Cas d'utilisation du commerce électronique - Amazon Personalize
Les plus regardésLes meilleures ventesSouvent achetés ensembleLes clients ayant consulté X ont également consultéRecommandé pour vous

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Cas d'utilisation du commerce électronique

Les sections suivantes répertorient les exigences et le nom de ressource Amazon (ARN) pour chaque cas d'utilisation du commerce électronique. Pour tous les cas d'utilisation, vos données d'interactions doivent présenter les éléments suivants :

  • Au moins 1 000 enregistrements d'interactions entre articles provenant d'utilisateurs interagissant avec des articles de votre catalogue. Ces interactions peuvent provenir d'importations groupées, d'événements diffusés en continu, ou des deux.

  • Au moins 25 identifiants d'utilisateur uniques avec au moins deux interactions avec des éléments pour chacun.

Pour des recommandations de qualité, nous vous recommandons d'avoir au moins 50 000 interactions entre articles provenant d'au moins 1 000 utilisateurs, avec au moins deux interactions avec des articles chacun.

Note

Si vous utilisez l'CreateRecommenderAPI, indiquez l'ARN répertorié ici pour l'ARN de recette.

Les plus regardés

Obtenez des recommandations pour des articles populaires en fonction du nombre de fois que vos clients ont consulté un article.

  • ARN de la recette : arn:aws:personalize:::recipe/aws-ecomm-popular-items-by-views

  • GetRecommendations exigences :

    userId : Obligatoire

    itemId : Non utilisé

    inputList : ND

  • Ensembles de données utilisés lors de l'entraînement : ensemble de données sur les interactions entre éléments uniquement (obligatoire)

  • Types d'événements requis : au moins 1 000 View événements.

Les meilleures ventes

Obtenez des recommandations pour des articles populaires en fonction du nombre de fois que vos clients ont acheté un article.

  • ARN de la recette : arn:aws:personalize:::recipe/aws-ecomm-popular-items-by-purchases

  • GetRecommendations exigences :

    userId : Obligatoire

    itemId : Non utilisé

    inputList : ND

  • Ensembles de données utilisés lors de l'entraînement : ensemble de données sur les interactions entre éléments uniquement (obligatoire)

  • Types d'événements requis : au moins 1 000 Purchase événements.

Souvent achetés ensemble

Obtenez des recommandations pour les articles que les clients achètent fréquemment en même temps qu'un article que vous spécifiez.

  • ARN de la recette : arn:aws:personalize:::recipe/aws-ecomm-frequently-bought-together

  • GetRecommendations exigences :

    userId: obligatoire uniquement si vous filtrez par CurrentUser

    itemId : Obligatoire

    inputList : ND

  • Ensembles de données utilisés lors de l'entraînement : ensemble de données sur les interactions entre éléments uniquement (obligatoire)

  • Types d'événements requis : au moins 1 000 Purchase événements.

Les clients ayant consulté X ont également consulté

Obtenez des recommandations pour les articles que les clients ont également consultés en fonction d'un article que vous spécifiez. Dans ce cas d'utilisation, Amazon Personalize filtre automatiquement les articles achetés par l'utilisateur en fonction de l'userID que vous spécifiez et Purchase des événements. Si vous appliquez votre propre filtre, celui-ci est appliqué une fois que les articles déjà achetés par l'utilisateur ont été filtrés.

Lors du filtrage, Amazon Personalize prend en compte au maximum 100 interactions entre articles par utilisateur et par type d'événement. Cela s'applique à tous les filtres automatiques ou personnalisés. Vous pouvez utiliser la console Service Quotas pour demander une augmentation de cette limite. Pour plus d'informations, consultez la section Demander une augmentation de quota du Guide de l'utilisateur du Service Quotas. Si vous n'importez pas les interactions entre les articles d'un utilisateur pendant trois mois, vos filtres ne tiennent plus compte des données historiques de l'utilisateur. Pour prendre en compte ces données, vous devez réimporter l'historique complet des événements de l'utilisateur.

  • ARN de la recette : arn:aws:personalize:::recipe/aws-ecomm-customers-who-viewed-x-also-viewed

  • GetRecommendations exigences :

    userId : Obligatoire

    itemId : Obligatoire

    inputList : ND

  • Ensembles de données utilisés lors de l'entraînement : ensemble de données sur les interactions entre éléments uniquement (obligatoire)

  • Types d'événements requis : au moins 1 000 View événements.

  • Types d'événements recommandés : Purchase événements.

Obtenez des recommandations personnalisées pour les articles en fonction de l'utilisateur que vous spécifiez. Dans ce cas d'utilisation, Amazon Personalize filtre automatiquement les articles achetés par l'utilisateur en fonction de l'userID que vous spécifiez et Purchase des événements. Si vous appliquez votre propre filtre, celui-ci est appliqué une fois que les articles déjà achetés par l'utilisateur ont été filtrés.

Lors du filtrage, Amazon Personalize prend en compte au maximum 100 interactions entre articles par utilisateur et par type d'événement. Cela s'applique à tous les filtres automatiques ou personnalisés. Vous pouvez utiliser la console Service Quotas pour demander une augmentation de cette limite. Pour plus d'informations, consultez la section Demander une augmentation de quota du Guide de l'utilisateur du Service Quotas. Si vous n'importez pas les interactions entre les articles d'un utilisateur pendant trois mois, vos filtres ne tiennent plus compte des données historiques de l'utilisateur. Pour prendre en compte ces données, vous devez réimporter l'historique complet des événements de l'utilisateur.

Lorsque vous recommandez des articles, ce cas d'utilisation utilise real-time-personalizationet explore. Et il utilise des mises à jour automatiques pour prendre en compte les nouveaux éléments et les recommander.

  • ARN de la recette : arn:aws:personalize:::recipe/aws-ecomm-recommended-for-you

  • GetRecommendations exigences :

    userId : Obligatoire

    itemId : Non utilisé

    inputList : ND

  • Ensembles de données utilisés lors de l'entraînement :

    • Interactions (obligatoire)

    • Objets (facultatif)

    • Utilisateurs (facultatif)

  • Nombre d'événements requis : au moins 1 000 événements.

  • Types d'événements recommandés : View et Purchase événements.

  • Paramètres de configuration de l'exploration : Lorsque vous créez un recommandateur, vous pouvez configurer l'exploration avec les éléments suivants.

    • Accent mis sur l'exploration d'éléments moins pertinents (poids d'exploration) — Configurez la quantité à explorer. Spécifiez une valeur décimale comprise entre 0 et 1. La valeur par défaut est 0,3. Plus la valeur est proche de 1, plus l'exploration est intense. Avec plus d'exploration, les recommandations incluent davantage d'éléments avec moins de données d'interactions entre les éléments ou de pertinence en fonction du comportement antérieur. À zéro, aucune exploration n'a lieu et les recommandations sont basées sur les données actuelles (pertinence).

    • Âge limite des objets d'exploration : spécifiez l'âge maximum des objets en jours depuis la dernière interaction entre tous les objets du jeu de données des interactions entre les objets. Cela définit la portée de l'exploration des objets en fonction de leur âge. Amazon Personalize détermine l'âge de l'article en fonction de son horodatage de création ou, si les données d'horodatage de création sont manquantes, des données relatives aux interactions entre les articles. Pour plus d'informations sur la façon dont Amazon Personalize détermine l'âge des articles, consultezDonnées d'horodatage de création.

      Pour augmenter le nombre d'articles pris en compte par Amazon Personalize lors de l'exploration, entrez une valeur supérieure. Le minimum est de 1 jour et la valeur par défaut est de 30 jours. Les recommandations peuvent inclure des articles dont l'âge est supérieur à l'âge limite que vous spécifiez. Cela est dû au fait que ces éléments sont pertinents pour l'utilisateur et que l'exploration ne les a pas identifiés.