Lista de verificación de preparación

Generar recomendaciones personalizadas para un usuario

Recomendar elementos similares o relacionados

Recomendar elementos populares o de moda

Recomendación de las siguientes mejores acciones para un usuario

Reordenar por relevancia (solo con recursos personalizados)

Generar segmentos de usuarios (solo con recursos personalizados)

Con un grupo de conjuntos de datos de dominio, creará recursos preconfigurados y optimizados para los dominios VIDEO_ON_DEMAND o ECOMMERCE.

Si tiene una aplicación de streaming de vídeo o de comercio electrónico, le recomendamos que comience con un grupo de conjuntos de datos de dominio. Aún puede añadir recursos personalizados, como soluciones y versiones de soluciones entrenadas para casos de uso personalizados. Además, puede seguir utilizando recursos personalizados para obtener recomendaciones de lotes. No puedes crear los siguientes recursos de mejor acción, incluidos los conjuntos de datos de acciones e interacciones entre acciones, en un grupo de conjuntos de datos de dominio.

Con un grupo de conjuntos de datos personalizados, puede elegir una receta que se adapte a su caso de uso. A continuación, entrenará e implementará únicamente soluciones y versiones de soluciones configurables (modelos de recomendación entrenados de Amazon Personalize). Cuando esté listo, puede implementar la versión de la solución en una campaña para obtener recomendaciones en tiempo real. O bien, puede obtener recomendaciones por lotes sin necesidad de una campaña.

Si tiene una aplicación de streaming de vídeo o de comercio electrónico, le recomendamos que cree con un grupo de conjuntos de datos personalizado. De lo contrario, comience con un grupo de conjuntos de datos de dominio y agregue recursos personalizados según sea necesario.

Compruebe si faltan valores. Recomendamos que un mínimo del 70 % de sus registros contenga datos para cada atributo. Recomendamos que las columnas que permiten valores nulos estén completas al menos en un 70 %.

Corrija cualquier imprecisión o problema en los datos, como las convenciones de nomenclatura incoherentes, las categorías duplicadas de un elemento, los identificadores no coincidentes entre conjuntos de datos o los identificadores duplicados. Estos problemas pueden afectar negativamente a las recomendaciones o generar un comportamiento inesperado. Por ejemplo, es posible que sus datos incluyan tanto “N/A” como “No aplicable”, pero que filtre las recomendaciones basándose únicamente en “N/A”. El filtro no tendría en cuenta los elementos marcados como “No aplicable”.

Si un elemento, usuario o acción puede tener varias categorías, como una película con varios géneros, combine los valores categóricos en un atributo y separe cada valor con el operador |. Por ejemplo, los datos de GÉNEROS de una película pueden ser Acción | Aventura | Thriller.

Evita tener más de 1000 categorías posibles para una columna (a menos que la columna contenga datos únicamente con fines de filtrado).

Tipo de evento (obligatorio para todos los casos de uso de grupos de conjuntos de datos de dominio)

Valor del evento

Metadatos contextuales

Metadatos de elementos y usuarios

Datos de interacción de acciones (que solo utilizan las recetas PERSONALIZED_ACTIONS)

Promociones: puede utilizar las promociones para asegurarse de que un determinado porcentaje de elementos satisfaga los requisitos de su empresa. Para obtener más información, consulte Promoción de elementos en las recomendaciones.

Optimización para un objetivo empresarial: en el caso de algunas recetas de grupos de conjuntos de datos personalizados, puede optimizar una solución para un objetivo personalizado, como maximizar los minutos de streaming o aumentar los ingresos. Para obtener más información, consulte Optimización de una solución para un objetivo adicional.

Filtrado de recomendaciones: utilice filtros para aplicar reglas empresariales a las recomendaciones. Puede utilizar filtros para incluir o excluir determinados tipos de elementos de las recomendaciones. Para obtener más información, consulte Recomendaciones de filtrado y segmentos de usuarios.