Σήμερα, είμαστε ενθουσιασμένοι να ανακοινώσουμε Προωθήσεις λειτουργία στο Amazon Personalize που σας επιτρέπει να προτείνετε ρητά συγκεκριμένα στοιχεία στους χρήστες σας με βάση κανόνες που ευθυγραμμίζονται με τους επιχειρηματικούς σας στόχους. Για παράδειγμα, μπορείτε να έχετε συνεργασίες μάρκετινγκ που απαιτούν από εσάς να προωθήσετε ορισμένες επωνυμίες, εσωτερικό περιεχόμενο ή κατηγορίες που θέλετε να βελτιώσετε την προβολή τους. Οι προωθήσεις σάς δίνουν περισσότερο έλεγχο στα προτεινόμενα στοιχεία. Μπορείτε να ορίσετε επιχειρηματικούς κανόνες για να προσδιορίσετε τα διαφημιστικά στοιχεία και να τα προβάλετε σε ολόκληρη τη βάση χρηστών σας, χωρίς επιπλέον κόστος. Ελέγχετε επίσης το ποσοστό του προωθούμενου περιεχομένου στις προτάσεις σας. Το Amazon Personalize βρίσκει αυτόματα τα σχετικά στοιχεία στο σύνολο των διαφημιστικών ειδών που πληρούν τους κανόνες της επιχείρησής σας και τα διανέμει σύμφωνα με τις προτάσεις κάθε χρήστη.

Το Amazon Personalize σάς δίνει τη δυνατότητα να βελτιώσετε την αφοσίωση των πελατών ενισχύοντας εξατομικευμένες προτάσεις προϊόντων και περιεχομένου σε ιστότοπους, εφαρμογές και στοχευμένες καμπάνιες μάρκετινγκ. Μπορείτε να ξεκινήσετε χωρίς προηγούμενη εμπειρία μηχανικής εκμάθησης (ML), χρησιμοποιώντας API για να δημιουργήσετε εύκολα εξελιγμένες δυνατότητες εξατομίκευσης με λίγα κλικ. Όλα τα δεδομένα σας είναι κρυπτογραφημένα ώστε να είναι ιδιωτικά και ασφαλή και χρησιμοποιούνται μόνο για τη δημιουργία προτάσεων για τους χρήστες σας.

Σε αυτήν την ανάρτηση, δείχνουμε πώς να προσαρμόσετε τις προτάσεις σας με τη νέα λειτουργία προωθήσεων για μια περίπτωση χρήσης ηλεκτρονικού εμπορίου.

Επισκόπηση λύσεων

Διαφορετικές επιχειρήσεις μπορούν να χρησιμοποιούν προωθήσεις με βάση τους ατομικούς τους στόχους για τον τύπο περιεχομένου στο οποίο θέλουν να αυξήσουν την αφοσίωση. Μπορείτε να χρησιμοποιήσετε προωθήσεις για να έχετε ένα ποσοστό των προτάσεών σας συγκεκριμένου τύπου για οποιαδήποτε εφαρμογή, ανεξάρτητα από τον τομέα. Για παράδειγμα, σε εφαρμογές ηλεκτρονικού εμπορίου, μπορείτε να χρησιμοποιήσετε αυτήν τη δυνατότητα, ώστε το 20% των προτεινόμενων αντικειμένων να είναι εκείνα που έχουν επισημανθεί ως προς πώληση ή από μια συγκεκριμένη επωνυμία ή κατηγορία. Για περιπτώσεις χρήσης βίντεο κατ' απαίτηση, μπορείτε να χρησιμοποιήσετε αυτήν τη δυνατότητα για να γεμίσετε το 40% ενός καρουζέλ με εκπομπές και ταινίες που κυκλοφόρησαν πρόσφατα που θέλετε να επισημάνετε ή για να προωθήσετε ζωντανό περιεχόμενο. Μπορείτε να χρησιμοποιήσετε τις προσφορές σε ομάδες δεδομένων τομέα και προσαρμοσμένες ομάδες δεδομένων (Εξατομίκευση χρήστη και Παρόμοια-Είδη συνταγές).

Το Amazon Personalize κάνει τη διαμόρφωση των προωθήσεων απλή: πρώτα, δημιουργήστε ένα φίλτρο που επιλέγει τα στοιχεία που θέλετε να προωθηθούν. Μπορείτε να χρησιμοποιήσετε την κονσόλα Amazon Personalize ή το API για να δημιουργήσετε ένα φίλτρο με τη λογική σας χρησιμοποιώντας το Amazon Personalize DSL (γλώσσα για συγκεκριμένο τομέα). Χρειάζονται μόνο λίγα λεπτά. Στη συνέχεια, όταν ζητάτε προτάσεις, καθορίστε την προώθηση προσδιορίζοντας το φίλτρο, το ποσοστό των προτάσεων που πρέπει να αντιστοιχούν σε αυτό το φίλτρο και, εάν απαιτείται, τις παραμέτρους του δυναμικού φίλτρου. Τα προωθούμενα στοιχεία κατανέμονται τυχαία στις προτάσεις, αλλά τυχόν υπάρχουσες προτάσεις δεν καταργούνται.

Το παρακάτω διάγραμμα δείχνει πώς μπορείτε να χρησιμοποιήσετε τις προσφορές σε προτάσεις στο Amazon Personalize.

Ορίζετε τα στοιχεία προς προώθηση στο σύστημα καταλόγου, τα φορτώνετε στο σύνολο δεδομένων στοιχείων εξατομίκευσης της Amazon και, στη συνέχεια, λαμβάνετε συστάσεις. Η λήψη προτάσεων χωρίς τον καθορισμό μιας προώθησης επιστρέφει τα πιο σχετικά στοιχεία και σε αυτό το παράδειγμα, μόνο ένα στοιχείο από τα προωθούμενα στοιχεία. Δεν υπάρχει καμία εγγύηση για την επιστροφή των προωθούμενων προϊόντων. Η λήψη προτάσεων με 50% προωθούμενα στοιχεία επιστρέφει τα μισά στοιχεία που ανήκουν στα προωθούμενα αντικείμενα.

Αυτή η ανάρτηση σάς καθοδηγεί στη διαδικασία καθορισμού και εφαρμογής προωθήσεων στις προτάσεις σας στο Amazon Personalize για να διασφαλίσετε ότι τα αποτελέσματα από μια καμπάνια ή έναν προτεινόμενο θα περιέχουν συγκεκριμένα στοιχεία που θέλετε να βλέπουν οι χρήστες. Για αυτό το παράδειγμα, δημιουργούμε έναν σύμβουλο λιανικής και προωθούμε προϊόντα με CATEGORY_L2 as halloween, που αντιστοιχεί σε αποκριάτικες διακοσμήσεις. Ένα δείγμα κώδικα για αυτήν την περίπτωση χρήσης είναι διαθέσιμο στο GitHub.

Προϋποθέσεις

Για να χρησιμοποιήσετε τις προσφορές, πρώτα ρυθμίζετε ορισμένους πόρους του Amazon Personalize στην κονσόλα Amazon Personalize. Δημιουργήστε την ομάδα δεδομένων σας, φορτώστε τα δεδομένα σας και εκπαιδεύστε έναν συντάκτη. Για πλήρεις οδηγίες, βλ Ξεκινώντας.

1. Δημιουργήστε μια ομάδα δεδομένων.
2. Δημιουργία ενός Interactions σύνολο δεδομένων χρησιμοποιώντας τα ακόλουθα σχέδιο:

   {
       "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. Εισαγάγετε τα δεδομένα αλληλεπίδρασης στο Amazon Personalize from Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3). Για αυτό το παράδειγμα, χρησιμοποιούμε τα ακόλουθα φάκελος δεδομένων. Δημιουργήσαμε τα συνθετικά δεδομένα με βάση τον κώδικα στο Έργο καταστήματος επίδειξης λιανικής. Ανατρέξτε στο αποθετήριο GitHub για να μάθετε περισσότερα σχετικά με τα δεδομένα και τις πιθανές χρήσεις.
4. Δημιουργία ενός Items σύνολο δεδομένων χρησιμοποιώντας το ακόλουθο σχήμα:

   {
       "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. Εισαγάγετε τα δεδομένα του στοιχείου στο Amazon Personalize από το Amazon S3. Για αυτό το παράδειγμα, χρησιμοποιούμε τα ακόλουθα φάκελος δεδομένων, με βάση τον κωδικό στο Έργο καταστήματος επίδειξης λιανικής.Για περισσότερες πληροφορίες σχετικά με τη μορφοποίηση και την εισαγωγή των δεδομένων των αλληλεπιδράσεων και των στοιχείων σας από το Amazon S3, βλ Μαζική εισαγωγή αρχείων.
6. Δημιουργήστε έναν συστατικό. Σε αυτό το παράδειγμα, δημιουργούμε ένα Προτεινόμενος για εσάς.

Δημιουργήστε ένα φίλτρο για τις προσφορές σας

Τώρα που έχετε ρυθμίσει τους πόρους σας στο Amazon Personalize, μπορείτε να δημιουργήσετε ένα φιλτράρισμα που επιλέγει τα στοιχεία για την προώθησή σας.

Μπορείτε να δημιουργήσετε ένα στατικό φίλτρο όπου όλες οι μεταβλητές είναι κωδικοποιημένες κατά τη δημιουργία του φίλτρου. Για παράδειγμα, για να προσθέσετε όλα τα στοιχεία που έχουν CATEGORY_L2 as halloween, χρησιμοποιήστε την ακόλουθη έκφραση φίλτρου:

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

Μπορείτε επίσης να δημιουργήσετε δυναμικά φίλτρα. Τα δυναμικά φίλτρα προσαρμόζονται σε πραγματικό χρόνο όταν ζητάτε τις συστάσεις. Για να δημιουργήσετε ένα δυναμικό φίλτρο, ορίζετε τα κριτήρια έκφρασης φίλτρου χρησιμοποιώντας μια παράμετρο κράτησης θέσης αντί για μια σταθερή τιμή. Αυτό σας επιτρέπει να επιλέξετε τις τιμές που θα φιλτράρετε εφαρμόζοντας ένα φίλτρο σε ένα αίτημα σύστασης και όχι όταν δημιουργείτε την έκφρασή σας. Παρέχετε ένα φίλτρο όταν καλείτε το Λάβετε συστάσεις or GetPersonalizedRanking Λειτουργίες API ή ως μέρος των δεδομένων εισόδου σας κατά τη δημιουργία προτάσεων σε παρτίδα μέσω α παρτίδα συμπερασμάτων.

Για παράδειγμα, για να επιλέξετε όλα τα στοιχεία σε μια κατηγορία που επιλέγεται όταν πραγματοποιείτε την κλήση συμπερασμάτων με εφαρμοσμένο φίλτρο, χρησιμοποιήστε την ακόλουθη έκφραση φίλτρου:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

Μπορείτε να χρησιμοποιήσετε το προηγούμενο DSL για να δημιουργήσετε ένα προσαρμόσιμο φίλτρο στην Amazon Personalize κονσόλα. Ολοκληρώστε τα παρακάτω βήματα:

1. Στην κονσόλα Εξατομίκευση του Amazon, στο Φίλτρα σελίδα, επιλέξτε Δημιουργία φίλτρου.
2. Για Όνομα φίλτρου, εισαγάγετε το όνομα για το φίλτρο σας (για αυτήν την ανάρτηση, εισάγουμε category_filter).
3. Αγορά Δημιουργία έκφρασης ή προσθέστε μη αυτόματα την έκφρασή σας για να δημιουργήσετε το προσαρμοσμένο φίλτρο σας.
4. Δημιουργήστε την έκφραση «Συμπεριλάβετε ItemID ΠΟΥ Items.CATEGORY_L2 IN $CATEGORY"Για αξία, εισάγετε μια τιμή του $ συν ένα όνομα παραμέτρου που είναι παρόμοιο με το όνομα της ιδιοκτησίας σας και είναι εύκολο να το θυμάστε (για αυτό το παράδειγμα, $CATEGORY).
5. Προαιρετικά, για να συνδέσετε πρόσθετες εκφράσεις με το φίλτρο σας, επιλέξτε το σύμβολο συν.
6. Για να προσθέσετε επιπλέον εκφράσεις φίλτρου, επιλέξτε Προσθήκη έκφρασης.
7. Επιλέξτε Δημιουργία φίλτρου.
   

Μπορείτε επίσης να δημιουργήσετε φίλτρα μέσω του createFilter API στο Amazon Εξατομίκευση. Για περισσότερες πληροφορίες, δείτε Δημιουργία φίλτρου.

Εφαρμόστε προωθήσεις στις προτάσεις σας

Εφαρμογή α φιλτράρισμα όταν λαμβάνετε συστάσεις είναι ένας καλός τρόπος για να προσαρμόσετε τις συστάσεις σας σε συγκεκριμένα κριτήρια. Ωστόσο, η χρήση φίλτρων εφαρμόζει απευθείας το φίλτρο σε όλες τις προτάσεις που επιστρέφονται. Όταν χρησιμοποιείτε προωθήσεις, μπορείτε να επιλέξετε το ποσοστό των προτάσεων που αντιστοιχούν στα προωθούμενα στοιχεία, επιτρέποντάς σας να συνδυάσετε και να αντιστοιχίσετε εξατομικευμένες προτάσεις και τα καλύτερα στοιχεία που ταιριάζουν με τα κριτήρια προώθησης για κάθε χρήστη στις αναλογίες που είναι λογικές για την περίπτωση της επιχειρηματικής σας χρήσης.

Το ακόλουθο παράδειγμα κώδικα είναι ένα σώμα αιτήματος για το GetRecommendations API που λαμβάνει συστάσεις για έναν χρήστη που χρησιμοποιεί το "Συνιστάται για εσένα" συνιστών:

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

Αυτό το αίτημα επιστρέφει εξατομικευμένες προτάσεις για τον καθορισμένο χρήστη. Από τα στοιχεία του καταλόγου, αυτά είναι τα 20 πιο σχετικά αντικείμενα για τον χρήστη.

Μπορούμε να κάνουμε την ίδια κλήση και να εφαρμόσουμε ένα φίλτρο για να επιστρέψουμε μόνο στοιχεία που ταιριάζουν με το φίλτρο. Το ακόλουθο παράδειγμα κώδικα είναι ένα σώμα αιτήματος για το GetRecommendations API που λαμβάνει συστάσεις για έναν χρήστη που χρησιμοποιεί τον προτεινόμενο "Συνιστάται για εσάς" και εφαρμόζει α δυναμικό φίλτρο να επιστρέφουν μόνο σχετικά στοιχεία που έχουν 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""}
}

Αυτό το αίτημα επιστρέφει εξατομικευμένες προτάσεις για τον καθορισμένο χρήστη που έχουν CATEGORY_L2 as halloween. Από τα στοιχεία του καταλόγου, αυτά είναι τα 20 πιο σχετικά αντικείμενα CATEGORY_L2 as halloween για τον χρήστη.

Μπορείτε να χρησιμοποιήσετε προωθήσεις εάν θέλετε ένα ορισμένο ποσοστό των αντικειμένων να έχουν ένα χαρακτηριστικό που θέλετε να προωθήσετε και τα υπόλοιπα να είναι στοιχεία που είναι τα πιο σχετικά για αυτόν τον χρήστη από όλα τα στοιχεία του καταλόγου. Μπορούμε να κάνουμε την ίδια κλήση και να εφαρμόσουμε μια προσφορά. Το ακόλουθο παράδειγμα κώδικα είναι ένα σώμα αιτήματος για το GetRecommendations API που λαμβάνει συστάσεις για έναν χρήστη που χρησιμοποιεί τον προτεινόμενο "Συνιστάται για εσάς" και εφαρμόζει μια προώθηση για να συμπεριλάβει ένα ορισμένο ποσοστό σχετικών στοιχείων που έχουν 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""
        }
    }]
}

Αυτό το αίτημα επιστρέφει το 20% των προτάσεων που αντιστοιχούν στο φίλτρο που καθορίζεται στην προσφορά: στοιχεία με CATEGORY_L2 as halloween; και 80% εξατομικευμένες προτάσεις για τον καθορισμένο χρήστη που είναι τα πιο σχετικά στοιχεία για τον χρήστη από τα στοιχεία του καταλόγου.

Μπορείτε να χρησιμοποιήσετε ένα φίλτρο σε συνδυασμό με προσφορές. Το φίλτρο στο μπλοκ παραμέτρων ανώτατου επιπέδου ισχύει μόνο για τα στοιχεία που δεν προωθούνται.

Το φίλτρο για την επιλογή των προωθούμενων στοιχείων καθορίζεται στο promotions μπλοκ παραμέτρων. Το ακόλουθο παράδειγμα κώδικα είναι ένα σώμα αιτήματος για το GetRecommendations API που λαμβάνει συστάσεις για έναν χρήστη που χρησιμοποιεί τον προτεινόμενο "Συνιστάται για εσάς" και χρησιμοποιεί το δυναμικό φίλτρο που χρησιμοποιούσαμε δύο φορές. Το πρώτο φίλτρο ισχύει για στοιχεία που δεν προωθούνται, επιλέγοντας στοιχεία με CATEGORY_L2 as decorative, και το δεύτερο φίλτρο ισχύει για την προώθηση, προωθώντας στοιχεία με 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""
        }
    }]
}

Αυτό το αίτημα επιστρέφει το 20% των προτάσεων που αντιστοιχούν στο φίλτρο που καθορίζεται στην προσφορά: στοιχεία με CATEGORY_L2 as halloween. Το υπόλοιπο 80% των προτεινόμενων αντικειμένων είναι εξατομικευμένες προτάσεις για τον καθορισμένο χρήστη με CATEGORY_L2 as decorative. Αυτά είναι τα πιο σχετικά στοιχεία για τον χρήστη από τα στοιχεία του καταλόγου με CATEGORY_L2 as decorative.

εκκαθάριση

Βεβαιωθείτε ότι έχετε καθαρίσει τυχόν αχρησιμοποίητους πόρους που δημιουργήσατε στον λογαριασμό σας, ακολουθώντας τα βήματα που περιγράφονται σε αυτήν την ανάρτηση. Μπορείτε να διαγράψετε φίλτρα, προτάσεις, σύνολα δεδομένων και ομάδες δεδομένων μέσω του Κονσόλα διαχείρισης AWS ή χρησιμοποιώντας το Python SDK.

Χαρακτηριστικά

Προσθέτοντας προαγωγές  στο Amazon Personalize σάς επιτρέπει να προσαρμόσετε τις προτάσεις σας για κάθε χρήστη, συμπεριλαμβάνοντας στοιχεία στα οποία θέλετε να αυξήσετε ρητά την προβολή και την αφοσίωση. Οι προωθήσεις σάς επιτρέπουν επίσης να προσδιορίσετε ποιο ποσοστό των προτεινόμενων αντικειμένων θα πρέπει να είναι προωθούμενα στοιχεία, γεγονός που προσαρμόζει τις προτάσεις ώστε να ανταποκρίνονται στους επιχειρηματικούς σας στόχους χωρίς επιπλέον κόστος. Μπορείτε να χρησιμοποιήσετε προωθήσεις για προτάσεις χρησιμοποιώντας τις συνταγές Εξατομίκευση χρήστη και Παρόμοια είδη, καθώς και να χρησιμοποιήσετε προτάσεις βελτιστοποιημένων περιπτώσεων.

Για περισσότερες πληροφορίες σχετικά με το Amazon Personalize, βλ Τι εξατομικεύει η Amazon;

Σχετικά με τους συγγραφείς

Άννα Γκρούμπλερ είναι αρχιτέκτονας λύσεων στην AWS.

Alex Burkleaux είναι αρχιτέκτονας λύσεων στην AWS. Επικεντρώνεται στο να βοηθά τους πελάτες να εφαρμόζουν μηχανική μάθηση και ανάλυση δεδομένων για την επίλυση προβλημάτων στον κλάδο των μέσων και της ψυχαγωγίας. Στον ελεύθερο χρόνο της, της αρέσει να περνά χρόνο με την οικογένεια και να προσφέρει εθελοντική εργασία ως περιπολία σκι στον τοπικό της λόφο σκι.

Λίαμ Μόρισον είναι Διευθυντής Αρχιτέκτονα Λύσεων στην AWS. Είναι επικεφαλής μιας ομάδας που επικεντρώνεται στις υπηρεσίες Marketing Intelligence. Τα τελευταία 5 χρόνια έχει επικεντρωθεί σε πρακτικές εφαρμογές της Μηχανικής Μάθησης στα Μέσα & Ψυχαγωγία, βοηθώντας τους πελάτες να εφαρμόσουν εξατομίκευση, επεξεργασία φυσικής γλώσσας, όραση υπολογιστή και πολλά άλλα.