Amazon Personalize کے ساتھ کاروباری قواعد کا استعمال کرتے ہوئے مخصوص آئٹمز کو فروغ دے کر اپنی سفارشات کو حسب ضرورت بنائیں

آج، ہم اعلان کرنے کے لیے پرجوش ہیں۔ پروموشنز Amazon Personalize میں خصوصیت جو آپ کو اپنے صارفین کے لیے واضح طور پر مخصوص آئٹمز کی سفارش کرنے کی اجازت دیتی ہے جو کہ آپ کے کاروباری اہداف سے مطابقت رکھتے ہیں۔ مثال کے طور پر، آپ کے پاس مارکیٹنگ پارٹنرشپ ہو سکتی ہے جس کے لیے آپ کو مخصوص برانڈز، اندرون ملک مواد، یا ایسے زمروں کو فروغ دینے کی ضرورت ہوتی ہے جن کی آپ مرئیت کو بہتر بنانا چاہتے ہیں۔ پروموشنز آپ کو تجویز کردہ آئٹمز پر زیادہ کنٹرول فراہم کرتی ہیں۔ آپ پروموشنل آئٹمز کی شناخت کے لیے کاروباری اصولوں کی وضاحت کر سکتے ہیں اور انہیں بغیر کسی اضافی لاگت کے اپنے پورے یوزر بیس پر ظاہر کر سکتے ہیں۔ آپ اپنی سفارشات میں ترقی یافتہ مواد کے فیصد کو بھی کنٹرول کرتے ہیں۔ Amazon Personalize خود بخود پروموشنل آئٹمز کے سیٹ کے اندر متعلقہ آئٹمز تلاش کرتا ہے جو آپ کے کاروباری اصول پر پورا اترتا ہے اور انہیں ہر صارف کی سفارشات میں تقسیم کرتا ہے۔

Amazon Personalize آپ کو ویب سائٹس، ایپلی کیشنز، اور ٹارگٹڈ مارکیٹنگ مہمات میں ذاتی نوعیت کی مصنوعات اور مواد کی سفارشات کو طاقت دے کر کسٹمر کی مصروفیت کو بہتر بنانے کے قابل بناتا ہے۔ آپ بغیر کسی پیشگی مشین لرننگ (ML) کے تجربے کے شروع کر سکتے ہیں، APIs کا استعمال کرتے ہوئے چند کلکس میں نفیس پرسنلائزیشن کی صلاحیتیں آسانی سے تیار کر سکتے ہیں۔ آپ کا تمام ڈیٹا نجی اور محفوظ ہونے کے لیے انکرپٹ کیا گیا ہے، اور صرف آپ کے صارفین کے لیے سفارشات تیار کرنے کے لیے استعمال کیا جاتا ہے۔

اس پوسٹ میں، ہم ای کامرس کے استعمال کے معاملے کے لیے نئی پروموشنز کی خصوصیت کے ساتھ اپنی سفارشات کو کس طرح اپنی مرضی کے مطابق بنائیں۔

حل جائزہ

مختلف کاروبار اپنے انفرادی اہداف کی بنیاد پر اس قسم کے مواد کے لیے پروموشنز استعمال کر سکتے ہیں جس پر وہ مصروفیت بڑھانا چاہتے ہیں۔ ڈومین سے قطع نظر کسی بھی درخواست کے لیے آپ کی سفارشات کا فیصد ایک خاص قسم کا ہونے کے لیے آپ پروموشنز کا استعمال کر سکتے ہیں۔ مثال کے طور پر، ای کامرس ایپلی کیشنز میں، آپ اس خصوصیت کا استعمال کر سکتے ہیں کہ تجویز کردہ آئٹمز میں سے 20 فیصد ایسی ہوں جو فروخت پر، یا کسی خاص برانڈ، یا زمرے سے ہوں۔ ویڈیو آن ڈیمانڈ استعمال کے کیسز کے لیے، آپ اس فیچر کو نئے شروع کیے گئے شوز اور فلموں کے ساتھ carousel کا 40% بھرنے کے لیے استعمال کر سکتے ہیں جنہیں آپ ہائی لائٹ کرنا چاہتے ہیں، یا لائیو مواد کو فروغ دینے کے لیے۔ میں پروموشنز استعمال کر سکتے ہیں۔ ڈومین ڈیٹاسیٹ گروپس اور اپنی مرضی کے مطابق ڈیٹاسیٹ گروپس (یوزر پرسنلائزیشن اور اسی طرح کی اشیاء ترکیبیں)۔

Amazon Personalize پروموشنز کو ترتیب دینا آسان بناتا ہے: سب سے پہلے، ایک فلٹر بنائیں جو ان آئٹمز کو منتخب کرے جنہیں آپ فروغ دینا چاہتے ہیں۔ آپ Amazon Personalize DSL (ڈومین کے لیے مخصوص زبان) کا استعمال کرتے ہوئے اپنی منطق کے ساتھ فلٹر بنانے کے لیے Amazon Personalize کنسول یا API استعمال کر سکتے ہیں۔ اس میں صرف چند منٹ لگتے ہیں۔ پھر، سفارشات کی درخواست کرتے وقت، فلٹر کی وضاحت کرتے ہوئے پروموشن کی وضاحت کریں، ان سفارشات کا فیصد جو اس فلٹر سے مماثل ہونا چاہیے، اور اگر ضرورت ہو تو، متحرک فلٹر پیرامیٹرز۔ ترقی یافتہ آئٹمز کو سفارشات میں تصادفی طور پر تقسیم کیا جاتا ہے، لیکن کوئی بھی موجودہ سفارشات ہٹائی نہیں جاتی ہیں۔

درج ذیل خاکہ دکھاتا ہے کہ آپ Amazon Personalize میں سفارشات میں پروموشنز کو کس طرح استعمال کر سکتے ہیں۔

آپ کیٹلاگ سسٹم میں فروغ دینے کے لیے آئٹمز کی وضاحت کرتے ہیں، انہیں Amazon Personalize آئٹمز ڈیٹاسیٹ پر لوڈ کریں، اور پھر سفارشات حاصل کریں۔ پروموشن کی وضاحت کیے بغیر سفارشات حاصل کرنا سب سے زیادہ متعلقہ آئٹمز واپس کرتا ہے، اور اس مثال میں، پروموشن کردہ آئٹمز میں سے صرف ایک آئٹم۔ ترقی یافتہ اشیاء کی واپسی کی کوئی ضمانت نہیں ہے۔ 50% پروموٹیڈ آئٹمز کے ساتھ سفارشات حاصل کرنے سے پروموٹیڈ آئٹمز سے تعلق رکھنے والے آدھے آئٹمز واپس مل جاتے ہیں۔

یہ پوسٹ آپ کو Amazon Personalize میں اپنی سفارشات میں پروموشنز کی وضاحت کرنے اور لاگو کرنے کے عمل سے گزرتی ہے تاکہ یہ یقینی بنایا جا سکے کہ کسی مہم یا تجویز کنندہ کے نتائج میں مخصوص آئٹمز شامل ہیں جو آپ صارفین کو دیکھنا چاہتے ہیں۔ اس مثال کے لیے، ہم ایک خوردہ تجویز کنندہ بناتے ہیں اور اس کے ساتھ اشیاء کو فروغ دیتے ہیں۔ CATEGORY_L2 as halloween، جو ہالووین کی سجاوٹ کے مساوی ہے۔ اس استعمال کے کیس کے لیے کوڈ کا نمونہ دستیاب ہے۔ GitHub کے.

شرائط

پروموشنز استعمال کرنے کے لیے، آپ نے پہلے کچھ Amazon Personalize وسائل کو Amazon Personalize کنسول پر سیٹ اپ کیا۔ اپنا ڈیٹا سیٹ گروپ بنائیں، اپنا ڈیٹا لوڈ کریں، اور ایک تجویز کنندہ کو تربیت دیں۔ مکمل ہدایات کے لیے، دیکھیں شروع.

1. ڈیٹا سیٹ گروپ بنائیں.
2. بنائیں ایک Interactions درج ذیل کا استعمال کرتے ہوئے ڈیٹا سیٹ سکیم:

   {
       "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. تعامل کا ڈیٹا درآمد کریں۔ سے ایمیزون پرسنلائز کرنا ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)۔ اس مثال کے لیے، ہم مندرجہ ذیل استعمال کرتے ہیں۔ ڈیٹا فائل. ہم نے میں کوڈ کی بنیاد پر مصنوعی ڈیٹا تیار کیا۔ ریٹیل ڈیمو اسٹور پروجیکٹ. ڈیٹا اور ممکنہ استعمال کے بارے میں مزید جاننے کے لیے GitHub ریپو سے رجوع کریں۔
4. بنائیں ایک Items درج ذیل اسکیما کا استعمال کرتے ہوئے ڈیٹاسیٹ:

   {
       "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. Amazon S3 سے Amazon Personalize میں آئٹم کا ڈیٹا درآمد کریں۔ اس مثال کے لئے، ہم مندرجہ ذیل استعمال کرتے ہیں ڈیٹا فائل، میں کوڈ کی بنیاد پر ریٹیل ڈیمو اسٹور پروجیکٹAmazon S3 سے اپنے تعاملات اور آئٹمز کے ڈیٹا کو فارمیٹنگ اور درآمد کرنے کے بارے میں مزید معلومات کے لیے، دیکھیں بلک ریکارڈز درآمد کرنا.
6. ایک تجویز کنندہ بنائیں. اس مثال میں، ہم ایک بناتے ہیں "آپ کے لیے تجویز کردہ" تجویز کنندہ.

اپنی پروموشنز کے لیے فلٹر بنائیں

اب جب کہ آپ نے اپنے ایمیزون پرسنلائز وسائل مرتب کر لیے ہیں، آپ ایک بنا سکتے ہیں۔ فلٹر جو آپ کے پروموشن کے لیے آئٹمز کا انتخاب کرتا ہے۔

آپ ایک جامد فلٹر بنا سکتے ہیں جہاں تمام متغیرات کو فلٹر بنانے پر ہارڈ کوڈ کیا جاتا ہے۔ مثال کے طور پر، ان تمام اشیاء کو شامل کرنے کے لیے جن کے پاس ہے۔ CATEGORY_L2 as halloween، درج ذیل فلٹر اظہار کا استعمال کریں:

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

آپ متحرک فلٹرز بھی بنا سکتے ہیں۔ جب آپ سفارشات کی درخواست کرتے ہیں تو متحرک فلٹرز حقیقی وقت میں حسب ضرورت ہوتے ہیں۔ ایک متحرک فلٹر بنانے کے لیے، آپ ایک مقررہ قدر کے بجائے پلیس ہولڈر پیرامیٹر کا استعمال کرتے ہوئے اپنے فلٹر اظہار کے معیار کی وضاحت کرتے ہیں۔ یہ آپ کو تجویز کی درخواست پر فلٹر لگا کر فلٹر کرنے کے لیے اقدار کا انتخاب کرنے کی اجازت دیتا ہے، بجائے اس کے کہ آپ اپنا اظہار تخلیق کرتے وقت۔ جب آپ کال کرتے ہیں تو آپ فلٹر فراہم کرتے ہیں۔ سفارشات حاصل کریں۔ or پرسنلائزڈ رینکنگ حاصل کریں۔ API آپریشنز، یا آپ کے ان پٹ ڈیٹا کے ایک حصے کے طور پر جب بیچ موڈ میں سفارشات تیار کرتے ہیں۔ بیچ کا اندازہ کام.

مثال کے طور پر، منتخب کردہ زمرہ میں تمام آئٹمز کو منتخب کرنے کے لیے جب آپ فلٹر لگا کر اپنی قیاس کال کرتے ہیں، تو درج ذیل فلٹر اظہار کا استعمال کریں:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

آپ ایمیزون پرسنلائز کنسول پر حسب ضرورت فلٹر بنانے کے لیے سابقہ ​​DSL استعمال کر سکتے ہیں۔ درج ذیل مراحل کو مکمل کریں:

1. ایمیزون پرسنلائز کنسول پر، پر فلٹرز صفحہ، منتخب کریں فلٹر بنائیں.
2. کے لئے فلٹر کا ناماپنے فلٹر کا نام درج کریں (اس پوسٹ کے لیے، ہم درج کرتے ہیں۔ category_filter).
3. منتخب کریں اظہار تیار کریں۔ یا اپنی مرضی کے مطابق فلٹر بنانے کے لیے اپنا اظہار دستی طور پر شامل کریں۔
4. "شامل کریں" کا اظہار بنائیں ItemID کہاں Items.CATEGORY_L2 IN $CATEGORY"کے لیے قدر، آپ کی قدر درج کریں۔ $ نیز ایک پیرامیٹر کا نام جو آپ کے پراپرٹی کے نام سے ملتا جلتا ہو اور یاد رکھنے میں آسان ہو (اس مثال کے لیے، $CATEGORY).
5. اختیاری طور پر، اپنے فلٹر کے ساتھ اضافی تاثرات کو جوڑنے کے لیے، جمع کا نشان منتخب کریں۔
6. اضافی فلٹر اظہارات شامل کرنے کے لیے، منتخب کریں۔ اظہار شامل کریں۔.
7. میں سے انتخاب کریں فلٹر بنائیں.
   

آپ کے ذریعے فلٹرز بھی بنا سکتے ہیں۔ createFilter ایمیزون پرسنلائز میں API۔ مزید معلومات کے لیے دیکھیں فلٹر بنائیں.

اپنی سفارشات پر پروموشنز کا اطلاق کریں۔

لگانا a فلٹر جب سفارشات حاصل کرنا آپ کی سفارشات کو مخصوص معیار کے مطابق بنانے کا ایک اچھا طریقہ ہے۔ تاہم، فلٹرز کا استعمال براہ راست فلٹر کو واپس کی گئی تمام سفارشات پر لاگو کرتا ہے۔ پروموشنز کا استعمال کرتے وقت، آپ منتخب کر سکتے ہیں کہ سفارشات کا کتنا فیصد ترقی یافتہ آئٹمز سے مطابقت رکھتا ہے، جو آپ کو ذاتی نوعیت کی سفارشات اور بہترین آئٹمز کو ملانے اور ملانے کی اجازت دیتا ہے جو ہر صارف کے لیے پروموشن کے معیار سے اس تناسب سے میل کھاتا ہے جو آپ کے کاروباری استعمال کے معاملے کے لیے معنی رکھتا ہے۔

مندرجہ ذیل مثال کوڈ کے لیے درخواست کا باڈی ہے۔ GetRecommendations API جو استعمال کرنے والے صارف کے لیے سفارشات حاصل کرتا ہے۔ "آپ کیلئے تجویز کردہ" تجویز کنندہ:

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

یہ درخواست مخصوص صارف کے لیے ذاتی سفارشات واپس کرتی ہے۔ کیٹلاگ میں موجود اشیاء میں سے، یہ صارف کے لیے 20 سب سے زیادہ متعلقہ اشیاء ہیں۔

ہم وہی کال کر سکتے ہیں اور صرف فلٹر سے مماثل آئٹمز واپس کرنے کے لیے فلٹر لگا سکتے ہیں۔ مندرجہ ذیل مثال کوڈ کے لیے درخواست کا باڈی ہے۔ GetRecommendations API جو "آپ کے لیے تجویز کردہ" تجویز کنندہ کا استعمال کرتے ہوئے کسی صارف کے لیے سفارشات حاصل کرتا ہے اور a کا اطلاق کرتا ہے۔ متحرک فلٹر صرف متعلقہ اشیاء کو واپس کرنے کے لیے 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""}
}

یہ درخواست مخصوص صارف کے لیے ذاتی سفارشات واپس کرتی ہے جس کے پاس ہے۔ CATEGORY_L2 as halloween. کیٹلاگ میں موجود آئٹمز میں سے یہ 20 سب سے زیادہ متعلقہ آئٹمز ہیں۔ CATEGORY_L2 as halloween صارف کے لئے.

آپ پروموشنز کا استعمال کر سکتے ہیں اگر آپ چاہتے ہیں کہ آئٹمز کا ایک خاص فیصد کسی ایسے وصف کا ہو جسے آپ فروغ دینا چاہتے ہیں، اور باقی آئٹمز اس صارف کے لیے کیٹلاگ میں موجود تمام آئٹمز میں سے سب سے زیادہ متعلقہ ہوں۔ ہم وہی کال کر سکتے ہیں اور پروموشن کا اطلاق کر سکتے ہیں۔ مندرجہ ذیل مثال کوڈ کے لیے درخواست کا باڈی ہے۔ GetRecommendations API جو "آپ کے لیے تجویز کردہ" تجویز کنندہ کا استعمال کرنے والے صارف کے لیے سفارشات حاصل کرتا ہے اور متعلقہ آئٹمز کا ایک خاص فیصد شامل کرنے کے لیے پروموشن کا اطلاق کرتا ہے جس میں 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""
        }
    }]
}

یہ درخواست 20% سفارشات واپس کرتی ہے جو پروموشن میں متعین فلٹر سے مماثل ہیں: آئٹمز کے ساتھ CATEGORY_L2 as halloween; اور مخصوص صارف کے لیے 80% ذاتی سفارشات جو کیٹلاگ میں موجود آئٹمز میں سے صارف کے لیے سب سے زیادہ متعلقہ آئٹمز ہیں۔

آپ پروموشنز کے ساتھ مل کر فلٹر استعمال کر سکتے ہیں۔ اعلی درجے کے پیرامیٹر بلاک میں موجود فلٹر کا اطلاق صرف غیر ترقی یافتہ آئٹمز پر ہوتا ہے۔

ترقی یافتہ آئٹمز کو منتخب کرنے کے لیے فلٹر میں بیان کیا گیا ہے۔ promotions پیرامیٹر بلاک مندرجہ ذیل مثال کوڈ کے لیے درخواست کا باڈی ہے۔ GetRecommendations API جو "آپ کے لیے تجویز کردہ" تجویز کنندہ استعمال کرنے والے صارف کے لیے سفارشات حاصل کرتا ہے اور وہ متحرک فلٹر استعمال کرتا ہے جسے ہم دو بار استعمال کرتے رہے ہیں۔ پہلا فلٹر غیر ترقی یافتہ آئٹمز پر لاگو ہوتا ہے، اس کے ساتھ آئٹمز کو منتخب کرنا CATEGORY_L2 as decorative، اور دوسرا فلٹر پروموشن پر لاگو ہوتا ہے، اس کے ساتھ آئٹمز کو فروغ دینا 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""
        }
    }]
}

یہ درخواست 20% سفارشات واپس کرتی ہے جو پروموشن میں متعین فلٹر سے مماثل ہیں: آئٹمز کے ساتھ CATEGORY_L2 as halloween. بقیہ 80% تجویز کردہ آئٹمز مخصوص صارف کے لیے ذاتی نوعیت کی تجاویز ہیں۔ CATEGORY_L2 as decorative. یہ کیٹلاگ میں موجود آئٹمز میں سے صارف کے لیے سب سے زیادہ متعلقہ آئٹمز ہیں۔ CATEGORY_L2 as decorative.

صاف کرو

اس بات کو یقینی بنائیں کہ آپ اس پوسٹ میں بیان کردہ اقدامات پر عمل کرتے ہوئے اپنے اکاؤنٹ میں بنائے گئے کسی بھی غیر استعمال شدہ وسائل کو صاف کرتے ہیں۔ آپ فلٹرز، تجویز کنندگان، ڈیٹا سیٹس، اور ڈیٹاسیٹ گروپس کو کے ذریعے حذف کر سکتے ہیں۔ AWS مینجمنٹ کنسول یا Python SDK کا استعمال کرتے ہوئے.

خلاصہ

شامل کرنے پروموشنز  Amazon Personalize میں آپ کو ہر صارف کے لیے اپنی سفارشات کو اپنی مرضی کے مطابق کرنے کی اجازت دیتا ہے تاکہ وہ آئٹمز شامل کر سکیں جن پر آپ واضح طور پر مرئیت اور مصروفیت کو بڑھانا چاہتے ہیں۔ پروموشنز آپ کو یہ بتانے کی بھی اجازت دیتے ہیں کہ تجویز کردہ آئٹمز میں سے کتنے فیصد کو پروموٹ کیا جانا چاہیے، جو کہ بغیر کسی اضافی قیمت کے آپ کے کاروباری مقاصد کو پورا کرنے کے لیے سفارشات کو تیار کرتی ہیں۔ آپ یوزر پرسنلائزیشن اور اسی طرح کی آئٹمز کی ترکیبیں استعمال کرتے ہوئے سفارشات کے لیے پروموشنز استعمال کر سکتے ہیں، ساتھ ہی کیس آپٹمائزڈ تجویز کنندگان کا استعمال کر سکتے ہیں۔

Amazon Personalize کے بارے میں مزید معلومات کے لیے دیکھیں ایمیزون پرسنلائز کیا ہے؟

مصنفین کے بارے میں

انا گریوبلر AWS میں ایک حل آرکیٹیکٹ ہے۔

الیکس برکلیو AWS میں ایک حل آرکیٹیکٹ ہے۔ وہ میڈیا اور تفریحی صنعت میں مسائل کو حل کرنے کے لیے صارفین کو مشین لرننگ اور ڈیٹا اینالیٹکس کا اطلاق کرنے میں مدد کرنے پر توجہ مرکوز کرتی ہے۔ اپنے فارغ وقت میں، وہ خاندان کے ساتھ وقت گزارنے اور اپنی مقامی سکی پہاڑی پر سکی گشتی کے طور پر رضاکارانہ طور پر کام کرنے سے لطف اندوز ہوتی ہے۔

لیام موریسن AWS میں ایک حل آرکیٹیکٹ مینیجر ہے۔ وہ مارکیٹنگ انٹیلی جنس خدمات پر توجہ مرکوز کرنے والی ٹیم کی قیادت کرتا ہے۔ اس نے گزشتہ 5 سال میڈیا اور تفریح ​​میں مشین لرننگ کی عملی ایپلی کیشنز پر توجہ مرکوز کرتے ہوئے گزارے ہیں، صارفین کو پرسنلائزیشن، نیچرل لینگویج پروسیسنگ، کمپیوٹر ویژن اور بہت کچھ کو لاگو کرنے میں مدد کرتے ہیں۔