确定您的使用案例 - Amazon Personalize
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

确定您的使用案例

在使用 Amazon Personalize 化之前,请确定您的使用案例,以确定训练模型的配方以及要导入的数据。配方是针对特定使用案例准备的 Amazon Personalize 算法。导入数据后,您可以告诉 Amazon Personalize 化使用什么食谱。

Amazon Personalize 使用案例

在开始为用户提供个性化体验之前,请从以下选项中选择您的使用案例并记下相应的配方类型。

  • 为用户推荐物品(USER_PEROIZATION 食谱)

    要为用户提供建议,请使用 USER_PEROIZATION 配方训练模型。此值可以是个性化推荐,例如根据互动、项目和用户数据为用户推荐电影,或者流行的基于互动数据的物品。

  • 为用户排名物品(个性化 _RANGING 食谱)

    要为用户个性化精选列表或搜索结果的顺序,请使用个性化配方训练模型。个性化 _RANGING 食谱通过根据给定用户的预测兴趣水平对输入项目集合重新排名来创建个性化列表。个性化列表可改善客户体验,提高客户忠诚度和参与度。

  • 推荐类似物品(READEST_ITEMS 食谱)

    要推荐类似的物品,例如经常一起购买的物品或其他用户也看过的电影,你应该使用 REDELD_ITEMS 食谱。推荐类似物品可以帮助您的客户发现商品,并可以提高用户转化率。

  • 获取用户细分(USER_SEGEMENTION 食谱)

    要根据项目输入数据获取用户细分,例如最有可能与具有特定属性的项目进行交互的用户,您应该使用 USER_SEGEMENTION 配方。获取用户细分可以帮助您创建高级营销活动,根据用户采取行动的可能性,将不同项目推广到不同的用户细分。

要导入哪些数据

如果您为用户提供个性化推荐,请导入数据,以帮助 Amazon Personalize 化推荐新品或用户互动较少的商品。此数据包括创建时间戳数据和有关项目的非结构化文本元数据,以及来自客户与项目交互的展示数据和上下文元数据。

对于个性化推荐或排名商品,请导入分类数据,例如用户的性别或商品的类型,以帮助 Amazon Personalize 化识别能够为用户揭示最相关商品的潜在模式。对于所有使用案例,您可以使用分类元数据根据用户或商品的属性筛选来自 Amazon Personalize 化的推荐。

有关 Amazon Personalize 如何读取和存储您的数据的一般信息,请参阅数据集和架构. 有关您可以导入的数据类型的更多信息,请参阅交互数据项目数据, 和用户数据.