Mempersiapkan data interaksi tindakan untuk pelatihan - Amazon Personalize
Persyaratan data interaksi tindakanData tipe acaraContoh data interaksi aksi

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mempersiapkan data interaksi tindakan untuk pelatihan

Jika Anda menggunakan resep kustom Next-Best-Action, Amazon Personalize menggunakan data interaksi tindakan untuk mengidentifikasi minat pengguna dan memprediksi tindakan yang kemungkinan besar akan mereka lakukan. Interaksi aksi adalah interaksi yang melibatkan pengguna dan tindakan dalam kumpulan data Tindakan Anda. Misalnya, jika Anda memiliki tindakan pendaftaran di kumpulan data Tindakan, dan pengguna melakukan tindakan ini, Anda akan merekam ID pengguna, ID tindakan, stempel waktu, dan untuk jenis peristiwa, catatan. TAKEN

Anda mengimpor interaksi tindakan ke dalam kumpulan data interaksi Amazon Personalize Action. Anda dapat mengimpor peristiwa interaksi tindakan secara massal dengan tugas impor kumpulan data, atau Anda dapat mengalirkannya secara real time dengan operasi PutActionInteractions API. Anda tidak dapat membuat sumber daya tindakan terbaik berikutnya, termasuk kumpulan data Tindakan dan Interaksi Tindakan, dalam grup kumpulan data domain.

Data interaksi tindakan massal Anda harus dalam file CSV. Setiap baris dalam file harus mewakili interaksi unik antara pengguna dan tindakan. Setelah Anda selesai mempersiapkan data Anda, Anda siap untuk membuat file JSON skema. File ini memberi tahu Amazon Personalize tentang struktur data Anda. Untuk informasi selengkapnya, lihat Membuat file JSON skema untuk skema Amazon Personalize.

Bagian berikut memberikan informasi selengkapnya tentang cara menyiapkan data interaksi tindakan Anda untuk Amazon Personalisasi. Untuk pedoman format data massal untuk semua jenis data, lihat pedoman format data massal.

Persyaratan data interaksi tindakan

Tidak ada persyaratan minimum untuk data interaksi tindakan. Kami menyarankan Anda mengimpornya untuk rekomendasi tindakan kualitas. Jika Anda tidak memiliki data interaksi tindakan, Anda dapat membuat kumpulan data interaksi Tindakan kosong dan merekam interaksi pelanggan Anda dengan tindakan menggunakan operasi PutActionInteractions API.

Data interaksi tindakan Anda harus memiliki setidaknya kolom berikut. Anda bebas menambahkan kolom kustom tambahan tergantung pada kasus penggunaan dan data Anda.

  • USER_ID — Pengidentifikasi unik dari pengguna yang berinteraksi dengan item. Setiap acara harus memiliki USER_ID. Itu harus string dengan panjang maksimal 256 karakter.

  • ACTION_ID — Pengidentifikasi unik dari item yang berinteraksi dengan pengguna. Setiap acara harus memiliki ID item. Itu harus string dengan panjang maksimal 256 karakter.

  • TIMESTAMP — Waktu kejadian terjadi (dalam format waktu epoch Unix dalam hitungan detik). Setiap interaksi tindakan harus memiliki TIMESTAMP. Untuk informasi selengkapnya, lihat Data stempel waktu.

  • EVENT_TYPE — Apakah tindakan diambil, tidak diambil, atau dilihat. Setiap interaksi tindakan harus memiliki jenis acara. Untuk informasi selengkapnya, lihat Data tipe acara.

Hingga Anda mengimpor data interaksi tindakan, Amazon Personalize merekomendasikan tindakan tanpa personalisasi, dan skor kecenderungan adalah 0,0. Suatu tindakan akan memiliki skor setelah tindakan memiliki yang berikut:

  • Setidaknya 50 interaksi aksi dengan tipe acara TAKEN.

  • Setidaknya 50 interaksi tindakan dengan jenis acara NOT_TAKEN atau VIEWED.

Interaksi aksi ini harus ada pada pelatihan versi solusi terbaru, dan harus terjadi dalam rentang waktu 6 minggu dari stempel waktu interaksi terbaru dalam kumpulan data interaksi Tindakan.

Data tipe acara

Amazon Personalize dapat menggunakan pola dalam data tipe peristiwa untuk mengidentifikasi tindakan yang kemungkinan besar akan dilakukan pengguna Anda. Misalnya, jika pelanggan sering mengabaikan tindakan berlangganan email (ditunjukkan dengan jenis peristiwa NOT_TAKEN), Amazon Personalize mungkin menyesuaikan rekomendasi untuk menampilkan lebih sedikit jenis tindakan ini.

Anda hanya dapat menggunakan jenis peristiwa berikut untuk peristiwa interaksi tindakan. Amazon Personalize menggunakan peristiwa ini untuk mempelajari tentang pengguna Anda dan menghitung tindakan apa yang akan direkomendasikan selanjutnya.

  • Diambil - Rekam peristiwa yang diambil saat pengguna mengambil tindakan yang disarankan.

  • Tidak Diambil - Rekam peristiwa yang Tidak Diambil saat pengguna Anda membuat pilihan yang disengaja untuk tidak mengambil tindakan setelah melihatnya. Misalnya, jika mereka memilih Tidak ketika Anda menunjukkan tindakan kepada mereka. Acara yang Tidak Diambil dapat menunjukkan bahwa pelanggan tidak tertarik dengan tindakan tersebut.

  • Dilihat — Rekam peristiwa yang Dilihat saat Anda menunjukkan tindakan kepada pengguna sebelum mereka membuat pilihan untuk mengambil atau tidak mengambil tindakan. Amazon Personalize menggunakan Lihat peristiwa untuk mempelajari minat pengguna Anda. Misalnya, jika pengguna melihat tindakan tetapi tidak menerimanya, pengguna ini mungkin tidak tertarik dengan tindakan ini di masa mendatang.

Contoh data interaksi aksi

Beberapa baris pertama dari file CSV dengan data interaksi tindakan dan semua kolom yang diperlukan mungkin terlihat seperti berikut.

USER_ID,ACTION_ID,EVENT_TYPE,TIMESTAMP
35,73,Viewed,1586731606
54,35,Not taken,1586731609
9,33,Viewed,1586735158
23,10,Taken,1586735697
27,11,Taken,1586735763
...
...

Setelah Anda selesai mempersiapkan data Anda, Anda siap untuk membuat file JSON skema. File ini memberi tahu Amazon Personalize tentang struktur data Anda. Untuk informasi selengkapnya, lihat Membuat file JSON skema untuk skema Amazon Personalize. Seperti inilah tampilan file JSON skema untuk data sampel di atas.

{

  "type": "record",
  "name": "ActionInteractions",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
      {
          "name": "USER_ID",
          "type": "string"
      },
      {
          "name": "ACTION_ID",
          "type": "string"
      },
      {
          "name": "EVENT_TYPE",
          "type": "string"
      },
      {
          "name": "TIMESTAMP",
          "type": "long"
      }
  ],
  "version": "1.0"
}