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.
Consigli sugli articoli in tempo reale in Amazon Personalize
Se il tuo caso d'uso o la tua ricetta generano consigli sugli articoli, dopo aver creato un programma di raccomandazione o una campagna, puoi ricevere consigli sugli articoli personalizzati o correlati in tempo reale per i tuoi utenti.
Se il caso d'uso o la ricetta del tuo dominio offrono personalizzazioni in tempo reale, ad esempio il caso d'uso Top picks for you o la ricetta User-Personalization-v2, Amazon Personalize aggiorna i consigli in base all'attività più recente dell'utente mentre registri le sue interazioni con il tuo catalogo. Per ulteriori informazioni sulla registrazione di eventi in tempo reale e sulla personalizzazione, consulta. Registrazione di eventi in tempo reale per influenzare le raccomandazioni
Quando ricevi consigli sugli articoli in tempo reale, puoi fare quanto segue:
-
Se hai configurato la campagna per restituire i metadati per gli articoli consigliati, puoi specificare le colonne da includere nell'GetRecommendationsAPIoperazione. Oppure puoi specificare le colonne quando testi la campagna con la console Amazon Personalize. Per esempi di codice, consultaOttenere i metadati degli articoli con consigli in tempo reale. Per informazioni sull'attivazione dei metadati per una campagna, consultaMetadati degli articoli nei consigli. Per informazioni sull'attivazione dei metadati per un programma di raccomandazione, consulta. Abilitazione dei metadati nei consigli per un programma di raccomandazione di domini in Amazon Personalize
-
Per alcuni casi d'uso e ricette, puoi specificare una promozione nella tua richiesta di raccomandazione. Una promozione definisce regole aziendali aggiuntive che si applicano a un sottoinsieme configurabile di articoli consigliati. Per ulteriori informazioni, consulta Promuovere gli articoli con consigli in tempo reale.
-
È possibile filtrare i risultati in base a criteri personalizzati. Ad esempio, potresti non voler consigliare prodotti che un utente ha già acquistato o consigliare solo articoli per una particolare fascia di età. Per ulteriori informazioni, consulta Suggerimenti di filtraggio e segmenti di utenti.
Nota
Se hai usato una ricetta PERSONALIZED _ RANKING personalizzata, vediOttenere una classifica personalizzata (risorse personalizzate).
Argomenti
Come funziona il punteggio dei consigli (risorse personalizzate)
Con le ricette User-Personalization-v 2 e User-Personalization, Amazon Personalize genera punteggi per gli articoli in base ai dati di interazione e ai metadati di un utente. Questi punteggi rappresentano la certezza relativa di Amazon Personalize sulla possibilità che l'utente interagisca con l'articolo successivo. I punteggi più alti rappresentano una maggiore certezza.
Nota
Amazon Personalize non mostra punteggi per i consigliatori di domini o per le ricette Similar-Items o Popularity-Count. SIMS Per informazioni sui punteggi per i consigli di Personalized-Ranking, consulta. Come funzionano i punteggi di classifica personalizzati
Amazon Personalize genera punteggi per gli articoli l'uno rispetto all'altro su una scala da 0 a 1 (entrambi inclusi). Con User-Personalization-v 2, Amazon Personalize genera punteggi per un sottoinsieme dei tuoi articoli. Con User-Personalization, Amazon Personalize assegna un punteggio a tutti gli articoli del tuo catalogo.
Se usi User-Personalization-v 2 e applichi un filtro ai consigli, a seconda del numero di consigli rimossi dal filtro, Amazon Personalize potrebbe aggiungere elementi segnaposto. Lo fa per soddisfare la tua richiesta di numResults raccomandazione. Si tratta di elementi popolari, basati sulla quantità di dati sulle interazioni, che soddisfano i criteri di filtro specificati. Non hanno un punteggio di rilevanza per l'utente.
Sia per User-Personalization-v 2 che per User-Personalization, il totale di tutti i punteggi è uguale a 1. Ad esempio, se ricevi consigli sui film per un utente e ci sono tre film che appaiono (il set di dati Items e il set di dati Interazioni), il loro punteggio potrebbe essere, e. 0.6 0.3 0.1 Allo stesso modo, se hai 10.000 film nel tuo inventario, i film con il punteggio più alto potrebbero avere punteggi molto bassi (lo sarebbe il punteggio medio.001), ma, poiché il punteggio è relativo, i consigli sono comunque validi.
In termini matematici, i punteggi per ogni coppia di elementi utente (u, i) vengono calcolati secondo la seguente formula, dove exp è la funzione esponenziale, u we wi/jsono rispettivamente gli incorporamenti utente e elemento e la lettera greca sigma () rappresenta la somma di tutti gli elementi con punteggi:
Motivi della raccomandazione con 2 User-Personalization-v
Se usi User-Personalization-v 2, gli elementi che il modello normalmente non consiglierebbe includono un reason elenco. Questi motivi spiegano perché l'articolo è stato incluso nei consigli. I motivi possibili includono i seguenti:
-
Articolo promosso: indica che l'articolo è stato incluso come parte di una promozione che hai applicato nella tua richiesta di raccomandazione.
-
Esplorazione: indica che l'articolo è stato incluso nell'esplorazione. Con l'esplorazione, i consigli includono elementi con meno dati sulle interazioni o meno rilevanti per l'utente. Per ulteriori informazioni sull'esplorazione, consulta Esplorazione.
-
Articolo popolare: indica che l'articolo è stato incluso come elemento popolare segnaposto. Se utilizzi un filtro, a seconda del numero di consigli rimossi dal filtro, Amazon Personalize potrebbe aggiungere elementi segnaposto
numResultsper soddisfare la tua richiesta di raccomandazione. Questi elementi sono elementi popolari, basati sui dati di interazione, che soddisfano i criteri di filtro. Non hanno un punteggio di rilevanza per l'utente.
