本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
記錄即時事件以影響建議
事件是指使用者和目錄之間的互動。它可以是與項目的互動,例如購買項目或觀看視頻的用戶,也可以採取行動,例如申請信用卡或註冊會員計劃。
Amazon Personalize 可以根據僅即時事件資料、僅限歷史事件資料或兩者的混合來提出建議。在客戶與建議互動時記錄即時事件。這會構建您的互動數據並使您的數據保持最新狀態。它告訴 Amazon Personalize 化您的用戶的當前興趣,這可以提高推薦的相關性。
如果您的網域使用案例或自訂配方支援即時個人化,Amazon Personalize 會即時使用事件,根據使用者不斷變化的興趣來更新和調整建議。
記錄即時事件的方式取決於您匯入的互動資料類型:
-
對於項目互動,您可以使用 PutEvents API 操作記錄實時事件。Amazon Personalize 化將此數據附加到您項目互動資料集的數據集組中。如需詳細資訊,請參閱 記錄即時事件以影響建議。
-
對於動作互動,您可以使用 PutActionInteractions API 操作記錄實時事件。Amazon Personalize 會將此資料附加到資料集群組中的動作互動資料集。只有個性化的動作配方使用動作交互數據。如需詳細資訊,請參閱 記錄即時動作互動事件。
即時事件如何影響建議
如果您的配方支援即時個人化,在您建立推薦人或自訂行銷活動之後,Amazon Personalize 會在匯入後幾秒鐘內針對現有項目或動作使用新記錄的事件資料。下列使用案例和配方支援即時個人化:
如果您使用現在趨勢方法,Amazon Personalize 會自動根據可設定的間隔考量來自新事件資料的項目。您不必建立新的解決方案版本。如需詳細資訊,請參閱 趨勢-現在食譜。
如果事件中的項目、動作或使用者是新的,Amazon Personalize 如何使用資料取決於您的使用案例或配方。如需詳細資訊,請參閱 新資料如何影響即時推薦。
記錄匿名用戶的事件
重要
如果您沒有userId
為使用者記錄至少一個事件,Amazon Personalize 將不會僅使用訓練sessionId
時追蹤到的活動。sessionId
訓練完成後,建議將不再以追蹤到sessionId
.
您可以在使用者建立帳戶之前,記錄使用者的項目互動或動作互動事件。記錄事件,以便匿名使用者建立連續的事件歷史記錄,其中包含登入前後的事件。這可為 Amazon Personalize 使用者提供更多互動資料,以協助產生更相關的建議。
若要記錄匿名使用者 (尚未登入的使用者) 的事件,請針對每個事件指定sessionId
。當用戶首次訪問您的網站或使用您的應用程序sessionId
時,您的應用程序會生成唯一的。您必須在整個工作階段sessionId
中的所有事件中使用相同的項目。Amazon Personalize 化使sessionId
用者在登入之前將事件與使用者建立關聯。
Amazon Personalize 在訓練時不會使用來自匿名使用者的事件,除非您將這些事件與userId
. 如需詳細資訊,請參閱 為匿名用戶建立連續的事件歷史記錄。
若要為匿名使用者提供即時個人化,請userId
在您的GetRecommendations或 GetActionRecommendations 請求中指定sessionId
為。
-
如需示範如何使用 PutEvents 作業和 sessionId 和 userId 記錄項目互動事件的程式碼範例,請參閱。使用操 PutEvents 作
-
如需示範如何使用作業以及 sessionId 和 userId 記錄動 PutActionInteractions 作互動事件的程式碼範例,請參閱。使用操 PutActionInteractions 作
為匿名用戶建立連續的事件歷史記錄
若要為匿名使用者建立事件歷史記錄,並讓 Amazon Personalize 在訓練時使用他們的事件,請至少使用 a sessionId
和 a 記錄一個事件userId
。然後,您可以記錄任意數量的事件userId
。在您開始提供之後userId
,sessionId
可以變更。在接下來的完整再培訓期間,Amazon Personalize 會將追蹤的匿名使用者歷史記錄userId
與原始sessionId
記錄建立關聯。
重新訓練完成後,建議將根據追蹤至匿名事件的活動,以及追蹤sessionId
至其userId
的任何事件的活動為基礎。
注意
如果您的使用者未建立帳戶,而您希望 Amazon Personalize 在訓練時使用這些資料,您可以使用sessionId
做為事件userId
中的資料。但是,如果用戶最終創建了一個帳戶,您將無法將來自匿名瀏覽的事件與他們的新事件相關聯userId
。
第三方事件追蹤服務
下列客戶資料平台 (CDP) 可協助您從應用程式收集事件資料,並將其傳送至 Amazon Personalize。
-
振幅 — 您可以使用振幅來跟踪用戶操作,以幫助您了解用戶的行為。如需使用振幅和 Amazon Personalize 的相關資訊,請參閱下列 AWS 合作夥伴網路 (APN) 部落格文章:透過振幅和 Amazon 個人化來衡量個人化的有效性
。 -
m粒子 — 您可以使用 mPrick 從您的應用程序收集事件數據。如需示範如何使用 mPlick 和 Amazon 個人化來實作個人化產品建議的範例,請參閱如何利用 CDP 的力量進行機器學習:第 2 部分
。 -
區段 — 您可以使用區段將資料傳送至 Amazon Personalize。如需將區段與 Amazon Personalize 整合的詳細資訊,請參閱 Amazon Personalize 目的地
。
實作範例
如需範例 Jupyter 筆記本,其中顯示如何使用 Amazon Personalize 來回應使用事件追蹤器和PutEvents作業的使用者的即時行為,請參閱存放庫的 getting_started 資料夾中的 2.View_campaign_and_
如需示範如何從與建議互動的使用者串流事件的範例,請參閱 Amazon Personalize 範例儲存庫中的 Streaming_events
如需包含原始程式碼和支援檔案的完整範例,以部署位於 Amazon Personalize 資源和用戶端應用程式之間的即時 API,請參閱 AWS 範例 GitHub 儲存庫中的即時個人化 API
-
用戶上下文和用戶事件集合
-
回應快取
-
根據項目中繼資料裝飾建議
-
A/B 測試
-
API 身份驗證