Ein Rezept wählen

Wenn Sie eine benutzerdefinierte Lösung erstellen, geben Sie ein Rezept an und konfigurieren die Trainingsparameter. Rezepte sind Amazon Personalize Personalize-Algorithmen, die für bestimmte Anwendungsfälle vorbereitet wurden. Amazon Personalize bietet Rezepte für Trainingsmodelle, die auf gängigen Anwendungsfällen basieren. Wenn Sie eine Lösungsversion für die Lösung erstellen, trainiert Amazon Personalize die Modelle, die die Lösungsversion unterstützen, basierend auf dem Rezept und der Trainingskonfiguration.

In den Rezepten von Amazon Personalize wird beim Training Folgendes verwendet:

• Vordefinierte Attribute Ihrer Daten

• Vordefinierte Funktionstransformationen

• Vordefinierte Algorithmen

• Anfängliche Parametereinstellungen für die Algorithmen

Um Ihr Modell zu optimieren, können Sie viele dieser Parameter überschreiben, wenn Sie eine Lösung erstellen. Weitere Informationen finden Sie unter Hyperparameter und HPO.

Themen

• Amazon Personalize Sie Rezepttypen nach Anwendungsfall
• Rezepte von Amazon Personalize
• Verfügbare Amazon Personalize Personalize-Rezepte anzeigen
• USER_PERSONALIZATION
• BELIEBTE_ARTIKEL
• PERSONALISIERTE RANGFOLGE
• RELATED_ITEMS
• PERSONALISIERTE_AKTIONEN
• USER_SEGMENTIERUNG

Amazon Personalize Sie Rezepttypen nach Anwendungsfall

Um Ihr Rezept auszuwählen, wählen Sie zunächst Ihren Anwendungsfall aus den folgenden Optionen aus und notieren Sie sich den entsprechenden Rezepttyp.

• Artikel für Benutzer empfehlen (USER_PERSONALIZATION-Rezepte)

  Um Ihren Benutzern personalisierte Empfehlungen zu geben, trainieren Sie Ihr Modell mit einem USER_PERSONALIZATION-Rezept. Personalisierte Empfehlungen tragen zu einer besseren Kundenbindung und Konversionsrate bei.

• Artikel für einen Benutzer einordnen (PERSONALIZED_RANKING-Rezepte)

  Um die Reihenfolge der kuratierten Listen oder Suchergebnisse für Ihre Benutzer zu personalisieren, trainieren Sie Ihr Modell mit einem PERSONALIZED_RANKING-Rezept. Mit den Rezepten von PERSONALIZED_RANKING wird eine personalisierte Liste erstellt, indem eine Sammlung von Eingabeelementen auf der Grundlage des prognostizierten Interesses für einen bestimmten Benutzer neu geordnet wird. Personalisierte Listen verbessern das Kundenerlebnis und erhöhen die Kundenbindung und das Kundenengagement.

• Empfehlen von trendigen oder beliebten Artikeln (POPULAR_ITEMS Rezepte)

  Verwenden Sie ein Rezept von POPULAR_ITEMS, um trendige oder beliebte Artikel zu empfehlen. Sie können ein POPULAR_ITEMS verwenden, wenn Ihre Kunden Wert darauf legen, mit was andere Benutzer interagieren. Zu den häufigsten Verwendungszwecken gehören die Empfehlung viraler Inhalte in sozialen Medien, aktuelle Nachrichtenartikel oder aktuelle Sportvideos.

• Empfehlen ähnlicher Artikel (RELATED_ITEMS-Rezepte)

  Um ähnliche Artikel zu empfehlen, z. B. Artikel, die häufig zusammen gekauft wurden, oder Filme, die sich auch andere Nutzer angesehen haben, sollten Sie ein RELATED_ITEMS-Rezept verwenden. Wenn Sie ähnliche Artikel empfehlen, können Sie Ihren Kunden helfen, Artikel zu finden, und die Konversionsrate der Nutzer erhöhen.

• Empfehlung der nächstbesten Aktion (PERSONALIZED_ACTIONS-Rezepte)

  Um Ihren Benutzern in Echtzeit die nächstbeste Aktion zu empfehlen, z. B. die Registrierung für Ihr Treueprogramm oder die Beantragung einer Kreditkarte, sollten Sie ein Rezept für PERSONALIZED_ACTIONS verwenden. Wenn Sie die nächstbeste Aktion empfehlen, können Sie die Kundenbindung erhöhen, mehr Umsatz generieren und das Nutzererlebnis verbessern.

• Benutzersegmente abrufen (USER_SEGMENTATION-Rezepte)

  Um Benutzersegmente auf der Grundlage von Artikeleingabedaten zu erhalten, z. B. Benutzer, die höchstwahrscheinlich mit Elementen mit einem bestimmten Attribut interagieren, sollten Sie ein USER_SEGMENTATION-Rezept verwenden. Durch das Abrufen von Benutzersegmenten können Sie erweiterte Marketingkampagnen erstellen, mit denen verschiedene Artikel in verschiedenen Benutzersegmenten je nach der Wahrscheinlichkeit, dass sie eine Aktion ergreifen, beworben werden.

Rezepte von Amazon Personalize

Amazon Personalize bietet die folgenden Arten von Rezepten. Neben verhaltensbedingten Unterschieden gelten für jeden Typ andere Anforderungen, um Empfehlungen zu erhalten, wie aus der folgenden Tabelle hervorgeht.

Rezepttyp	Rezepte	API	API-Anforderungen
USER_PERSONALIZATION	Benutzerpersonalisierung-v2 Personalisierung durch Benutzer HRNN-Rezept (veraltet) HRNN-Metadaten-Rezept (veraltet) HRNN-Coldstart-Rezept (veraltet)	GetRecommendations	userId: Erforderlich itemId: nicht verwendet inputList: ENTF.
BELIEBTE_ARTIKEL	Jetzt im Trend Beliebtheit-Anzahl	GetRecommendations	userId: Nur erforderlich, wenn Sie einen Filter anwenden, der dies erfordert itemId: nicht verwendet inputList: ENTF.
PERSONALISIERTE RANGFOLGE	Personalisiertes Ranking V2 Personalisierte Rangfolge	GetPersonalizedRanking	userId: Erforderlich itemId: ENTF. inputList: Liste von itemIds
RELATED_ITEMS	Ähnliche Elemente SIMS	GetRecommendations	userId: Nur erforderlich, wenn Sie einen Filter anwenden, der dies erfordert itemId: Erforderlich inputList: ENTF.
PERSONALIZED_ACTIONS	Nächstbeste Aktion	GetActionRecommendations	userId: Erforderlich actionId: nicht verwendet itemId: nicht verwendet inputList: ENTF.
BENUTZERSEGMENTIERUNG	Artikel-Affinität Artikel-Attribut-Affinität	CreateBatchSegmentJob	Informationen zu den Anforderungen für Batch-Workflows finden Sie unter. Einen Batch-Segment-Job erstellen

Verfügbare Amazon Personalize Personalize-Rezepte anzeigen

Anzeigen einer Liste verfügbarer Rezepte:

• Wählen Sie in der Amazon Personalize Personalize-Konsole eine Datensatzgruppe aus. Wählen Sie im Navigationsbereich Solutions and recipes (Lösungen und Rezepte) und anschließend die Registerkarte Recipes (Rezepte) aus.

• Rufen Sie mit AWS SDK for Python (Boto3) dem die ListRecipes API auf.

• Verwenden Sie mit dem AWS CLI den folgenden Befehl.

  aws personalize list-recipes

Rufen Sie die API auf, um Informationen über ein Rezept mit dem SDK for Python (Boto3) zu erhalten. DescribeRecipe Verwenden Sie den folgenden Befehl AWS CLI, um Informationen über ein Rezept mit dem zu erhalten.

aws personalize describe-recipe --recipe-arn recipe_arn