Menyiapkan model pemberi rekomendasi di Amazon Pinpoint - Amazon Pinpoint

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

Menyiapkan model pemberi rekomendasi di Amazon Pinpoint

Model rekomendasi adalah jenis model pembelajaran mesin (ML) yang dirancang untuk memprediksi apa yang akan disukai pengguna tertentu dari serangkaian produk atau item tertentu. Ini memberikan informasi itu sebagai serangkaian rekomendasi untuk pengguna. Di Amazon Pinpoint, Anda dapat menggunakan model ini untuk mengirim rekomendasi yang dipersonalisasi kepada penerima pesan berdasarkan atribut dan perilaku masing-masing penerima.

Sebelum Anda dapat menggunakan model pemberi rekomendasi dengan cara ini, Anda harus mengatur koneksi antara Amazon Pinpoint dan kampanye Amazon Personalize yang memiliki model untuk digunakan. Saat menyiapkan sambungan, Anda menentukan cara mengambil dan menggunakan rekomendasi dari kampanye Amazon Personalize. Anda juga menambahkan setelan untuk atribut yang menyimpan rekomendasi sementara dari kampanye.

Sebelum Anda mulai

Sebelum Anda menyiapkan model pemberi rekomendasi di Amazon Pinpoint, tinjau informasinya di. Bersiap untuk menggunakan model pemberi rekomendasi dengan Amazon Pinpoint Ini akan membantu Anda mengumpulkan sumber daya dan informasi yang Anda butuhkan untuk mengatur model di Amazon Pinpoint.

Langkah 1: Siapkan model

Untuk langkah ini, Anda menentukan kampanye Amazon Personalize mana yang ingin Anda ambil rekomendasinya. Anda juga memilih pengaturan yang menentukan bagaimana Anda ingin mengambil dan menggunakan rekomendasi tersebut.

Untuk menyiapkan model pemberi rekomendasi
  1. Buka konsol Amazon Pinpoint di. https://console.aws.amazon.com/pinpoint/

  2. Di panel navigasi, pilih Model pembelajaran mesin.

  3. Pada halaman Model pembelajaran mesin, pilih Tambah model pemberi rekomendasi.

  4. Di bawah Detail model, untuk nama model Recommender, masukkan nama untuk model di Amazon Pinpoint. Nama harus dimulai dengan huruf atau angka. Ini dapat berisi hingga 128 karakter. Karakter dapat berupa huruf, angka, garis bawah (_), atau tanda hubung (‐).

  5. (Opsional) Untuk deskripsi model Recommender, masukkan deskripsi singkat model. Deskripsi dapat berisi hingga 128 karakter. Karakter dapat berupa huruf, angka, spasi, atau simbol berikut: garis bawah (_), titik koma (;), tanda kurung (), koma (,), dan tanda hubung (‐).

  6. Di bawah Konfigurasi model, untuk IAMperan, pilih peran AWS Identity and Access Management (IAM) yang mengizinkan Amazon Pinpoint untuk terhubung dan mengambil rekomendasi dari kampanye Amazon Personalize yang menggunakan model. Anda memiliki opsi berikut:

    • Gunakan peran yang ada — Pilih opsi ini untuk menggunakan IAM peran yang sudah ada untuk Anda Akun AWS. Kemudian, dari daftar peran, pilih peran yang Anda inginkan.

    • Buat peran secara otomatis — Pilih opsi ini untuk secara otomatis membuat IAM peran yang memiliki izin yang diperlukan. Kemudian, masukkan nama untuk peran tersebut.

    Pilihan lain adalah bekerja dengan administrator Anda untuk membuat peran secara manual. Untuk informasi tentang membuat peran secara manual, lihat IAMperan untuk mengambil rekomendasi di Panduan Pengembang Amazon Pinpoint.

  7. Untuk model Recommender, pilih kampanye Amazon Personalize yang ingin Anda ambil rekomendasinya.

    Daftar ini menampilkan semua kampanye Personalisasi Amazon yang diizinkan untuk diakses dengan kampanye Akun AWS saat ini. Wilayah AWS Jika daftar tidak menyertakan kampanye yang Anda inginkan, minta administrator Anda untuk memberi Anda akses ke kampanye dan verifikasi bahwa Anda memilih IAM peran yang benar pada langkah sebelumnya. Juga, verifikasi bahwa kampanye ada di saat ini Wilayah AWS.

  8. Di bawah Pengaturan, agar Identifier digunakan untuk rekomendasi, tentukan apakah Anda ingin mengaitkan pengguna unik di kampanye Amazon Personalize dengan titik akhir (ID Titik Akhir) atau pengguna (ID Pengguna) di proyek Amazon Pinpoint Anda.

  9. Untuk Jumlah rekomendasi per pesan, pilih jumlah item yang direkomendasikan yang ingin Anda ambil untuk setiap titik akhir atau pengguna di proyek Amazon Pinpoint Anda, tergantung pada pilihan Anda di langkah sebelumnya.

    Pengaturan ini menentukan berapa banyak rekomendasi yang diambil Amazon Pinpoint dan Anda dapat menambahkan ke pesan individual. Anda dapat mengambil sebanyak lima item yang direkomendasikan. Jika Anda memilih 1, Amazon Pinpoint hanya akan mengambil item pertama dari daftar rekomendasi untuk setiap penerima pesan—misalnya, film yang paling direkomendasikan untuk penerima. Jika Anda memilih 2, itu akan mengambil item pertama dan kedua dari daftar untuk setiap penerima—misalnya, dua film teratas yang direkomendasikan untuk penerima. Dan seterusnya, untuk sebanyak lima rekomendasi.

  10. Untuk metode Processing, pilih salah satu opsi berikut untuk menentukan bagaimana Anda ingin Amazon Pinpoint memproses rekomendasi yang diambil:

    • Gunakan nilai yang dikembalikan oleh model — Dengan opsi ini, pesan menampilkan teks yang tepat dari rekomendasi yang disediakan oleh kampanye Amazon Personalize. Selain itu, semua rekomendasi untuk setiap titik akhir atau pengguna disimpan sementara dalam satu atribut standar yang direkomendasikan untuk setiap titik akhir atau pengguna.

    • Gunakan fungsi Lambda — Dengan opsi ini, pesan dapat menampilkan rekomendasi yang disempurnakan, bukan atau sebagai tambahan pada teks rekomendasi yang disediakan oleh kampanye Amazon Personalize. Jika Anda memilih opsi ini, Amazon Pinpoint mengirimkan rekomendasi ke AWS Lambda fungsi untuk pemrosesan tambahan, sebelum mengirim pesan yang menyertakan rekomendasi. Selain itu, Anda dapat menyimpan rekomendasi sementara di sebanyak 10 atribut yang direkomendasikan khusus untuk setiap titik akhir atau pengguna.

      Jika Anda memilih opsi ini, gunakan juga daftar fungsi Lambda untuk memilih fungsi yang ingin Anda gunakan. Daftar ini menampilkan semua fungsi Lambda yang diizinkan untuk diakses saat ini. Akun AWS Wilayah AWS Jika daftar tidak menyertakan fungsi yang Anda inginkan, minta administrator Anda untuk memberi Anda akses ke fungsi tersebut. Jika fungsi tersebut belum ada, pilih Create new Lambda function, dan bekerja dengan tim pengembangan Anda untuk membuat fungsi. Untuk informasi selengkapnya, lihat Menyesuaikan rekomendasi dengan AWS Lambda di Panduan Pengembang Amazon Pinpoint.

  11. Setelah Anda selesai memasukkan pengaturan ini, pilih Berikutnya untuk melanjutkan ke langkah berikutnya—menambahkan pengaturan atribut untuk model pemberi rekomendasi.

Langkah 2: Tambahkan atribut ke model

Setelah memilih setelan untuk menyambung dan mengambil rekomendasi dari kampanye Amazon Personalize, Anda siap memasukkan setelan untuk atribut yang akan menyimpan data rekomendasi. Opsi ini bervariasi tergantung pada metode pemrosesan yang Anda pilih pada langkah sebelumnya:

Gunakan nilai yang dikembalikan oleh model

Jika Anda memilih opsi ini, rekomendasi disimpan sementara dalam satu atribut. Ini adalah atribut standar yang direkomendasikan untuk setiap titik akhir atau pengguna, tergantung pada opsi yang Anda pilih untuk Identifier untuk digunakan untuk pengaturan rekomendasi pada langkah sebelumnya. Nama yang mendasari atribut ini adalahRecommendationItems.

Untuk nama Tampilan, masukkan nama deskriptif untuk atribut. Nama ini akan muncul di pencari Atribut di editor template ketika Anda menambahkan variabel untuk atribut ke template pesan. Nama dapat berisi hingga 25 karakter. Karakter dapat berupa huruf, angka, spasi, garis bawah (_), atau tanda hubung (‐).

Gunakan fungsi Lambda

Jika Anda memilih opsi ini, Anda dapat menggunakan sebanyak 10 atribut untuk menyimpan data untuk setiap rekomendasi. Ini adalah atribut yang direkomendasikan khusus untuk setiap titik akhir atau pengguna, tergantung pada opsi yang Anda pilih untuk Identifier untuk digunakan untuk pengaturan rekomendasi pada langkah sebelumnya. Misalnya, jika Anda mengambil satu rekomendasi produk untuk setiap titik akhir atau pengguna, fungsi Lambda dapat memproses rekomendasi dan menambahkan hasilnya ke tiga atribut khusus untuk rekomendasi tersebut—nama produk, harga, dan gambar.

Untuk setiap atribut kustom yang ingin Anda tambahkan, pilih Tambah atribut, lalu lakukan hal berikut:

  • Untuk nama Atribut, masukkan nama untuk atribut. Nama ini, didahului oleh Recommendations awalan, akan muncul di editor template setelah Anda menambahkan variabel untuk atribut ke template pesan. Nama harus cocok dengan nama atribut yang digunakan fungsi Lambda untuk menyimpan data rekomendasi.

    Nama atribut harus dimulai dengan huruf atau angka dan dapat berisi hingga 50 karakter. Karakter dapat berupa huruf, angka, garis bawah (_), atau tanda hubung (‐). Nama atribut peka huruf besar/kecil dan harus unik.

  • Untuk nama Tampilan, masukkan nama deskriptif untuk atribut. Nama ini akan muncul di pencari Atribut di editor template ketika Anda menambahkan variabel untuk atribut ke template pesan. Nama harus dimulai dengan huruf atau angka dan dapat berisi hingga 25 karakter. Karakter dapat berupa huruf, angka, spasi, garis bawah (_), atau tanda hubung (‐).

Setelah Anda selesai memasukkan pengaturan atribut, pilih Berikutnya untuk melanjutkan ke langkah berikutnya—meninjau dan memublikasikan pengaturan konfigurasi untuk model pemberi rekomendasi.

Langkah 3: Tinjau dan publikasikan model

Setelah Anda selesai memasukkan semua pengaturan untuk menghubungkan ke dan menggunakan model pemberi rekomendasi, Anda siap untuk meninjau pengaturan.

Setelah Anda selesai meninjau pengaturan, pilih Publikasikan untuk menyimpannya. Amazon Pinpoint kemudian memeriksa pengaturan untuk memverifikasi bahwa mereka benar. Jika ada pengaturan yang hilang atau salah, ini akan menampilkan pesan untuk setiap kesalahan untuk membantu Anda menentukan pengaturan mana yang harus diperbaiki. Jika Anda perlu memperbaiki pengaturan, gunakan panel navigasi untuk langsung menuju ke halaman yang berisi pengaturan.

Setelah Anda mempublikasikan pengaturan, Anda dapat mulai menggunakan rekomendasi dalam pesan.