Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Mantenere la pertinenza delle raccomandazioni

I consigli pertinenti possono aumentare il coinvolgimento degli utenti, la percentuale di clic e il tasso di conversione della tua applicazione man mano che il catalogo cresce. Per mantenere e migliorare la pertinenza dei consigli di Amazon Personalize per i tuoi utenti, mantieni aggiornati i dati e le risorse personalizzate. Ciò consente ad Amazon Personalize di apprendere dal comportamento più recente dei tuoi utenti e di includere i tuoi articoli più recenti nei consigli.

Mantenere aggiornati i set di dati

Man mano che il catalogo cresce, aggiorna i dati storici con operazioni di importazione di dati in blocco o individuali. Per ulteriori informazioni sull'importazione di dati storici, consulta. Fase 2: Preparazione e importazione dei dati Per informazioni su come i dati importati dopo l'addestramento di un modello influiscono sui consigli, consultaIn che modo i nuovi dati influenzano le raccomandazioni in tempo reale.

Per i casi d'uso e le ricette che forniscono consigli personalizzati in tempo reale, mantieni aggiornato il set di dati sulle interazioni tra Item e il comportamento degli utenti. Puoi farlo registrando le interazioni degli elementi con un tracker di eventi e il funzionamento dell' PutEvents API. Amazon Personalize aggiorna i consigli in base all'attività più recente dell'utente mentre interagisce con il tuo catalogo. Per informazioni sulla personalizzazione in tempo reale, consulta. Personalizzazione in tempo reale Per ulteriori informazioni sulla registrazione di eventi in tempo reale, vedereRegistrazione di eventi in tempo reale per influenzare le raccomandazioni.

Gestione dei consiglieri di dominio

Amazon Personalize riqualifica automaticamente i modelli che supportano i tuoi consiglieri ogni 7 giorni. Si tratta di una riqualificazione completa che crea modelli completamente nuovi basati sulla totalità dei dati nei tuoi set di dati. Se modifichi le colonne utilizzate nella formazione, Amazon Personalize avvia automaticamente una riqualificazione completa dei modelli che supportano il tuo programma di raccomandazione.

Mentre è in corso la riqualificazione dei consigliatori, puoi comunque ricevere consigli dal consulente. Fino al completamento della riqualificazione, il programma di raccomandazione utilizza la configurazione e i modelli precedenti. Per tenere traccia degli aggiornamenti, puoi visualizzare il timestamp dell'ultimo aggiornamento del programma di raccomandazione nella pagina dei dettagli del programma Recommender nella console Amazon Personalize. Oppure puoi visualizzare i dettagli dell'operazione. latestRecommenderUpdate DescribeRecommender

Manutenzione di soluzioni personalizzate

Per impostazione predefinita, tutte le nuove soluzioni utilizzano la formazione automatica per creare una nuova versione della soluzione ogni 7 giorni. La formazione continua fino all'eliminazione della soluzione.

Quando si crea una soluzione, si consiglia di utilizzare la formazione automatica per gestire la creazione delle versioni della soluzione. Ciò semplifica la manutenzione della soluzione. Rimuove la formazione manuale necessaria affinché la soluzione apprenda dai dati più recenti. Senza formazione automatica, è necessario creare manualmente nuove versioni della soluzione per consentire alla soluzione di apprendere dai dati più recenti. Per ulteriori informazioni sulla configurazione della formazione automatica, vedereConfigurazione della formazione automatica.

La frequenza della formazione dipende dai requisiti aziendali, dalla ricetta utilizzata e dalla frequenza di importazione dei dati. Per tutte le ricette, consigliamo di allenarsi almeno una volta alla settimana. Con l'allenamento automatico, questa è la frequenza di allenamento predefinita. Se aggiungi spesso nuovi oggetti o azioni, potresti voler avere una frequenza di allenamento più elevata, a seconda della ricetta.