준비 체크리스트 - Personalize
사용 사례를 Personalize 리소스와 일치시켰습니까?항목 상호 작용 데이터가 충분합니까?실시간 이벤트 스트리밍 아키텍처가 마련되어 있습니까?데이터가 Personalize에 최적화되어 있습니까?추천을 개선할 수 있는 선택적 데이터를 수집합니까?추천을 테스트할 계획이 있으십니까?추가 비즈니스 목표가 있나요?

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

준비 체크리스트

Personalize의 작동 방식을 검토하고 시작하기 연습을 완료한 후에는 자체 데이터로 Personalize를 사용할 준비를 시작할 수 있습니다. 이 체크리스트는 Personalize 기능, 요구 사항 및 데이터 지침 목록을 제공합니다. 계획을 세우는 데 도움이 될 수도 있고 Personalize에서 리소스를 생성할 때 참조로 사용할 수도 있습니다.

사용 사례를 Personalize 리소스와 일치시켰습니까?

Personalize 추천은 다음과 같은 사용 사례를 해결할 수 있습니다.

  • 사용자를 위한 개인 맞춤형 추천 생성

  • 유사 항목 또는 관련 항목 추천

  • 유행 항목 또는 인기 항목 추천

  • 사용자를 위한 차선책 작업 추천

  • 관련성에 따른 재정렬(사용자 지정 리소스만 해당)

  • 사용자 세그먼트 생성(사용자 지정 리소스만 사용)

Personalize는 도메인 기반 리소스와 이러한 사용 사례에 맞게 구성된 사용자 지정 리소스를 제공합니다. 먼저, 도메인 데이터세트 그룹 또는 사용자 지정 데이터세트 그룹을 다음과 같이 생성합니다.

  • 도메인 데이터세트 그룹을 사용하여 VIDEO_ON_DEMAND 또는 ECOMMERCE 도메인에 맞게 사전 구성 및 최적화된 리소스를 생성합니다.

    스트리밍 비디오 또는 전자 상거래 애플리케이션이 있는 경우, 도메인 데이터세트 그룹으로 시작하는 것이 좋습니다. 사용자 지정 사용 사례에 맞게 학습된 솔루션 및 솔루션 버전과 같은 사용자 지정 리소스는 계속해서 추가할 수 있습니다. 또한 사용자 지정 리소스를 사용하여 일괄 추천을 받을 수도 있습니다. 도메인 데이터세트 그룹에는 액션 및 액션 인터랙션 데이터세트를 비롯한 차선책 액션 리소스를 만들 수 없습니다.

  • 사용자 지정 데이터세트 그룹을 사용하여 사용 사례에 맞는 레시피를 선택합니다. 그런 다음 구성 가능한 솔루션과 솔루션 버전(학습된 Personalize 추천 모델)만 학습하고 배포합니다. 준비가 되면 캠페인에 솔루션 버전을 배포하여 실시간 추천을 받을 수 있습니다. 또는 캠페인 없이 일괄 추천을 받을 수도 있습니다.

    스트리밍 비디오 또는 전자 상거래 애플리케이션이 없는 경우 사용자 지정 데이터세트 그룹을 생성하는 것이 좋습니다. 그렇지 않으면 도메인 데이터세트 그룹으로 시작하되 필요에 따라 사용자 지정 리소스를 추가합니다.

Personalize에서 사용할 수 있는 사용 사례 및 사용자 지정 레시피에 대한 자세한 내용은 도메인 사용 사례 및 사용자 지정 레시피단원을 참조하세요.

항목 상호 작용 데이터가 충분합니까?

모든 사용 사례와 레시피에 대해 고유 사용자 25명의 상호 작용이 각각 2회 이상 포함된 최소 1,000개의 항목 상호 작용이 있어야 합니다. 품질 추천의 경우, 각 2번 이상의 항목 상호 작용을 갖는 1,000명 이상의 사용자로부터 50,000건 이상의 항목 상호 작용을 갖는 것이 좋습니다.

데이터가 충분한지 확실하지 않은 경우 Personalize 콘솔을 사용하여 데이터를 가져와서 분석할 수 있습니다. 자세한 내용은 데이터셋의 데이터 품질 및 수량 분석단원을 참조하세요.

실시간 이벤트 스트리밍 아키텍처가 마련되어 있습니까?

항목 상호 작용 데이터가 충분하지 않은 경우 Amazon Personalize를 사용하여 추가 실시간 이벤트 데이터를 수집할 수 있습니다. 일부 레시피와 사용 사례를 통해 Personalize는 사용자가 애플리케이션을 사용할 때 사용자의 최신 활동에서 학습하고 추천을 업데이트할 수 있습니다.

이벤트가 추천에 미치는 영향, 타사 이벤트 추적 서비스 목록, 샘플 구현을 비롯한 이벤트 기록에 대한 자세한 내용은 권장 사항에 영향을 미치는 실시간 이벤트 기록단원을 참조하세요.

데이터가 Personalize에 최적화되어 있습니까?

데이터에서 다음 사항을 확인하는 것이 좋습니다.

  • 누락된 값이 있는지 확인합니다. 레코드 중 최소 70%에 모든 속성에 대한 데이터를 포함시키는 것이 좋습니다. null 값을 70% 이상 완료할 수 있는 열을 사용하는 것이 좋습니다.

  • 일관되지 않은 명명 규칙, 항목의 중복 범주, 데이터세트의 ID 불일치, ID 중복과 같은 데이터의 부정확성이나 문제를 수정합니다. 이러한 문제는 추천에 부정적인 영향을 미치거나 예기치 않은 동작으로 이어질 수 있습니다. 예를 들어 데이터에 "N/A"와 "해당 없음"이 모두 있지만 "N/A"만 기준으로 추천을 필터링할 수 있습니다. "해당 없음"으로 표시된 항목은 필터를 통해 제거되지 않습니다.

  • 항목, 사용자 또는 작업이 여러 범주를 가질 수 있는 경우(예: 장르가 여러 개 있는 영화) 범주별 값을 하나의 속성으로 결합하고 | 연산자를 사용하여 각 값을 구분합니다. 예를 들어 영화의 GENRES 데이터는 액션 | 어드벤처 | 스릴러일 수 있습니다.

  • 컬럼에 사용할 수 있는 카테고리가 1000개를 넘지 않도록 하세요 (컬럼에 필터링 목적으로만 사용되는 데이터가 포함된 경우 제외).

데이터 추천의 전체 목록과 Personalize를 사용하여 문제를 식별하는 방법에 대한 지침은 데이터셋의 데이터 품질 및 수량 분석단원을 참조하세요.

추천을 개선할 수 있는 선택적 데이터를 수집합니까?

다음 데이터는 추천 관련성을 개선하는 데 도움이 될 수 있습니다.

  • 이벤트 유형(모든 도메인 데이터세트 그룹 사용 사례에 필요)

  • 이벤트 값

  • 컨텍스트 메타데이터

  • 항목 및 사용자 메타데이터

  • 작업 상호 작용 데이터(PERSONALIZED_ACTIONS 레시피에서만 사용)

Personalize에서 사용할 수 있는 데이터 유형에 대한 자세한 내용은 Personalize가 사용할 수 있는 데이터 유형단원을 참조하세요.

추천을 테스트할 계획이 있으십니까?

A/B 테스트를 사용하여 여러 사용자 그룹이 서로 다른 모델의 추천과 상호작용한 결과를 비교할 수 있습니다. A/B 테스트를 통해 다양한 추천 전략을 비교하고 추천이 비즈니스 목표를 달성하는 데 도움이 되는지 확인할 수 있습니다. 자세한 내용은 A/B 테스트를 통한 추천 영향 측정단원을 참조하세요.

추가 비즈니스 목표가 있나요?

사용자에게 적절한 추천을 제공하는 것 외에도 목표를 세워야 하는 경우도 있습니다. 예를 들어 수익을 극대화하거나 특정 범주의 특정 유형의 항목을 홍보하고 싶을 수 있습니다. 다음과 같은 Personalize 기능이 도움이 될 수 있습니다.

  • 홍보: 홍보를 사용하여 특정 비율의 항목이 비즈니스 요구 사항을 충족하는지 확인할 수 있습니다. 자세한 내용은 추천의 항목 홍보단원을 참조하세요.

  • 비즈니스 목표 최적화: 일부 사용자 지정 데이터세트 그룹 레시피의 경우 스트리밍 시간 최대화 또는 수익 증대와 같은 사용자 지정 목표에 맞게 솔루션을 최적화할 수 있습니다. 자세한 내용은 추가 목표에 맞게 솔루션 최적화단원을 참조하세요.

  • 추천 필터링. 필터를 사용하여 비즈니스 규칙을 추천에 적용합니다. 필터를 사용하여 추천에 특정 유형의 항목을 포함시키거나 제외시킬 수 있습니다. 자세한 내용은 추천 및 사용자 세그먼트 필터링단원을 참조하세요.