Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Aufzeichnung von Ereignissen in Echtzeit zur Beeinflussung von Empfehlungen

Ein Ereignis ist eine Interaktion zwischen einem Benutzer und Ihrem Katalog. Dabei kann es sich um eine Interaktion mit einem Artikel handeln, z. B. wenn ein Benutzer einen Artikel kauft oder sich ein Video anschaut, oder es kann sich um eine Aktion handeln, z. B. um die Beantragung einer Kreditkarte oder die Registrierung für ein Mitgliedschaftsprogramm.

Amazon Personalize kann Empfehlungen nur auf der Grundlage von Echtzeitereignisdaten, nur historischen Ereignisdaten oder einer Mischung aus beidem aussprechen. Zeichnen Sie Ereignisse in Echtzeit auf, während Ihre Kunden mit Empfehlungen interagieren. Dadurch werden Ihre Interaktionsdaten erweitert und Ihre Daten auf dem neuesten Stand gehalten. Und es informiert Amazon Personalize über die aktuellen Interessen Ihrer Nutzer, wodurch die Relevanz von Empfehlungen verbessert werden kann.

Wenn Ihr Domain-Anwendungsfall oder Ihr benutzerdefiniertes Rezept Personalisierung in Echtzeit unterstützt, verwendet Amazon Personalize Ereignisse in Echtzeit, um Empfehlungen zu aktualisieren und an das sich ändernde Interesse eines Benutzers anzupassen.

Wie Sie Ereignisse in Echtzeit aufzeichnen, hängt von der Art der Interaktionsdaten ab, die Sie importieren:

Wie Ereignisse in Echtzeit Empfehlungen beeinflussen

Wenn Ihr Rezept Personalisierung in Echtzeit unterstützt, verwendet Amazon Personalize nach dem Erstellen einer Empfehlung oder einer benutzerdefinierten Kampagne innerhalb von Sekunden nach dem Import neue aufgezeichnete Eventdaten für bestehende Artikel oder Aktionen. Die folgenden Anwendungsfälle und Rezepte unterstützen die Personalisierung in Echtzeit:

Wenn Sie das Trending-Now-Rezept verwenden, berücksichtigt Amazon Personalize in konfigurierbaren Intervallen automatisch Artikel aus neuen Ereignisdaten. Sie müssen keine neue Lösungsversion erstellen. Weitere Informationen finden Sie unter Trending-Now-Rezept.

Wenn der Artikel, die Aktion oder der Benutzer in der Veranstaltung neu ist, hängt die Art und Weise, wie Amazon Personalize die Daten verwendet, von Ihrem Anwendungsfall oder Rezept ab. Weitere Informationen finden Sie unter Wie neue Daten Empfehlungen in Echtzeit beeinflussen.

Aufzeichnen von Ereignissen für anonyme Benutzer

Sie können Interaktionsereignisse für Benutzer mit Elementen oder Aktionen aufzeichnen, bevor diese ein Konto erstellen. Zeichnen Sie Ereignisse für anonyme Benutzer auf, um einen kontinuierlichen Ereignisverlauf mit Ereignissen vor und nach der Anmeldung zu erstellen. Dadurch erhält Amazon Personalize mehr Interaktionsdaten über den Benutzer, was dazu beitragen kann, relevantere Empfehlungen zu generieren.

Um Ereignisse für anonyme Benutzer (Benutzer, die sich nicht angemeldet haben) aufzuzeichnen, geben Sie für jedes Ereignis nur a sessionId an. Ihre Anwendung generiert ein eindeutiges ZeichensessionId, wenn ein Benutzer Ihre Website zum ersten Mal besucht oder Ihre Anwendung verwendet. Sie müssen während der gesamten Sitzung sessionId bei allen Veranstaltungen dasselbe verwenden. Amazon Personalize verwendet diesessionId, um Ereignisse mit dem Benutzer zu verknüpfen, bevor er sich anmeldet.

Amazon Personalize verwendet beim Training keine Ereignisse von anonymen Benutzern, bis Sie sie mit einem userId verknüpfen. Weitere Informationen finden Sie unter Aufbau eines kontinuierlichen Ereignisverlaufs für anonyme Benutzer.

Um anonyme Benutzer in Echtzeit zu personalisieren, geben Sie das sessionId als userId in Ihrer GetRecommendations GetActionRecommendations OR-Anfrage an.

Aufbau eines kontinuierlichen Ereignisverlaufs für anonyme Benutzer

Um einen Ereignisverlauf für einen anonymen Benutzer zu erstellen und Amazon Personalize seine Ereignisse beim Training verwenden zu lassen, zeichnen Sie mindestens ein Ereignis mit a sessionId und a userId auf. Anschließend können Sie eine beliebige Anzahl von Ereignissen für die userId aufzeichnen. Nachdem Sie mit der Bereitstellung von begonnen habenuserId, sessionId können sie sich ändern. Bei der nächsten vollständigen Umschulung verknüpft Amazon Personalize den userId mit dem anonymen Benutzerverlauf, der bis zum Original zurückverfolgt wurde. sessionId

Nach Abschluss der Umschulung basieren die Empfehlungen auf den Aktivitäten, die sowohl sessionId von den anonymen Ereignissen als auch von allen Ereignissen, die bis zu ihren Ereignissen verfolgt wurden. userId

Event-Tracking-Dienste von Drittanbietern

Die folgenden Customer Data Platforms (CDPs) können Ihnen helfen, Veranstaltungsdaten aus Ihrer Anwendung zu sammeln und an Amazon Personalize zu senden.

Beispielimplementierungen

Ein Beispiel für ein Jupyter-Notizbuch, das zeigt, wie Amazon Personalize verwendet wird, um auf das Echtzeitverhalten von Benutzern zu reagieren, die einen Event Tracker und den PutEvents Vorgang verwenden, finden Sie unter 2.view_campaign_and_interactions.ipynb im Ordner getting_started des Repositorys. amazon-personalize-samples GitHub

Ein Beispiel, das zeigt, wie Ereignisse von Benutzern gestreamt werden, die mit Empfehlungen interagieren, finden Sie unter streaming_events im Amazon Personalize Personalize-Beispiel-Repository. GitHub

Ein vollständiges Beispiel, das den Quellcode und unterstützende Dateien für die Bereitstellung von Echtzeit-APIs enthält, die sich zwischen Ihren Amazon Personalize Personalize-Ressourcen und Client-Anwendungen befinden, finden Sie unter Real-Time Personalization APIs im AWS GitHub Beispiel-Repository. Dieses Projekt beinhaltet die Implementierung von Folgendem: