Tùy chỉnh các đề xuất của bạn bằng cách quảng cáo các mặt hàng cụ thể bằng cách sử dụng các quy tắc kinh doanh với Amazon Personalize

Hôm nay, chúng tôi rất vui mừng thông báo Khuyến mãi tính năng trong Amazon Personalize cho phép bạn đề xuất rõ ràng các mặt hàng cụ thể cho người dùng của mình dựa trên các quy tắc phù hợp với mục tiêu kinh doanh của bạn. Ví dụ: bạn có thể có quan hệ đối tác tiếp thị yêu cầu bạn quảng cáo một số thương hiệu, nội dung nội bộ hoặc danh mục mà bạn muốn cải thiện khả năng hiển thị. Khuyến mại cho phép bạn kiểm soát nhiều hơn các mặt hàng được đề xuất. Bạn có thể xác định các quy tắc kinh doanh để xác định các mặt hàng khuyến mại và giới thiệu chúng trên toàn bộ cơ sở người dùng của mình mà không phải trả thêm bất kỳ chi phí nào. Bạn cũng kiểm soát phần trăm nội dung được quảng cáo trong các đề xuất của mình. Amazon Personalize tự động tìm các mặt hàng có liên quan trong tập hợp các mặt hàng khuyến mại đáp ứng quy tắc kinh doanh của bạn và phân phối chúng theo đề xuất của mỗi người dùng.

Amazon Personalize cho phép bạn cải thiện mức độ tương tác của khách hàng bằng cách cung cấp các đề xuất nội dung và sản phẩm được cá nhân hóa trong các trang web, ứng dụng và các chiến dịch tiếp thị được nhắm mục tiêu. Bạn có thể bắt đầu mà không cần trải nghiệm máy học (ML) trước đây, bằng cách sử dụng API để dễ dàng xây dựng các khả năng cá nhân hóa tinh vi trong một vài cú nhấp chuột. Tất cả dữ liệu của bạn được mã hóa để trở nên riêng tư và an toàn, đồng thời chỉ được sử dụng để tạo các đề xuất cho người dùng của bạn.

Trong bài đăng này, chúng tôi trình bày cách tùy chỉnh các đề xuất của bạn với tính năng quảng cáo mới cho trường hợp sử dụng thương mại điện tử.

Tổng quan về giải pháp

Các doanh nghiệp khác nhau có thể sử dụng quảng cáo dựa trên mục tiêu cá nhân của họ cho loại nội dung mà họ muốn tăng cường tương tác. Bạn có thể sử dụng khuyến mại để có một tỷ lệ phần trăm các đề xuất của bạn thuộc một loại cụ thể cho bất kỳ ứng dụng nào bất kể miền nào. Ví dụ: trong các ứng dụng thương mại điện tử, bạn có thể sử dụng tính năng này để có 20% các mặt hàng được đề xuất là những mặt hàng được đánh dấu là đang giảm giá hoặc từ một thương hiệu hoặc danh mục nhất định. Đối với các trường hợp sử dụng video theo yêu cầu, bạn có thể sử dụng tính năng này để lấp đầy 40% băng chuyền với các chương trình và phim mới ra mắt mà bạn muốn làm nổi bật hoặc để quảng cáo nội dung trực tiếp. Bạn có thể sử dụng các chương trình khuyến mãi trong nhóm tập dữ liệu miền và nhóm tập dữ liệu tùy chỉnh (Cá nhân hóa người dùng và Những mục tương tự công thức nấu ăn).

Amazon Personalize giúp việc định cấu hình các chương trình khuyến mại trở nên đơn giản: trước tiên, hãy tạo một bộ lọc chọn các mặt hàng bạn muốn được quảng cáo. Bạn có thể sử dụng bảng điều khiển Amazon Personalize hoặc API để tạo bộ lọc với logic của bạn bằng cách sử dụng Amazon Personalize DSL (ngôn ngữ dành riêng cho miền). Nó chỉ mất một vài phút. Sau đó, khi yêu cầu đề xuất, hãy chỉ định khuyến mại bằng cách chỉ định bộ lọc, tỷ lệ phần trăm đề xuất phù hợp với bộ lọc đó và các thông số bộ lọc động nếu được yêu cầu. Các mặt hàng được quảng cáo được phân phối ngẫu nhiên trong các đề xuất, nhưng mọi đề xuất hiện có sẽ không bị xóa.

Sơ đồ sau đây cho thấy cách bạn có thể sử dụng khuyến mại trong các đề xuất trong Amazon Personalize.

Bạn xác định các mặt hàng để quảng cáo trong hệ thống danh mục, tải chúng vào tập dữ liệu Cá nhân hóa mặt hàng của Amazon, sau đó nhận các đề xuất. Nhận đề xuất mà không chỉ định chương trình khuyến mại trả về các mặt hàng có liên quan nhất và trong ví dụ này, chỉ một mặt hàng trong số các mặt hàng được khuyến mại. Không có đảm bảo các mặt hàng khuyến mãi được trả lại. Nhận đề xuất với các mặt hàng được khuyến mại 50% sẽ trả lại một nửa số mặt hàng thuộc các mặt hàng được khuyến mại.

Bài đăng này hướng dẫn bạn quy trình xác định và áp dụng khuyến mại trong các đề xuất của bạn trong Amazon Personalize để đảm bảo kết quả từ chiến dịch hoặc đề xuất chứa các mục cụ thể mà bạn muốn người dùng xem. Đối với ví dụ này, chúng tôi tạo một giới thiệu bán lẻ và quảng cáo các mặt hàng với CATEGORY_L2 as halloween, tương ứng với đồ trang trí Halloween. Mẫu mã cho trường hợp sử dụng này có sẵn trên GitHub.

Điều kiện tiên quyết

Để sử dụng khuyến mại, trước tiên bạn hãy thiết lập một số tài nguyên Amazon Personalize trên bảng điều khiển Amazon Personalize. Tạo nhóm tập dữ liệu của bạn, tải dữ liệu của bạn và đào tạo một người giới thiệu. Để biết hướng dẫn đầy đủ, hãy xem Bắt đầu.

1. Tạo nhóm tập dữ liệu.
2. tạo một Interactions tập dữ liệu bằng cách sử dụng sau kế hoạch:

   {
       "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. Nhập dữ liệu tương tác đến Amazon Personalize từ Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3). Đối với ví dụ này, chúng tôi sử dụng như sau tập tin dữ liệu. Chúng tôi đã tạo dữ liệu tổng hợp dựa trên mã trong Dự án Cửa hàng Demo Bán lẻ. Tham khảo repo GitHub để tìm hiểu thêm về dữ liệu và cách sử dụng tiềm năng.
4. tạo một Items tập dữ liệu sử dụng lược đồ sau:

   {
       "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. Nhập dữ liệu mặt hàng vào Amazon Personalize từ Amazon S3. Đối với ví dụ này, chúng tôi sử dụng như sau tập tin dữ liệu, dựa trên mã trong Dự án Cửa hàng Demo Bán lẻĐể biết thêm thông tin về định dạng và nhập dữ liệu tương tác và mặt hàng của bạn từ Amazon S3, hãy xem Nhập hồ sơ số lượng lớn.
6. Tạo người giới thiệu. Trong ví dụ này, chúng tôi tạo Người giới thiệu "Được đề xuất cho bạn".

Tạo bộ lọc cho các chương trình khuyến mại của bạn

Bây giờ bạn đã thiết lập tài nguyên Cá nhân hóa Amazon của mình, bạn có thể tạo lọc chọn các mặt hàng cho quảng cáo của bạn.

Bạn có thể tạo một bộ lọc tĩnh trong đó tất cả các biến được mã hóa cứng khi tạo bộ lọc. Ví dụ: để thêm tất cả các mục có CATEGORY_L2 as halloween, sử dụng biểu thức bộ lọc sau:

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

Bạn cũng có thể tạo bộ lọc động. Bộ lọc động có thể tùy chỉnh trong thời gian thực khi bạn yêu cầu các đề xuất. Để tạo bộ lọc động, bạn xác định tiêu chí biểu thức bộ lọc của mình bằng cách sử dụng tham số trình giữ chỗ thay vì giá trị cố định. Điều này cho phép bạn chọn các giá trị để lọc bằng cách áp dụng bộ lọc cho yêu cầu đề xuất, thay vì khi bạn tạo biểu thức của mình. Bạn cung cấp một bộ lọc khi bạn gọi Nhận đề xuất or GetPersonalizedXếp hạng Hoạt động API hoặc như một phần của dữ liệu đầu vào của bạn khi tạo các đề xuất ở chế độ hàng loạt thông qua công việc suy luận hàng loạt.

Ví dụ: để chọn tất cả các mục trong một danh mục được chọn khi bạn thực hiện lệnh gọi suy luận với bộ lọc được áp dụng, hãy sử dụng biểu thức bộ lọc sau:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Bạn có thể sử dụng DSL trước đó để tạo bộ lọc có thể tùy chỉnh trên bảng điều khiển Amazon Personalize. Hoàn thành các bước sau:

1. Trên bảng điều khiển Amazon Personalize, trên Bộ lọc trang, chọn Tạo bộ lọc.
2. Trong Tên bộ lọc, nhập tên cho bộ lọc của bạn (đối với bài đăng này, chúng tôi nhập category_filter).
3. Chọn Xây dựng biểu thức hoặc thêm biểu thức của bạn theo cách thủ công để tạo bộ lọc tùy chỉnh của bạn.
4. Xây dựng biểu thức “Bao gồm ItemID Ở ĐÂU Items.CATEGORY_L2 IN $CATEGORY"Vì Giá trị, bạn nhập giá trị là $ cộng với tên thông số tương tự với tên thuộc tính của bạn và dễ nhớ (ví dụ: $CATEGORY).
5. Theo tùy chọn, để xâu chuỗi các biểu thức bổ sung với bộ lọc của bạn, hãy chọn, dấu cộng.
6. Để thêm các biểu thức lọc bổ sung, chọn Thêm biểu thức.
7. Chọn Tạo bộ lọc.
   

Bạn cũng có thể tạo các bộ lọc thông qua createFilter API trong Amazon Cá nhân hóa. Để biết thêm thông tin, xem Tạo bộ lọc.

Áp dụng khuyến mại cho các đề xuất của bạn

Áp dụng một lọc khi nhận được các đề xuất là một cách tốt để điều chỉnh các đề xuất của bạn cho phù hợp với các tiêu chí cụ thể. Tuy nhiên, việc sử dụng bộ lọc sẽ áp dụng trực tiếp bộ lọc cho tất cả các đề xuất được trả về. Khi sử dụng khuyến mại, bạn có thể chọn tỷ lệ phần trăm đề xuất tương ứng với các mặt hàng được quảng cáo, cho phép bạn trộn và kết hợp các đề xuất được cá nhân hóa và các mặt hàng tốt nhất phù hợp với tiêu chí khuyến mại cho từng người dùng theo tỷ lệ phù hợp với trường hợp sử dụng của doanh nghiệp bạn.

Mã ví dụ sau là một nội dung yêu cầu cho GetRecommendations API nhận đề xuất cho người dùng bằng cách sử dụng “Được đề xuất cho bạn” người giới thiệu:

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

Yêu cầu này trả về các đề xuất được cá nhân hóa cho người dùng được chỉ định. Trong số các mục trong danh mục, đây là 20 mục phù hợp nhất với người dùng.

Chúng ta có thể thực hiện lệnh gọi tương tự và áp dụng bộ lọc để chỉ trả lại các mục phù hợp với bộ lọc. Mã ví dụ sau là một nội dung yêu cầu cho GetRecommendations API nhận đề xuất cho người dùng bằng cách sử dụng đề xuất "Được đề xuất cho bạn" và áp dụng bộ lọc động chỉ trả lại các mặt hàng liên quan có 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""}
}

Yêu cầu này trả về các đề xuất được cá nhân hóa cho người dùng được chỉ định có CATEGORY_L2 as halloween. Trong số các mục trong danh mục, đây là 20 mục có liên quan nhất với CATEGORY_L2 as halloween cho người dùng

Bạn có thể sử dụng khuyến mại nếu bạn muốn một tỷ lệ nhất định các mặt hàng thuộc thuộc tính bạn muốn quảng cáo và phần còn lại là các mặt hàng phù hợp nhất với người dùng này trong số tất cả các mặt hàng trong danh mục. Chúng tôi có thể thực hiện cuộc gọi tương tự và áp dụng một chương trình khuyến mãi. Mã ví dụ sau là một nội dung yêu cầu cho GetRecommendations API nhận đề xuất cho người dùng bằng cách sử dụng đề xuất "Được đề xuất cho bạn" và áp dụng khuyến mại để bao gồm một tỷ lệ phần trăm nhất định các mặt hàng có liên quan có 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""
        }
    }]
}

Yêu cầu này trả về 20% đề xuất phù hợp với bộ lọc được chỉ định trong chương trình khuyến mại: các mặt hàng có CATEGORY_L2 as halloween; và 80% đề xuất được cá nhân hóa cho người dùng được chỉ định là các mục phù hợp nhất cho người dùng trong số các mục trong danh mục.

Bạn có thể sử dụng một bộ lọc kết hợp với các chương trình khuyến mãi. Bộ lọc trong khối thông số cấp cao nhất chỉ áp dụng cho các mặt hàng không được quảng cáo.

Bộ lọc để chọn các mặt hàng được quảng cáo được chỉ định trong promotions khối tham số. Mã ví dụ sau là một nội dung yêu cầu cho GetRecommendations API nhận đề xuất cho người dùng bằng cách sử dụng đề xuất "Được đề xuất cho bạn" và sử dụng bộ lọc động mà chúng tôi đã sử dụng hai lần. Bộ lọc đầu tiên áp dụng cho các mặt hàng không được quảng cáo, chọn các mặt hàng có CATEGORY_L2 as decorativevà bộ lọc thứ hai áp dụng cho khuyến mại, quảng cáo các mặt hàng có 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""
        }
    }]
}

Yêu cầu này trả về 20% đề xuất phù hợp với bộ lọc được chỉ định trong chương trình khuyến mại: các mặt hàng có CATEGORY_L2 as halloween. 80% các mục được đề xuất còn lại là các đề xuất được cá nhân hóa cho người dùng được chỉ định với CATEGORY_L2 as decorative. Đây là các mục có liên quan nhất cho người dùng trong số các mục trong danh mục với CATEGORY_L2 as decorative.

Làm sạch

Đảm bảo rằng bạn xóa mọi tài nguyên không sử dụng mà bạn đã tạo trong tài khoản của mình trong khi làm theo các bước được nêu trong bài đăng này. Bạn có thể xóa bộ lọc, bộ đề xuất, bộ dữ liệu và nhóm bộ dữ liệu thông qua Bảng điều khiển quản lý AWS hoặc sử dụng Python SDK.

Tổng kết

Thêm chương trình khuyến mãi  trong Amazon Personalize cho phép bạn tùy chỉnh các đề xuất của mình cho từng người dùng bằng cách bao gồm các mục mà bạn muốn tăng khả năng hiển thị và mức độ tương tác một cách rõ ràng. Khuyến mại cũng cho phép bạn chỉ định tỷ lệ phần trăm các mặt hàng được đề xuất sẽ là các mặt hàng được khuyến mại, điều này sẽ điều chỉnh các đề xuất để đáp ứng các mục tiêu kinh doanh của bạn mà không phải trả thêm phí. Bạn có thể sử dụng khuyến mại cho các đề xuất bằng cách sử dụng công thức Cá nhân hóa người dùng và Các mặt hàng tương tự, cũng như các đề xuất được tối ưu hóa trường hợp sử dụng.

Để biết thêm thông tin về Amazon Personalize, hãy xem Amazon cá nhân hóa là gì?

Giới thiệu về tác giả

Anna Gruebler là Kiến trúc sư Giải pháp tại AWS.

Alex Burkleaux là Kiến trúc sư Giải pháp tại AWS. Cô tập trung vào việc giúp khách hàng áp dụng máy học và phân tích dữ liệu để giải quyết các vấn đề trong ngành truyền thông và giải trí. Trong thời gian rảnh, cô thích dành thời gian cho gia đình và tình nguyện làm người tuần tra trượt tuyết tại đồi trượt tuyết địa phương.

Liam Morrison là Giám đốc Kiến trúc Giải pháp tại AWS. Ông lãnh đạo một nhóm tập trung vào các dịch vụ Marketing Intelligence. Ông đã dành 5 năm qua tập trung vào các ứng dụng thực tế của Học máy trong Truyền thông & Giải trí, giúp khách hàng thực hiện cá nhân hóa, xử lý ngôn ngữ tự nhiên, thị giác máy tính và hơn thế nữa.