Checkliste für die Bereitschaft

Nachdem Sie sich mit der Funktionsweise von Amazon Personalize vertraut gemacht und die Übung „Erste Schritte“ abgeschlossen haben, können Sie sich darauf vorbereiten, Amazon Personalize mit Ihren eigenen Daten zu verwenden. Diese Checkliste enthält eine Liste der Funktionen und Anforderungen von Amazon Personalize sowie Hinweise zur Datenverarbeitung. Es kann Ihnen bei der Planung helfen, oder Sie können es als Referenz verwenden, wenn Sie Ressourcen in Amazon Personalize erstellen.

Haben Sie Ihre Anwendungsfälle den Ressourcen von Amazon Personalize zugeordnet?

Amazon Personalize Personalize-Empfehlungen können für die folgenden Anwendungsfälle verwendet werden:

• Generierung personalisierter Empfehlungen für einen Benutzer

• Empfehlen ähnlicher oder verwandter Artikel

• Empfehlen von trendigen oder beliebten Artikeln

• Empfehlen der nächstbesten Aktionen für einen Benutzer

• Neuanordnung nach Relevanz (nur mit benutzerdefinierten Ressourcen)

• Generierung von Benutzersegmenten (nur mit benutzerdefinierten Ressourcen)

Amazon Personalize bietet domänenbasierte Ressourcen und benutzerdefinierte Ressourcen, die für diese Anwendungsfälle konfiguriert sind. Sie beginnen mit der Erstellung einer Domain-Datensatzgruppe oder einer benutzerdefinierten Datensatzgruppe:

• Mit einer Domain-Datensatzgruppe erstellen Sie Ressourcen, die für die Domänen VIDEO_ON_DEMAND oder ECOMMERCE vorkonfiguriert und optimiert sind.

  Wenn Sie über eine Streaming-Video- oder E-Commerce-Anwendung verfügen, empfehlen wir, mit einer Domain-Datensatzgruppe zu beginnen. Sie können weiterhin benutzerdefinierte Ressourcen hinzufügen, z. B. Lösungen und Lösungsversionen, die für benutzerdefinierte Anwendungsfälle trainiert wurden. Und Sie können weiterhin benutzerdefinierte Ressourcen verwenden, um Batch-Empfehlungen zu erhalten. Sie können in einer Domain-Datensatzgruppe keine Ressourcen für die nächstbeste Aktion, einschließlich der Datensätze „Aktionen“ und „Aktionsinteraktionen“, erstellen.

• Bei einer benutzerdefinierten Datensatzgruppe wählen Sie ein Rezept, das Ihrem Anwendungsfall entspricht. Anschließend trainieren und implementieren Sie nur konfigurierbare Lösungen und Lösungsversionen (trainierte Amazon Personalize Personalize-Empfehlungsmodelle). Wenn Sie bereit sind, können Sie die Lösungsversion in einer Kampagne bereitstellen, um Empfehlungen in Echtzeit zu erhalten. Sie können auch ohne Kampagne mehrere Empfehlungen erhalten.

  Wenn Sie kein Streaming-Video oder keine E-Commerce-Anwendung haben, empfehlen wir Ihnen, eine benutzerdefinierte Datensatzgruppe zu erstellen. Andernfalls beginnen Sie mit einer Domain-Datensatzgruppe und fügen Sie bei Bedarf benutzerdefinierte Ressourcen hinzu.

Informationen zu den Anwendungsfällen und benutzerdefinierten Rezepten, die in Amazon Personalize verfügbar sind, finden Sie unterDomain-Anwendungsfälle und benutzerdefinierte Rezepte.

Verfügen Sie über genügend Daten zur Interaktion mit Artikeln?

Für alle Anwendungsfälle und Rezepte müssen Sie mindestens 1.000 Artikelinteraktionen für 25 einzelne Benutzer mit jeweils mindestens zwei Interaktionen haben. Für Qualitätsempfehlungen empfehlen wir, mindestens 50.000 Artikelinteraktionen von mindestens 1.000 Benutzern mit jeweils zwei oder mehr Artikelinteraktionen durchzuführen.

Wenn Sie sich nicht sicher sind, ob Sie über genügend Daten verfügen, können Sie diese mit der Amazon Personalize Personalize-Konsole importieren und analysieren. Weitere Informationen finden Sie unter Analyse der Qualität und Quantität von Daten in Datensätzen.

Verfügen Sie über eine Event-Streaming-Architektur in Echtzeit?

Wenn Sie nicht über genügend Artikelinteraktionsdaten verfügen, können Sie Amazon Personalize verwenden, um zusätzliche Ereignisdaten in Echtzeit zu sammeln. Mit einigen Rezepten und Anwendungsfällen kann Amazon Personalize aus den neuesten Aktivitäten Ihrer Benutzer lernen und Empfehlungen aktualisieren, während sie Ihre Anwendung verwenden.

Informationen zur Aufzeichnung von Ereignissen, einschließlich der Auswirkungen von Ereignissen auf Empfehlungen, eine Liste von Event-Tracking-Diensten von Drittanbietern und Beispielimplementierungen finden Sie unter. Aufzeichnung von Ereignissen in Echtzeit zur Beeinflussung von Empfehlungen

Sind Ihre Daten für Amazon Personalize optimiert?

Wir empfehlen Ihnen, Ihre Daten auf Folgendes zu überprüfen:

• Prüfen Sie, ob Werte fehlen. Wir empfehlen, dass mindestens 70% Ihrer Datensätze Daten für jedes Attribut enthalten. Wir empfehlen, dass Spalten, die Nullwerte zulassen, zu mindestens 70% vollständig sind.

• Korrigieren Sie alle Ungenauigkeiten oder Probleme in Ihren Daten, wie z. B. inkonsistente Namenskonventionen, doppelte Kategorien für ein Element, nicht übereinstimmende IDs in Datensätzen oder doppelte IDs. Diese Probleme können sich negativ auf Empfehlungen auswirken oder zu unerwartetem Verhalten führen. Beispielsweise könnten Ihre Daten sowohl „N/A“ als auch „Nicht zutreffend“ enthalten, aber Sie filtern Empfehlungen heraus, die nur auf „N/A“ basieren. Mit „Nicht zutreffend“ markierte Elemente würden durch den Filter nicht entfernt.

• Wenn ein Element, ein Benutzer oder eine Aktion mehrere Kategorien haben kann, z. B. ein Film mit mehreren Genres, kombinieren Sie die kategorialen Werte zu einem Attribut und trennen Sie die einzelnen Werte mit dem Operator |. Die GENRES-Daten eines Films könnten beispielsweise Action | Adventure | Thriller lauten.

• Vermeiden Sie mehr als 1000 mögliche Kategorien für eine Spalte (es sei denn, die Spalte enthält Daten, die nur zu Filterzwecken dienen).

Eine vollständige Liste der Datenempfehlungen und Anweisungen, wie Sie Amazon Personalize zur Identifizierung von Problemen verwenden können, finden Sie unterAnalyse der Qualität und Quantität von Daten in Datensätzen.

Sammeln Sie optionale Daten, die die Empfehlungen verbessern können?

Die folgenden Daten können dazu beitragen, die Relevanz Ihrer Empfehlungen zu verbessern.

• Ereignistyp (für alle Anwendungsfälle von Domain-Datensatzgruppen erforderlich)

• Ereigniswert

• Kontextuelle Metadaten

• Objekt- und Benutzermetadaten

• Daten zur Interaktion mit Aktionen (werden nur von PERSONALIZED_ACTIONS-Rezepten verwendet)

Weitere Informationen zu den Datentypen, die Amazon Personalize verwenden kann, finden Sie unterDatentypen, die Amazon Personalize verwenden kann.

Haben Sie einen Plan, Ihre Empfehlungen zu testen?

Sie können A/B-Tests verwenden, um die Ergebnisse verschiedener Benutzergruppen zu vergleichen, die mit Empfehlungen aus verschiedenen Modellen interagieren. Mithilfe von A/B-Tests können Sie verschiedene Empfehlungsstrategien vergleichen und feststellen, ob Empfehlungen Ihnen helfen, Ihre Geschäftsziele zu erreichen. Weitere Informationen finden Sie unter Messung der Wirkung von Empfehlungen mit A/B-Tests.

Haben Sie zusätzliche Geschäftsziele?

In einigen Fällen haben Sie möglicherweise zusätzlich zur Generierung relevanter Empfehlungen für Ihre Benutzer Ziele. Beispielsweise möchten Sie möglicherweise den Umsatz maximieren oder für bestimmte Arten von Artikeln aus einer bestimmten Kategorie werben. Die folgenden Amazon Personalize Personalize-Funktionen können helfen:

• Werbeaktionen: Mithilfe von Werbeaktionen können Sie sicherstellen, dass ein bestimmter Prozentsatz der Artikel Ihren Geschäftsanforderungen entspricht. Weitere Informationen finden Sie unter Werbung für Artikel in Empfehlungen.

• Optimierung für Geschäftsziele: Bei einigen Rezepten für benutzerdefinierte Datensatzgruppen können Sie eine Lösung für ein benutzerdefiniertes Ziel optimieren, z. B. die Maximierung der Streaming-Minuten oder die Steigerung des Umsatzes. Weitere Informationen finden Sie unter Optimierung einer Lösung für ein zusätzliches Ziel.

• Empfehlungen filtern. Verwenden Sie Filter, um Geschäftsregeln auf Empfehlungen anzuwenden. Sie können Filter verwenden, um bestimmte Arten von Elementen in Empfehlungen ein- oder auszuschließen. Weitere Informationen finden Sie unter Empfehlungen und Benutzersegmente filtern.