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.
Mise en place d’un modèle de recommandation dans Amazon Pinpoint
Un modèle de recommandation est un type de modèle de machine learning (ML) conçu pour prédire ce qu'un utilisateur particulier préférera à partir d'un ensemble donné de produits ou d'articles. Il fournit ces informations sous la forme d'un ensemble de recommandations pour l'utilisateur. Dans Amazon Pinpoint, vous pouvez utiliser ces modèles pour envoyer des recommandations personnalisées aux destinataires de messages en fonction des attributs et du comportement de chaque destinataire.
Avant de pouvoir utiliser un modèle de recommandation de cette manière, vous devez établir une connexion entre Amazon Pinpoint et la campagne Amazon Personalize contenant le modèle à utiliser. Lorsque vous établissez la connexion, vous indiquez comment vous souhaitez récupérer et utiliser les recommandations de la campagne Amazon Personalize. Vous ajoutez également des paramètres pour les attributs qui stockent temporairement les recommandations de la campagne.
Avant de commencer
Avant de configurer un modèle de recommandation dans Amazon Pinpoint, consultez les informations dans Préparation à l’utilisation d’un modèle de recommandation avec Amazon Pinpoint. Cela vous aidera à rassembler les ressources et les informations dont vous avez besoin pour mettre en place le modèle dans Amazon Pinpoint.
Étape 1 : Configurer le modèle
Pour cette étape, vous indiquez la campagne Amazon Personalize dont vous souhaitez extraire les recommandations. Vous choisissez également des paramètres qui spécifient comment récupérer et utiliser ces recommandations.
Pour configurer un modèle de recommandation
Ouvrez la console Amazon Pinpoint à l'adresse. https://console.aws.amazon.com/pinpoint/
-
Dans le panneau de navigation, choisissez Machine learning models (Modèles de machine learning).
-
Sur la page Machine learning models (Modèles de machine learning), choisissez Add recommender model (Ajouter un modèle de recommandation).
-
Sous Détails du modèle, pour Nom du modèle de recommandation, entrez un nom pour le modèle dans Amazon Pinpoint. Le nom doit commencer par une lettre ou un chiffre. Il peut contenir jusqu'à 128 caractères. Les caractères peuvent être des lettres, des chiffres, des traits de soulignement (_) ou des traits d’union (‐).
-
(Facultatif) Pour Recommender model description (Description du modèle de recommandation), entrez une brève description du modèle. La description peut contenir jusqu'à 128 caractères. Les caractères peuvent être des lettres, des chiffres, des espaces ou les symboles suivants : traits de soulignement (_), points-virgules (;), parenthèses (), virgules (,) et tirets (‐).
-
Dans Configuration du modèle, pour IAMrôle, choisissez le rôle AWS Identity and Access Management (IAM) qui autorise Amazon Pinpoint à se connecter à la campagne Amazon Personalize qui utilise le modèle et à en extraire les recommandations. Vous avez les options suivantes :
-
Utiliser un rôle existant — Choisissez cette option pour utiliser un IAM rôle qui existe déjà pour vous Compte AWS. Ensuite, dans la liste des rôles, choisissez celui que vous voulez.
-
Création automatique d'un rôle : choisissez cette option pour créer automatiquement un IAM rôle doté des autorisations requises. Ensuite, saisissez un nom pour le rôle.
Une autre option consiste à travailler avec votre administrateur pour créer le rôle manuellement. Pour plus d'informations sur la création manuelle du rôle, consultez la section IAMrôle pour récupérer les recommandations dans le manuel du développeur Amazon Pinpoint.
-
-
Pour Modèle de recommandation, choisissez la campagne Amazon Personalize à partir de laquelle vous souhaitez récupérer des recommandations.
Cette liste affiche toutes les campagnes Amazon Personalize auxquelles vous êtes actuellement autorisé à accéder avec votre Compte AWS compte Région AWS. Si la liste ne contient pas la campagne que vous souhaitez, demandez à votre administrateur de vous donner accès à la campagne et vérifiez que vous avez choisi le bon IAM rôle à l'étape précédente. Vérifiez également que la campagne existe actuellement Région AWS.
-
Sous Paramètres, pour Identificateur à utiliser pour les recommandations, indiquez si vous souhaitez associer des utilisateurs uniques dans la campagne Amazon Personalize à des points de terminaison (ID de point de terminaison) ou à des utilisateurs (ID d’utilisateur) dans vos projets Amazon Pinpoint.
-
Dans Nombre de recommandations par message, choisissez le nombre d’éléments recommandés que vous souhaitez récupérer pour chaque point de terminaison ou utilisateur de vos projets Amazon Pinpoint, en fonction de votre choix à l’étape précédente.
Ce paramètre détermine le nombre de recommandations récupérées par Amazon Pinpoint et que vous pouvez ajouter à des messages individuels. Vous pouvez récupérer jusqu'à cinq éléments recommandés. Si vous choisissez 1, Amazon Pinpoint récupère uniquement le premier élément de la liste de recommandations pour chaque destinataire du message : par exemple, le film le plus recommandé pour un destinataire. Si vous choisissez 2, le premier et le deuxième élément de la liste sont extraits de la liste pour chaque destinataire, par exemple les deux meilleurs films recommandés pour un destinataire. Et ainsi de suite, pour jusqu'à cinq recommandations.
-
Pour Méthode de traitement, choisissez l’une des options suivantes pour spécifier la manière dont vous souhaitez qu’Amazon Pinpoint traite les recommandations qu’il récupère :
-
Utiliser la valeur renvoyée par le modèle : avec cette option, les messages affichent le texte exact des recommandations fournies par la campagne Amazon Personalize. En outre, toutes les recommandations pour chaque point de terminaison ou utilisateur sont stockées temporairement dans un attribut recommandé standard pour chaque point de terminaison ou utilisateur.
-
Utiliser une fonction Lambda : avec cette option, les messages peuvent afficher des recommandations améliorées à la place ou en plus du texte des recommandations fournies par la campagne Amazon Personalize. Si vous choisissez cette option, Amazon Pinpoint envoie des recommandations à une AWS Lambda fonction pour un traitement supplémentaire, avant d'envoyer un message contenant les recommandations. En outre, vous pouvez stocker temporairement des recommandations dans un maximum de 10 attributs recommandés personnalisés pour chaque point de terminaison ou utilisateur.
Si vous choisissez cette option, utilisez également la liste des fonctions Lambda pour choisir la fonction que vous souhaitez utiliser. Cette liste affiche toutes les fonctions Lambda auxquelles vous êtes autorisé à accéder avec votre compte Compte AWS en cours. Région AWS Si la liste n'inclut pas la fonction souhaitée, demandez à votre administrateur de vous donner accès à la fonction. Si la fonction n’existe pas encore, choisissez Créer une nouvelle fonction Lambda et collaborez avec votre équipe de développement pour créer la fonction. Pour plus d’informations, consultez la section Personnalisation des recommandations avec AWS Lambda dans le Guide du développeur Amazon Pinpoint.
-
-
Lorsque vous avez fini de saisir ces paramètres, choisissez Suivant pour passer à l’étape suivante : ajouter des paramètres d’attribut pour le modèle de recommandation.
Étape 2 : Ajouter des attributs au modèle
Après avoir choisi les paramètres pour vous connecter à la campagne Amazon Personalize et en récupérer des recommandations, vous êtes prêt à entrer des paramètres pour les attributs qui stockeront les données de recommandation. Ces options varient en fonction de la méthode de traitement que vous avez choisie à l'étape précédente :
- Use the value returned by the model (Utiliser la valeur renvoyée par le modèle)
-
Si vous avez choisi cette option, les recommandations sont stockées temporairement dans un attribut. Il s'agit d'un attribut recommandé standard pour chaque point de terminaison ou utilisateur, en fonction de l'option que vous avez choisie pour le paramètre Identifier to use for recommendations (Identifiant à utiliser pour les recommandations) à l'étape précédente. Le nom sous-jacent de cet attribut est
RecommendationItems.Dans Display name (Nom d'affichage), entrez un nom descriptif pour l'attribut. Ce nom apparaîtra dans Attribute finder (Recherche d'attributs) dans l'éditeur de modèle lorsque vous ajoutez une variable pour l'attribut à un modèle de message. Les noms peuvent contenir jusqu'à 25 caractères. Les caractères peuvent être des lettres, des chiffres, des espaces, des traits de soulignement (_) ou des traits d’union (‐).
- Utiliser une fonction Lambda
-
Si vous avez choisi cette option, vous pouvez utiliser jusqu'à 10 attributs pour stocker les données de chaque recommandation. Il s'agit d'attributs recommandés personnalisés pour chaque point de terminaison ou utilisateur, en fonction de l'option que vous avez choisie pour le paramètre Identifier to use for recommendations (Identifiant à utiliser pour les recommandations) à l'étape précédente. Par exemple, si vous récupérez une recommandation de produit pour chaque point de terminaison ou utilisateur, la fonction Lambda peut traiter la recommandation et ajouter les résultats à trois attributs personnalisés de la recommandation : nom du produit, prix et image.
Pour chaque attribut personnalisé que vous souhaitez ajouter, choisissez Add attribute (Ajouter un attribut), puis procédez comme suit :
-
Pour Attribute name (Nom d'attribut), entrez un nom pour l'attribut. Ce nom, précédé du préfixe
Recommendations, apparaîtra dans l'éditeur de modèle après que vous ayez ajouté une variable pour l'attribut à un modèle de message. Le nom doit correspondre au nom d’un attribut utilisé par la fonction Lambda pour stocker les données de recommandation.Le nom d'attribut doit commencer par une lettre ou un chiffre et peut contenir jusqu'à 50 caractères. Les caractères peuvent être des lettres, des chiffres, des traits de soulignement (_) ou des traits d’union (‐). Les noms d'attribut sont sensibles à la casse et doivent être uniques.
-
Dans Display name (Nom d'affichage), entrez un nom descriptif pour l'attribut. Ce nom apparaîtra dans Attribute finder (Recherche d'attributs) dans l'éditeur de modèle lorsque vous ajoutez une variable pour l'attribut à un modèle de message. Le nom doit commencer par une lettre ou un chiffre et peut contenir jusqu'à 25 caractères. Les caractères peuvent être des lettres, des chiffres, des espaces, des traits de soulignement (_) ou des traits d’union (‐).
-
Lorsque vous avez fini de saisir les paramètres d’attribut, cliquez sur Suivant pour passer à l’étape suivante, à savoir la révision et la publication des paramètres de configuration du modèle de recommandation.
Étape 3 : Vérifier et publier le modèle
Une fois que vous avez terminé de saisir tous les paramètres de connexion et d'utilisation du modèle de recommandation, vous êtes prêt à vérifier les paramètres.
Lorsque vous avez terminé de vérifier les paramètres, choisissez Publier pour les enregistrer. Amazon Pinpoint vérifie ensuite les paramètres pour vous assurer qu’ils sont corrects. Si des paramètres manquent ou sont incorrects, un message s'affiche pour chaque erreur afin de vous aider à déterminer le paramètre qui doit être corrigé. Si vous devez corriger un paramètre, utilisez le panneau de navigation pour accéder directement à la page qui contient le paramètre.
Une fois que vous avez publié les paramètres, vous pouvez commencer à utiliser les recommandations dans les messages.
