Domande frequenti su Amazon Personalize

Amazon Personalize prevede un semplice processo in tre fasi, che richiede solo pochi clic nella Console di gestione AWS o una serie di semplici chiamate API. Innanzitutto, indica ad Amazon Personalize i tuoi dati di interazione utente (log storico di visualizzazioni, clic, acquisti, ecc.) in Amazon S3, carica i dati utilizzando una semplice chiamata API o usa SageMaker Data Wrangler per preparare e importare i tuoi dati. Se lo desideri, puoi fornire un set di dati sugli articoli o sugli utenti che contenga informazioni aggiuntive sul tuo catalogo e sulla tua base di clienti. In secondo luogo, con pochi clic nella console o con una chiamata API, puoi addestrare un modello di raccomandazione privato personalizzato per i tuoi dati. infine, recupera suggerimenti personalizzati. Guarda questa serie di video di approfondimento di Amazon Personalize per saperne di più.

Inizia creando un account e accedendo alla console per gli sviluppatori Amazon Personalize, che li guida attraverso una procedura di installazione intuitiva. Potrai scegliere se usare un'API JavaScript e un SDK lato server per inviare dati del flusso di attività in tempo reale ad Amazon Personalize o se eseguire il processo di bootstrap utilizzando un registro cronologico degli eventi utenti. Puoi anche importare i tuoi dati tramite Amazon Simple Storage Service (S3) o utilizzando SageMaker Data Wrangler. Quindi, con poche chiamate API, puoi addestrare un modello di personalizzazione, consentendo al servizio di scegliere l'algoritmo appropriato per il tuo set di dati con AutoML, oppure possono scegliere manualmente una delle numerose opzioni dell'algoritmo disponibili. Una volta addestrati, i modelli possono essere distribuiti con un'unica chiamata API e possono quindi essere utilizzati dalle applicazioni di produzione. Una volta che sono stati distribuiti, gli sviluppatori chiamano l'assistenza dai loro servizi di produzione per ricevere suggerimenti in tempo reale e Amazon Personalize si calibrerà automaticamente per soddisfare la domanda.

Gli utenti devono fornire i seguenti dati ad Amazon Personalize:

• Flusso dell'attività dell'utente o dati degli eventi: un log storico delle interazioni degli utenti sul sito Web o con l'applicazione vengono acquisiti sotto forma di eventi e spesso vengono inviati ad Amazon Personalize tramite un'integrazione che interessa una singola riga di codice. Ciò include eventi chiave come clic, acquisto, visualizzazione, aggiunta al carrello, like, ecc. Durante l’accesso al servizio, potrai anche fornire un log storico di tutti i dati del flusso di eventi/attività, se disponibili.
• Dati del catalogo (articoli): può trattarsi di qualsiasi tipo di catalogo, inclusi libri, video, articoli di notizie o prodotti. Ciò riguarda gli ID delle voci e i metadati associati a ciascuna voce.
• Dati utente:: dati del profilo dell'utente, compresi i suoi dati demografici come sesso ed età. Questi dati sono opzionali.

Amazon Personalize addestrerà e distribuirà un modello basato su questi dati. Puoi quindi utilizzare una semplice API di inferenza per ottenere suggerimenti personalizzati al runtime e generare un'esperienza personalizzata per gli utenti finali in base al tipo di modello di personalizzazione (ad esempio, personalizzazione utente, articoli correlati o riclassificazione personalizzata).

I seguenti dati possono contribuire a migliorare la pertinenza delle tue raccomandazioni e ti consigliamo vivamente di includere:

• Tipo di evento (obbligatorio per tutti i casi d'uso dei gruppi di set di dati di dominio)
• Valore dell'evento
• Metadati contestuali
• Metadati degli elementi e degli utenti

Per ulteriori informazioni sui tipi di dati che Amazon Personalize può utilizzare, consulta Tipi di dati che puoi importare in Amazon Personalize.

Amazon Personalize semplifica l'importazione e la preparazione dei dati mediante Amazon SageMaker Data Wrangler prima di utilizzarlo in Amazon Personalize. Con SageMaker Data Wrangler, è possibile importare dati da oltre 40 origini dati supportate ed eseguire la preparazione completa dei dati (inclusa la selezione, la pulizia, l'esplorazione, la visualizzazione e l'elaborazione dei dati su larga scala) in un'unica interfaccia utente utilizzando poco o nessun codice. Ciò consente di preparare rapidamente set di dati relativi a utenti, articoli o interazioni utilizzando Amazon SageMaker Data Wrangler, sfruttando trasformazioni specifiche di Amazon Personalize e oltre 300 trasformazioni di dati generali integrate, recuperando informazioni sui dati e iterando rapidamente risolvendo i problemi relativi ai dati. È sufficiente visitare la console Amazon Personalize , aprire un set di dati all'interno dei gruppi di Dataset, selezionare "Importazione e preparazione dei dati" e quindi scegliere "Preparazione dei dati con Data Wrangler.” Tieni presente che i clienti che utilizzano Amazon SageMaker Data Wrangler dovranno sostenere costi aggiuntivi in base all'utilizzo. Consulta la pagina dei prezzi.

Sì. Amazon Personalize ti consente di aiutare i tuoi utenti a scoprire nuovi prodotti e articoli consentendoti di specificare un "peso di esplorazione del nuovo articolo". Questo input viene quindi utilizzato da Amazon Personalize per trovare automaticamente il giusto equilibrio tra l'esposizione di nuovi contenuti agli utenti e l'offerta dei suggerimenti più pertinenti. Amazon Personalize considera anche i dati relativi agli articoli a cui gli utenti sono stati esposti, ma con cui hanno scelto di non interagire. 

Amazon Personalize fornisce l’analisi dei tuoi dati per semplificare l'avvio. Può analizzare i dati forniti e offre suggerimenti per migliorare la preparazione dei dati. Le prestazioni dei sistemi di personalizzazione dipendono dalla fornitura ai modelli di dati di alta qualità sugli utenti e sulle loro interazioni con gli articoli del catalogo. Identificando potenziali carenze nei dati e fornendo suggerimenti per aiutare i clienti a porvi rimedio, Amazon Personalize semplifica la formazione di modelli performanti e riduce la necessità di risoluzione dei problemi.

Amazon Personalize ha lanciato un'integrazione con OpenSearch autogestito che consente di personalizzare i risultati di ricerca per ogni utente e aiuta a prevedere le esigenze di ricerca. Il plug-in di classificazione della ricerca di Amazon Personalize all'interno di OpenSearch ti aiuta a sfruttare le funzionalità di deep learning offerte da Amazon Personalize e ad applicare un riclassificamento personalizzato ai risultati di ricerca di OpenSearch, senza alcuna esperienza di machine learning. Con la ricerca personalizzata, puoi andare oltre il tradizionale approccio di corrispondenza delle parole chiave e potenziare gli elementi pertinenti nei risultati di ricerca di un utente specifico in base ai suoi interessi, al contesto e alle interazioni passate in tempo reale. Puoi anche ottimizzare il livello di personalizzazione di ogni query di ricerca per avere un maggiore controllo sulla tua esperienza di ricerca, migliorando il coinvolgimento degli utenti finali e la conversione dalla loro ricerca. 

Il plug-in di classificazione della ricerca di Amazon Personalize è disponibile sia per la gestione automatica che per Amazon OpenSearch. Se si utilizza Amazon OpenSearch, per iniziare, configurare semplicemente un dominio OpenSearch, successivamente configurare la campagna Amazon Personalize con la ricetta AWS di classificazione personalizzata. Successivamente, associare il plug-in di classificazione della ricerca di Amazon Personalize al proprio dominio e infine configurare il plug-in. È possibile usare il pannello di controllo di OpenSearch per confrontare i risultati della ricerca.

Per iniziare, è sufficiente configurare un cluster OpenSearch, poi configurare la campagna di Amazon Personalize con la ricetta della classificazione personalizzata di AWS e infine installare e configurare il plug-in di classificazione della ricerca di Amazon Personalize all'interno di OpenSearch. È possibile utilizzare il pannello di controllo di OpenSearch per confrontare i risultati della ricerca.

Per ulteriori informazioni, consulta la nostra documentazione.

Con la ricetta Amazon Personalize Next-Best-Action (aws-next-best-action), è possibile determinare la prossima azione migliore da consigliare a ogni singolo utente in base alle sue preferenze, interessi e cronologia in tempo reale. È possibile consigliare azioni come un servizio aggiuntivo, l'adesione a un programma di fidelizzazione dei clienti, l'iscrizione a una newsletter, ecc. che incoraggino la conversione. Ciò consente di migliorare l'esperienza di ogni utente spingendolo a intraprendere determinate azioni durante il percorso utente che contribuiranno a promuovere il coinvolgimento del marchio a lungo termine. Consente inoltre di migliorare il ritorno sugli investimenti di marketing consigliando azioni che hanno un alto grado di rilevanza per l'utente, con conseguente aumento delle entrate e della fidelizzazione. Ulteriori informazioni.

Le ricette sono algoritmi Amazon Personalize destinati a casi d'uso di personalizzazione specifici, compresi suggerimenti relativi a prodotti o contenuti, classifiche personalizzate e segmentazione degli utenti. Ogni ricetta fornisce un algoritmo che Amazon Personalize utilizza per addestrare e configurare i modelli.

Per ulteriori informazioni, consulta la nostra documentazione.

Amazon Personalize Next Best Action (NBA) consente ai marchi di consigliare le azioni migliori che i singoli utenti dovrebbero intraprendere per aumentare la fedeltà e la conversione con il proprio marchio in tempo reale. I clienti iniziano definendo un elenco di azioni e caricando i set di dati richiesti. Successivamente, addestrano il loro modello NBA personalizzato. Quindi integreranno i consigli nelle loro applicazioni o strumenti tecnologici di marketing tramite un'API. Quando un utente finale attiva una raccomandazione in tempo reale, il modello Personalize NBA restituirà un elenco classificato di azioni per ciascun utente insieme ai relativi punteggi di propensione. Poiché le azioni possono essere pertinenti solo per un periodo di tempo specifico (ad esempio iscriversi alle offerte di viaggi per le vacanze) o i clienti potrebbero voler limitare il numero di azioni mostrate agli utenti finali (ad esempio non mostrare la stessa azione più di X volte in Y giorni), i clienti potranno imporre vincoli ai loro consigli sulle azioni (ad esempio filtri). 

Amazon Personalize offre ai clienti due API di inferenza: getRecommendations e getPersonalizedRanking. Queste API restituiscono un elenco di itemID consigliati per un utente, un elenco di articoli analoghi per un articolo o un elenco riclassificato di articoli per un utente. L'itemID può essere un identificatore di prodotto, un ID video e così via. Ci si aspetta che utilizzi questi itemID per generare l'esperienza dell'utente finale attraverso passaggi come il recupero dell'immagine e della descrizione e quindi il rendering di una visualizzazione. In alcuni casi, i clienti potrebbero effettuare l'integrazione con i servizi di consegna di e-mail, i servizi di notifica di AWS o di terze parti per generare l'esperienza dell'utente finale.

Dai un'occhiata alla soluzione delle API Personalization che spiega il framework API a bassa latenza in tempo reale che si trova tra le tue applicazioni e i sistemi di raccomandazione come Amazon Personalize. La soluzione fornisce anche implementazioni basate su best practice di caching delle risposte, configurazioni di gateway API, test A/B con Amazon CloudWatch Evidently, metadati degli elementi nel tempo di inferenza, suggerimenti contestuali automatici e altro ancora.

Ci sono alcune funzionalità integrate in Amazon Personalize che fungono da punti di controllo per aiutarti a garantire l'ottimizzazione per suggerimenti di alta qualità.

• Test online (test A/B): questa sarà sempre la migliore misura dell'impatto di un modello sui parametri aziendali. È anche il metodo più comune. Dovresti valutare i tuoi suggerimenti rispetto ai parametri aziendali. Se non disponi già di uno strumento di test A/B, prendi in considerazione l'utilizzo di Amazon CloudWatch Evidently. Il progetto API Personalization fornisce una soluzione implementabile e un'architettura di riferimento.
• Parametri offline: Amazon Personalize calcola i parametri offline per ogni versione della soluzione e consiglia di misurare l'accuratezza delle previsioni del modello. È possibile utilizzare questi parametri per fornire un'idea della qualità di una versione della soluzione rispetto ad altre versioni. I parametri offline vengono calcolati suddividendo i set di dati Personalize in un set di addestramento e test. Consente di visualizzare gli effetti della modifica degli iperparametri e degli algoritmi utilizzati per addestrare i modelli, calcolati sulla base di dati storici.
• Parametri online: si tratta di risultati empirici osservati nelle interazioni degli utenti con suggerimenti in tempo reale forniti in un ambiente reale. Quando si confrontano i modelli di Amazon Personalize con un sistema di suggerimenti esistente, i dati storici sono inizialmente distorti rispetto all'approccio esistente. Pertanto, si consiglia di eseguire un test online per alcune settimane prima di iniziare effettivamente un test per misurare i risultati, in modo che il modello venga addestrato e valutato sulla base dei dati di interazione generati dalla visualizzazione dei suggerimenti di Amazon Personalize.

Puoi misurare i risultati commerciali di qualsiasi suggerimento di Amazon Personalize con qualsiasi evento inviato al sistema. Puoi quindi visualizzare e valutare l'impatto di uno o più suggerimenti per sviluppare una strategia di personalizzazione più basata sui dati. Dalla console o dall'API di Amazon Personalize, definisci una "attribuzione metrica", ovvero un elenco di interazioni (tipi di eventi) che desideri valutare e su cui creare report. Ad esempio, potresti voler tenere traccia di due parametri: la percentuale di clic (CTR) per i suggerimenti e il numero totale di acquisti. Per ogni tipo di evento, dovrai semplicemente definire il parametro e la funzione che desideri valutare (somma o numero) e Amazon Personalize eseguirà il calcolo e invierà i report al tuo account CloudWatch o S3.

Tutti i modelli Amazon Personalize sono unici per il set di dati dei clienti e non vengono condivisi con altri account AWS o con Amazon Retail, Amazon Prime o altre unità aziendali. Nessun dato viene utilizzato per addestrare o propagare modelli per altri clienti: gli input e gli output del modello del cliente sono interamente di proprietà dell'account. Ciascuna interazione che il cliente ha con Amazon Personalize è protetta da crittografia. Qualsiasi dato relativo a utenti, articoli o interazioni trattato da Amazon Personalize può essere criptato ulteriormente con chiavi del cliente attraverso il servizio di gestione delle chiavi AWS e criptato come dato inattivo nella Regione AWS che il cliente sta utilizzando per il servizio. Gli amministratori possono anche controllare gli accessi ad Amazon Personalize tramite una policy di autorizzazione di AWS Identity and Access Management(IAM), garantendo la sicurezza e la riservatezza delle informazioni sensibili.

• Personalizzazione dell'utente: suggerimenti personalizzati in base al profilo, al comportamento, alle preferenze e alla cronologia dell'utente. Questo è più comunemente usato per aumentare il coinvolgimento e la soddisfazione dei clienti. Può anche aumentare i tassi di conversione.
• Classifica personalizzata: articoli riclassificati in una categoria o in una risposta di ricerca in base alle preferenze o alla cronologia dell'utente. Questo caso d'uso viene utilizzato per mostrare articoli o contenuti pertinenti a un utente specifico, garantendo una migliore esperienza del cliente. Amazon Personalize supporta il riclassificazione ottimizzando al contempo le priorità aziendali come entrate, promozioni o articoli di tendenza.
• Articoli simili: articoli correlati consigliati per incoraggiare l'esplorazione, l'upselling e le opportunità di cross-selling. I suggerimenti di articoli simili aiutano gli utenti a scoprire nuovi prodotti o confrontare articoli esistenti nel catalogo.
• Next Best Action: consigliare le azioni giuste all'utente giusto in tempo reale in base al suo comportamento e alle sue esigenze individuali. Ciò consentirà di massimizzare il coinvolgimento degli utenti e portare a maggiori tassi di conversione.
• Tendenze attuali: consigliare articoli che stanno guadagnando popolarità al ritmo più veloce tra gli utenti, come articoli sulle ultime notizie, contenuti social popolari o film appena usciti.
• Segmentazione degli utenti: messaggi e notifiche mirati agli utenti più interessati a un articolo o a una categoria. Questo può aiutare le aziende a incrementare il coinvolgimento con le campagne di marketing e ad aumentare i tassi di fidelizzazione attraverso messaggi ipermirati.

Amazon Personalize viene costantemente migliorato in base al feedback dei clienti e agli obiettivi della roadmap a lungo termine, mentre ci impegniamo a ottimizzare per semplificare l'onboarding e l'utilizzo. Qui sono elencate diverse funzionalità di Amazon Personalize di grande impatto che vanno oltre le pratiche di machine learning di base. Per un elenco completo delle funzionalità, consulta la pagina Funzionalità.

• Segmentazione degli utenti: segmenta gli utenti finali in modo intelligente in base alle loro preferenze e crea messaggi mirati che siano adatti a gruppi di clienti specifici. Guarda questa demo per saperne di più.
• Suggeritori ottimizzati per il dominio: in questa demo, scoprirai come accelerare il time to market utilizzando suggeritori predefiniti per casi d'uso aziendale comuni. Dai un'occhiata a questa demo per saperne di più.
• Suggerimenti su nuovi articoli: crea suggerimenti di qualità per nuovi prodotti e contenuti quando i dati sulle preferenze degli utenti sono scarsi.
• Raccomandazioni in tempo reale o in batch: rispondi alle modifiche delle intenzioni in tempo reale o fornisci raccomandazioni di massa ai flussi di lavoro orientati ai batch.
• Suggerimenti sulle azioni: aumenta la fidelizzazione e la conversione degli utenti estendendo i tuoi consigli oltre gli articoli o i contenuti. Determina l'azione migliore da suggerire al singolo utente in base alle sue preferenze, esigenze e comportamenti passati.
• Ricerca personalizzata: migliora l'esperienza di ricerca degli utenti mostrando risultati di ricerca pertinenti in base ai loro interessi, preferenze e interazioni passate unici in tempo reale.
• Supporto di testo non strutturato: elaborazione del linguaggio naturale e modellazione basata sull'attenzione per estrarre automaticamente le informazioni chiave.
• Suggerimenti contestuali: migliora i suggerimenti generandoli in base a un contesto come il segmento di utenti, il tipo di dispositivo, la posizione o l'ora del giorno.
• Regole aziendali: applica le regole aziendali, inclusi filtri e promozioni che controllano la percentuale di contenuti promossi per ogni utente.
• Suggerimenti di tendenza: suggerisci articoli che stanno guadagnando popolarità al ritmo più veloce tra i tuoi utenti
• Impatto dei suggerimenti: misura l'impatto aziendale totale di qualsiasi evento, ad esempio la visualizzazione di una pagina, l'avvio di un video, un clic, l'aggiunta al carrello, l'acquisto, ecc.

Si prega di consultare la pagina dei costi di Amazon Personalize per informazioni sui prezzi attuali.

Con Amazon Personalize, paghi solo in base all'uso effettivo e senza tariffe minime né impegni anticipati. Ecco alcuni suggerimenti su come gestire i costi.

Prendi in considerazione la memorizzazione nella cache dei risultati in base alle tue esigenze di aggiornamenti in tempo reale

 Riqualificazione solo in base ai requisiti aziendali

Fai molto affidamento sulla scalabilità automatica impostando il TPS minimo garantito su un valore basso, a meno che non influisca negativamente sugli obiettivi di velocità di trasmissione effettiva e latenza

Prendi in considerazione la possibilità di utilizzare i suggerimenti in batch quando il caso d'uso è in linea con un processo batch successivo, come l'email marketing. Poiché i suggerimenti in batch si riferiscono a una versione della soluzione, non richiedono una campagna. Nota: i suggerimenti in batch sono disponibili solo nei set di dati di consigli personalizzati.

Il progetto Amazon Personalize Monitor fornisce alcune funzionalità di ottimizzazione dei costi per ottimizzare la fornitura delle campagne, nonché per avvisare ed eliminare le campagne inattive/abbandonate.