保持推荐相关性 - 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。

保持推荐相关性

随着目录的增长,保持建议的相关性,以提高用户参与度、点击率和应用程序的转化率。为了维护和提高 Amazon Personalize 化建议对用户的相关性,请保持数据和解决方案版本的最新状态。这允许 Amazon Personalize 化学习用户的最新行为,并在推荐中包含您的最新商品。

您可以使用自动化和安排再培训和数据导入任务利用 Machine Learning 维护个性化体验,一个Amazon自动执行 Amazon Personalize 化工作流的解决方案实施,包括数据导入、解决方案版本培训和批处理工作 有关更多信息,请参阅利用 Machine Learning 维护个性化体验.

保持数据集最新

随着目录的增长,请使用批量或增量数据导入操作更新历史数据。我们建议您首先批量导入记录,然后随着目录的增长以增量方式添加项目和用户。有关导入历史数据的更多信息请参阅准备和导入数据.

对于实时推荐,请通过记录互动信息来使您的互动数据集与用户的行为保持最新事件使用事件跟踪器PutEventsoperation. Amazon Personalize 化会根据用户与应用程序互动的最新活动来更新建议。有关录制实时事件的更多信息,请参阅记录事件.

如果您已经创建了解决方案版本(训练了模型),则新记录会影响建议,如下所示:

  • 适用于新活动,Amazon Personalize 在为同一用户生成推荐时,立即使用用户与现有物品(您用于训练最新模型的数据中包含的物品)之间的历史和实时互动事件。您使用 Amazon Personalize 化控制台导入的历史事件以及您以相同的方式实时记录影响力推荐的事件。有关更多信息,请参阅 实时事件如何影响推荐

  • 适用于新物品,如果您使用用户个性化训练了解决方案版本,则 Amazon Personalize 会每两小时自动更新模型。每次更新后,新项目都可以包含在探索推荐中。有关探索的信息,请参阅配方用户个性化配方.

    对于任何其他配方,您必须重新训练模型,以便将其包括在推荐中的新项目。

  • 适用于新用户,最初推荐仅适用于热门商品。从第一个活动开始,记录事件时,用户推荐将更加相关。有关更多信息,请参阅 记录事件

将解决方案版本保持最新

创建新的解决方案版本(重新训练模型)以在推荐中包含新项目,并使用用户的最新行为更新模型。重新训练模型后,必须更新广告系列才能部署它。有关更多信息,请参阅更新市场活动.

再培训频率取决于您的业务需求和使用的配方。对于大多数工作负载,我们建议每周训练一个新模型,训练模式设置为FULL. 这将根据数据集组中数据集中的所有训练数据创建一个全新的解决方案版本。如果您经常添加新项目,但不使用用户个性化,则可能需要更频繁地进行全面的再培训,才能将这些新项目纳入推荐中。

借助用户个性化功能,Amazon Personalize 会自动更新您的最新全面培训解决方案版本(trainingMode设置为FULL) 每两小时将新物品纳入探索推荐中。你的广告活动会自动使用更新的解决方案 这不是完整的再培训;你还应该每周训练一个新的解决方案版本trainingMode设置为FULL因此模型可以从用户的行为中学习。

如果每两小时频率不够,您可以使用手动创建解决方案版本trainingMode设置为UPDATE以便将这些新项目纳入建议中. 请记住,Amazon Personalize 只会自动更新您的最新完全训练的解决方案版本,因此手动更新的解决方案版本将来不会自动更新。有关更多信息,请参阅 配方用户个性化配方

有关创建新解决方案版本的信息,请参阅第 3 步:创建解决方案版本.