Elección de una receta - Amazon Personalize
Tipos de recetas por caso de uso de Amazon PersonalizeRecetas de Amazon PersonalizeVisualización de las recetas de Amazon Personalize disponibles

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Elección de una receta

Al crear una solución personalizada, especifique una receta y configure los parámetros de entrenamiento. Las recetas son algoritmos de Amazon Personalize preparados para casos de uso específicos. Amazon Personalize proporciona recetas, basadas en casos de uso comunes, para modelos de entrenamiento. Al crear una versión de solución para la solución, Amazon Personalize entrena los modelos que respaldan la versión de la solución en función de la receta y la configuración de entrenamiento.

Las recetas de Amazon Personalize utilizan lo siguiente durante el entrenamiento:

  • Atributos predefinidos de los datos

  • Transformaciones de características predefinidas

  • Algoritmos predefinidos

  • Ajustes de parámetros iniciales para los algoritmos

Para optimizar el modelo, puede anular muchos de estos parámetros cuando cree una solución. Para obtener más información, consulte Hiperparámetros y HPO.

Temas

Tipos de recetas por caso de uso de Amazon Personalize

Para elegir su receta, elija primero su caso de uso en la siguiente lista y tome nota del tipo de receta correspondiente.

  • Recomendar artículos a los usuarios (USER_ PERSONALIZATION recetas)

    Para ofrecer recomendaciones personalizadas a tus usuarios, entrena a tu modelo con una PERSONALIZATION receta USER _. Las recomendaciones personalizadas ayudan a impulsar una mejor participación y conversión.

  • Clasificar los artículos para un usuario (PERSONALIZED_ RANKING recetas)

    Para personalizar el orden de las listas seleccionadas o los resultados de búsqueda para tus usuarios, entrena tu modelo con una RANKING receta PERSONALIZED _. PERSONALIZED_ RANKING recipes crea una lista personalizada reclasificando una colección de elementos introducidos en función del nivel de interés previsto para un usuario determinado. Las listas personalizadas mejoran la experiencia del cliente y aumentan su fidelidad y compromiso.

  • Recomendar artículos populares o de moda (POPULAR_ ITEMS recetas)

    Para recomendar artículos populares o de moda, usa una ITEMS receta POPULAR _. Puedes usar un POPULAR _ ITEMS si tus clientes valoran mucho las cosas con las que interactúan otros usuarios. Entre los usos habituales se incluyen la recomendación contenido viral en las redes sociales, elementos de noticias de última hora o vídeos deportivos recientes.

  • Recomendar productos similares (RELATED_ ITEMS recetas)

    Para recomendar productos similares, como artículos que se compran juntos con frecuencia o películas que otros usuarios también han visto, debes usar una ITEMS receta RELATED _. La recomendación de elementos similares puede ayudar a sus clientes a descubrirlos y puede aumentar la tasa de conversión de los usuarios.

  • Recomendar la siguiente mejor acción (PERSONALIZED_ ACTIONS recetas)

    Para recomendar a tus usuarios la siguiente mejor acción en tiempo real, como suscribirse a tu programa de fidelización o solicitar una tarjeta de crédito, deberías utilizar la ACTIONS receta PERSONALIZED _. Al recomendar la siguiente mejor acción puede aumentar la fidelidad de los clientes, generar más ingresos y mejorar la experiencia de los usuarios.

  • Obtener segmentos de usuarios (USER_ SEGMENTATION recetas)

    Para obtener segmentos de usuarios en función de los datos introducidos por los elementos, como los usuarios que probablemente interactúen con los elementos que tengan un atributo determinado, debe utilizar una SEGMENTATION receta USER _. Obtener segmentos de usuarios puede ayudarle a crear campañas de marketing avanzadas que promocionen diferentes elementos entre distintos segmentos de usuarios en función de la probabilidad de que estos lleven a cabo alguna acción.

Recetas de Amazon Personalize

Amazon Personalize ofrece los siguientes tipos de recetas. Además de las diferencias de comportamiento, cada tipo tiene requisitos distintos para obtener recomendaciones, tal y como se muestra en la siguiente tabla.

Tipo de receta Recetas API Requisitos de API
USER_PERSONALIZATION

User-Personalization-v2

User-Personalization

Receta HRNN (heredada)

Receta HRNN-Metadata (heredada)

Receta HRNN-ColdStart (heredada)

 GetRecommendations

userId: obligatorio

itemId: no se utiliza

inputList: N/D
POPULAR_ITEMS

Trending-Now

Popularity-Count

 GetRecommendations

userId: obligatorio solo si aplica un filtro que lo requiera

itemId: no se utiliza

inputList: N/D
PERSONALIZED_RANKING

Personalized-Ranking-v2

Personalized-Ranking

 GetPersonalizedRanking

userId: obligatorio

itemId: N/D

inputList: lista itemId de
RELATED_ITEMS

Similar-Items

SIMS

 GetRecommendations

userId: obligatorio solo si aplica un filtro que lo requiera

itemId: obligatorio

inputList: N/D
PERSONALIZED_ACTIONS

Next-Best-Action

 GetActionRecommendations

userId: obligatorio

actionId: no se utiliza

itemId: no se utiliza

inputList: N/D
USER_SEGMENTATION

Item-Affinity

Item-Attribute-Affinity

 CreateBatchSegmentJob

Para conocer los requisitos del flujo de trabajo por lotes, consulte Obtención de segmentos de usuario con un trabajo de segmentos por lotes.

Visualización de las recetas de Amazon Personalize disponibles

Para ver una lista de las recetas disponibles:

  • En la consola de Amazon Personalize, elija un grupo de conjuntos de datos. En el panel de navegación, elija Soluciones y recetas y haga clic en la pestaña Recetas.

  • Con el AWS SDK for Python (Boto3), llama al ListRecipesAPI.

  • Con el AWS CLI, utilice el siguiente comando.

    aws personalize list-recipes

Para obtener información sobre una receta que utilice SDK para Python (Boto3), llame al. DescribeRecipe API Para obtener información sobre una receta mediante el AWS CLI, utilice el siguiente comando.

aws personalize describe-recipe --recipe-arn recipe_arn