Next-Best-Action 레시피 - Personalize
사용 사례 예제레시피 기능필수 및 선택형 데이터 세트속성 및 하이퍼파라미터

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

Next-Best-Action 레시피

(aws-next-best-action) 레시피는 Next-Best-Action 사용자를 위한 다음 최선의 작업에 대한 실시간 권장 사항을 생성합니다. 사용자를 위한 차선책 작업은 사용자가 수행할 가능성이 가장 높은 작업입니다. 로열티 프로그램에 등록하거나, 앱을 다운로드하거나, 신용카드를 신청하는 경우를 예로 들 수 있습니다.

를 사용하면 사용자가 애플리케이션을 사용할 Next-Best-Action때 사용자에게 개인 맞춤형 작업 권장 사항을 제공할 수 있습니다. 사용자에게 적합한 작업을 제안하면 더 많은 사용자가 작업을 수행하도록 유도할 수 있습니다. 추천하려는 작업에 따라 고객 충성도와 수익을 높이며 애플리케이션의 사용자 경험을 개선할 수 있습니다. 개인 맞춤형 작업 추천이 전자 상거래 애플리케이션에 어떤 이점을 줄 수 있는지를 설명하는 사용 사례는 사용 사례 예제 섹션을 참조하세요.

Amazon Personalize는 사용자가 작업 데이터 세트로 가져온 작업으로부터 차선책 작업을 예측합니다. 작업 및 항목과의 상호 작용을 기반으로 사용자가 수행할 가능성이 가장 높은 작업을 식별합니다. 작업 데이터에 작업 값이 포함된 경우 Amazon Personalize는 해당 작업의 가치를 고려합니다. 사용자가 서로 다른 두 작업을 수행할 가능성이 동일한 경우 Amazon Personalize는 더 가치 높은 작업의 순위를 보다 높게 매깁니다.

사용자에 대한 실시간 작업 추천을 받으면 Amazon Personalize는 구성 가능한 기간(action optimization period) 내에 사용자가 수행할 가능성이 가장 높은 작업 목록을 반환합니다. 향후 14일 이내에 수행할 가능성이 가장 높은 작업을 예로 들 수 있습니다. 목록은 성향 점수를 기준으로 내림차순으로 정렬됩니다. 이 점수는 사용자가 작업을 수행할 가능성을 나타냅니다.

작업 상호 작용 데이터를 가져올 때까지 Amazon Personalize는 개인 맞춤 작업 없이 작업 데이터세트에 있는 작업을 추천하며, 이 경우 성향 점수는 0.0입니다. 작업이 다음과 같으면 작업에 점수가 부여됩니다.

  • TAKEN 이벤트 유형과 최소 50개의 작업 상호 작용.

  • NOT_TAKEN 또는 VIEWED 이벤트 유형과 최소 50개의 작업 상호 작용.

이러한 작업 상호 작용은 최신 솔루션 버전 학습에 있어야 하며 작업 상호 작용 데이터세트의 최신 상호 작용 타임스탬프로부터 6주 이내에 이루어져야 합니다.

레시피가 사용하는 데이터에 대한 자세한 내용은 섹션을 참조하세요 Next-Best-Action필수 및 선택형 데이터 세트.

레시피로 솔루션을 생성할 때 action optimization period 특성화 하이퍼파라미터를 Next-Best-Action 사용하여 작업을 예측할 때 Personalize가 사용하는 기간을 구성할 수 있습니다. 자세한 내용은 속성 및 하이퍼파라미터 단원을 참조하십시오.

사용 사례 예제

사용자에게 적합한 작업을 제안하면 더 많은 사용자가 작업을 수행하도록 유도할 수 있습니다. 추천하려는 작업에 따라 잠재적으로 고객 충성도를 높이고, 더 많은 수익을 창출하며, 애플리케이션의 사용자 경험을 개선할 수 있습니다.

예를 들어, 다음과 같은 다양한 작업을 제안하는 전자 상거래 애플리케이션이 있을 수 있습니다.

  • 로열티 프로그램 구독

  • 모바일 앱 다운로드

  • 주얼리 범주에서의 구매

  • 뷰티 및 그루밍 범주에서의 구매

사이트에서 자주 쇼핑하면서 주얼리와 뷰티 및 그루밍 구매 작업을 반복적으로 행한 사용자가 있을 수 있습니다. 이 사용자에 대한 Amazon Personalize 작업 추천 및 점수에는 다음이 포함될 수 있습니다.

  • 로열티 프로그램 구독

    성향 점수 – 1.00

  • 주얼리 범주에서의 구매

    성향 점수 – 0.86

  • 뷰티 및 그루밍 범주에서의 구매

    성향 점수 – 0.85

이러한 작업 추천을 사용하면 사용자에게 로열티 프로그램에 등록하도록 유도할 수 있습니다. 이 작업은 성향 점수가 가장 높으며, 사용자가 행할 가능성이 가장 높은 작업입니다. 사용자가 매장에서 자주 쇼핑하고 로열티 프로그램의 혜택을 누릴 가능성이 높기 때문입니다.

레시피 기능

레시피는 Next-Best-Action 작업 권장 사항을 생성할 때 다음 Amazon Personalize 레시피 기능을 사용합니다.

  • 실시간 개인 맞춤: Amazon Personalize는 실시간 개인 맞춤을 통해 사용자의 변화하는 관심에 따라 작업 추천을 업데이트하고 조정합니다. 자세한 내용은 실시간 개인 맞춤 단원을 참조하십시오.

  • 탐색: 탐색의 경우 추천에는 새로운 작업이나 상호 작용 데이터가 적은 작업이 포함됩니다. 탐색에 대한 자세한 내용은 탐색단원을 참조하세요.

  • 자동 업데이트: Amazon Personalize는 자동 업데이트를 통해 2시간마다 최신 모델(솔루션 버전)을 자동으로 업데이트하여 탐색을 통한 추천에 새로운 작업을 포함합니다. 자세한 내용은 자동 업데이트 단원을 참조하십시오.

필수 및 선택형 데이터 세트

레시피를 Next-Best-Action 사용하려면 다음 데이터 세트를 생성해야 합니다.

  • 작업: 작업에 대한 데이터(예: 값)를 Amazon Personalize 작업 데이터 세트로 가져옵니다.

    작업 데이터에서 각 작업에 대해 EXPIRATION_TIMESTAMP를 제공할 수 있습니다. 작업이 만료된 경우 Amazon Personalize는 해당 작업을 추천에 포함하지 않습니다. 각 작업에 대해 REPEAT_FREQUENCY를 제공할 수도 있습니다. 이는 Amazon Personalize에서 사용자가 작업과 상호 작용한 후 작업을 다시 추천하기 전에 기다려야 하는 시간을 나타냅니다. 작업 데이터 세트가 저장할 수 있는 데이터에 대한 자세한 내용은 작업 메타데이터 섹션을 참조하세요.

  • 항목 상호 작용: 항목 상호 작용 데이터 세트에는 최소 1,000개의 항목 상호 작용이 있어야 합니다. Amazon Personalize는 항목 상호 작용을 통해 사용자의 현재 상태와 관심사를 이해합니다. 항목 상호 작용 데이터에 대한 자세한 내용은 항목 상호 작용 데이터 섹션을 참조하세요.

다음 데이터 세트는 선택 사항입니다.

  • 작업 상호 작용 데이터 세트: 작업 상호 작용은 작업 데이터 세트에 있는 사용자와 작업을 포함하는 상호 작용입니다. 수행한 작업, 수행하지 않은 작업, 확인한 작업 상호 작용을 가져올 수 있습니다. 이 데이터는 선택 사항이지만, 품질 추천의 경우 작업 상호 작용 데이터를 가져오는 것이 좋습니다. 작업 상호 작용 데이터가 없는 경우 빈 작업 상호 작용 데이터 세트를 생성하고 PutActionInteractions API 작업을 사용하여 작업과 고객의 상호 작용을 기록할 수 있습니다.

    작업 상호 작용 데이터를 가져올 때까지 Amazon Personalize는 개인 맞춤 작업 없이 작업 데이터세트에 있는 작업을 추천하며, 이 경우 성향 점수는 0.0입니다. 작업이 다음과 같으면 작업에 점수가 부여됩니다.

    • TAKEN 이벤트 유형과 최소 50개의 작업 상호 작용.

    • NOT_TAKEN 또는 VIEWED 이벤트 유형과 최소 50개의 작업 상호 작용.

    이러한 작업 상호 작용은 최신 솔루션 버전 학습에 있어야 하며 작업 상호 작용 데이터세트의 최신 상호 작용 타임스탬프로부터 6주 이내에 이루어져야 합니다.

    가져올 수 있는 작업 상호 작용 데이터에 대한 자세한 내용은 작업 상호 작용 데이터 섹션을 참조하세요. 작업 상호 작용 이벤트 기록에 대한 자세한 내용은 실시간 작업 상호 작용 이벤트 기록 섹션을 참조하세요.

    참고

    Next-Best-Action를 사용하면 Personalize는 작업 상호 작용 데이터 세트에서 노출 데이터 또는 컨텍스트 메타데이터를 사용하지 않습니다.

  • 사용자: Amazon Personalize는 사용자 데이터 세트의 모든 데이터를 바탕으로 사용자와 관심사를 더 잘 이해합니다. 또한 사용자 데이터 세트의 데이터를 사용하여 작업 추천을 필터링할 수 있습니다. 가져올 수 있는 사용자 데이터에 대한 자세한 내용은 사용자 메타데이터 섹션을 참조하세요.

  • 항목: Amazon Personalize는 항목 상호 작용 데이터 세트와 함께 항목 데이터 세트의 모든 데이터를 사용하여 동작의 연관성과 패턴을 식별합니다. 이를 통해 Amazon Personalize는 사용자와 관심사를 이해할 수 있습니다. 가져올 수 있는 항목 데이터에 대한 자세한 내용은 항목 메타데이터 섹션을 참조하세요.

속성 및 하이퍼파라미터

레시피는 Next-Best-Action 하이퍼파라미터 최적화를 지원하지 않습니다. 레시피의 Next-Best-Action 속성은 다음과 같습니다.

  • 명칭 – aws-next-best-action

  • 레시피 Amazon 리소스 이름(ARN) - arn:aws:personalize:::recipe/aws-next-best-action

  • 알고리즘 ARN - arn:aws:personalize:::algorithm/aws-next-best-action

다음 표에서는 레시피의 특성 하이퍼파라미터를 aws-next-best-action 설명합니다. 하이퍼파라미터는 모델 성능을 향상시키기 위해 조정할 수 있는 알고리즘 파라미터입니다. 특성화 하이퍼파라미터는 학습에서 사용할 데이터를 필터링하는 방법을 제어합니다.

표에는 각 하이퍼파라미터에 대한 다음 정보도 표시됩니다.

  • 범위: [하한, 상한]

  • 값 형식: 정수, 연속(부동 소수점), 범주(부울, 목록, 문자열)

  • HPO 조정 가능: 파라미터가 참여할 수 있는지 여부 HPO

명칭 설명
특성화 하이퍼파라미터
action_optimization_period

Amazon Personalize가 사용자의 차선책 작업을 예측할 때 사용하는 기간입니다. 사용자가 향후 14일 이내에 수행할 가능성이 가장 높은 작업을 예로 들 수 있습니다.

작업 상호 작용 데이터가 많지 않은 경우 더 큰 값을 지정하세요. 어떤 값을 지정해야 할지 잘 모르겠으면 기본값을 사용하면 됩니다.

기본값: 14

범위: [7, 28]

값 형식: 정수

HPO 조정 가능: 아니요