.
6. Щоб додати додаткові вирази фільтра, виберіть Додайте вираз.
7. Вибирати Створіть фільтр.
   

Ви також можете створювати фільтри за допомогою createFilter API в Amazon Personalize. Для отримання додаткової інформації див CreateFilter.

Застосуйте акції до своїх рекомендацій

Застосування a фільтрувати коли отримання рекомендацій є хорошим способом пристосувати свої рекомендації до певних критеріїв. Однак використання фільтрів безпосередньо застосовує фільтр до всіх отриманих рекомендацій. Під час використання рекламних акцій ви можете вибрати, який відсоток рекомендацій відповідає рекламованим продуктам, дозволяючи комбінувати персоналізовані рекомендації та найкращі товари, які відповідають критеріям рекламної акції, для кожного користувача в пропорціях, які є доцільними для вашого бізнес-випадку використання.

Наступний приклад коду є тілом запиту для GetRecommendations API, який отримує рекомендації для користувача за допомогою "Рекомендовано для вас" рекомендувач:

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

Цей запит повертає персоналізовані рекомендації для вказаного користувача. З товарів каталогу це 20 найбільш актуальних для користувача товарів.

Ми можемо зробити той самий виклик і застосувати фільтр, щоб повернути лише елементи, які відповідають фільтру. Наступний приклад коду є тілом запиту для GetRecommendations API, який отримує рекомендації для користувача за допомогою рекомендації «Рекомендовано для вас» і застосовує a динамічний фільтр повернути лише відповідні елементи, які мають 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""}
}

Цей запит повертає персоналізовані рекомендації для вказаного користувача, які мають CATEGORY_L2 as halloween. З товарів у каталозі це 20 найбільш актуальних позицій з CATEGORY_L2 as halloween для користувача.

Ви можете використовувати рекламні акції, якщо бажаєте, щоб певний відсоток товарів відповідав атрибуту, який ви хочете рекламувати, а решта — товари, які є найбільш релевантними для цього користувача з усіх товарів у каталозі. Ми можемо зробити той самий дзвінок і застосувати акцію. Наступний приклад коду є тілом запиту для GetRecommendations API, який отримує рекомендації для користувача за допомогою рекомендації «Рекомендовано для вас» і застосовує рекламну акцію, щоб включити певний відсоток релевантних елементів, які 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""
        }
    }]
}

Цей запит повертає 20% рекомендацій, які відповідають фільтру, зазначеному в акції: товари з CATEGORY_L2 as halloween; і 80% персоналізованих рекомендацій для вказаного користувача, які є найбільш релевантними для користувача товарами з товарів у каталозі.

Ви можете використовувати фільтр у поєднанні з акціями. Фільтр у блоці параметрів верхнього рівня застосовується лише до нерекламованих товарів.

Фільтр для відбору просуваних товарів вказано в promotions блок параметрів. Наступний приклад коду є тілом запиту для GetRecommendations API, який отримує рекомендації для користувача за допомогою рекомендації «Рекомендовано для вас» і використовує динамічний фільтр, який ми використовували двічі. Перший фільтр застосовується до нерекламованих товарів, вибираючи товари з CATEGORY_L2 as decorative, а другий фільтр застосовується до акції, просуваючи товари з 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""
        }
    }]
}

Цей запит повертає 20% рекомендацій, які відповідають фільтру, зазначеному в акції: товари з CATEGORY_L2 as halloween. Решта 80% рекомендованих товарів є персональними рекомендаціями для вказаного користувача CATEGORY_L2 as decorative. Це найбільш релевантні товари для користувача з товарів у каталозі CATEGORY_L2 as decorative.

Прибирати

Переконайтеся, що ви очистили всі невикористані ресурси, які ви створили у своєму обліковому записі, виконуючи дії, описані в цій публікації. Ви можете видалити фільтри, рекомендації, набори даних і групи наборів даних за допомогою Консоль управління AWS або за допомогою Python SDK.

Підсумки

Додавання Акції  в Amazon Personalize дозволяє налаштувати свої рекомендації для кожного користувача, включивши елементи, які ви хочете явно підвищити видимість і залучення. Акції також дають змогу вказати, який відсоток рекомендованих товарів має бути рекламованим, що адаптує рекомендації для досягнення ваших бізнес-цілей без додаткових витрат. Ви можете використовувати рекламні акції для рекомендацій, використовуючи рецепти персоналізації користувача та схожих предметів, а також використовувати оптимізовані рекомендації.

Додаткову інформацію про Amazon Personalize див Що таке Amazon Personalize?

Про авторів

Анна Грюблер є архітектором рішень в AWS.

Алекс Беркло є архітектором рішень в AWS. Вона зосереджена на тому, щоб допомогти клієнтам застосувати машинне навчання та аналіз даних для вирішення проблем у медіа та індустрії розваг. У вільний час вона любить проводити час із родиною та волонтерити лижним патрулем на місцевій гірськолижній трасі.

Ліам Моррісон є менеджером архітектора рішень в AWS. Він очолює команду, яка спеціалізується на маркетингових послугах. Останні 5 років він зосередився на практичному застосуванні машинного навчання в медіа та розвагах, допомагаючи клієнтам впроваджувати персоналізацію, обробку природної мови, комп’ютерне бачення тощо.