Amazon Personalize 권장 사항의 영향 측정 - Personalize

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon Personalize 권장 사항의 영향 측정

고객이 추천과 상호작용하면서 Amazon Personalize 추천이 목표 달성에 얼마나 도움이 되는지 측정할 수 있습니다. 주요 성과 지표에 가장 큰 영향을 미치는 캠페인과 추천자를 식별할 수 있습니다. 예를 들어, 가장 많은 시청 시간, 가장 많은 클릭 또는 가장 많은 구매를 창출하는 리소스를 식별할 수 있습니다. 또한 Personalize 추천의 성능을 타사 서비스에서 생성된 추천과 비교할 수 있습니다.

어떤 캠페인이나 추천인이 가장 큰 영향을 미치는지 알면 해당 추천을 더 효과적으로 활용할 수 있는 조치를 취할 수 있습니다. 예를 들어 사이트에서 추천의 중요성을 높여 참여도를 높일 수 있습니다. 또는 맞춤 이메일이나 타겟 광고와 같은 마케팅 캠페인에 추천을 소개할 수도 있습니다.

예상한 만큼의 영향을 미치지 않는 리소스를 식별하면 권장 사항을 개선하기 위한 조치를 취할 수 있습니다. 예를 들어 Amazon Personalize 콘솔을 사용하여 리소스 생성에 사용된 교육 데이터를 분석하고 권장 데이터 개선을 수행한 다음 데이터를 다시 가져올 수 있습니다. 데이터 분석에 대한 자세한 내용은 을 참조하십시오Amazon Personalize 데이터세트의 데이터 품질 및 수량 분석.

다음은 추천의 영향을 측정하는 데 도움이 될 수 있습니다.

  • 지표 어트리뷰션: Amazon Personalize 지표 어트리뷰션은 사용자가 지정한 지표와 가져온 항목 상호 작용 및 항목 데이터를 기반으로 보고서를 생성합니다. 예를 들어, 사용자가 본 영화의 총 길이 또는 총 클릭 이벤트 수가 여기에 해당합니다. 지표 어트리뷰션을 생성하면 Amazon Personalize는 API 작업의 이벤트에 대한 메트릭과 증분 PutEvents 대량 데이터를 Amazon에 자동으로 전송합니다. CloudWatch 대량 데이터의 경우 S3 버킷에 보고서를 게시하도록 선택할 수 있습니다.

  • A/B 테스트: Amazon Personalize 권장 사항을 사용하여 A/B 테스트를 수행하려면 여러 사용자 그룹에 서로 다른 유형의 추천을 보여주고 결과를 비교해야 합니다. A/B 테스트를 사용하여 다양한 추천 전략을 비교 및 평가하고, 모델 성능을 평가하고, 권장 사항의 영향을 측정할 수 있습니다.

주제