Datos de interacciones

Uninteracciónes unactoque grabas y luego importas como datos de entrenamiento. Amazon Personalize genera recomendaciones basadas principalmente en los datos de interacciones que usted importa a unConjunto de datos de interacciones. Puede grabar varios tipos de eventos, comohacer clic,relojocomo.

Por ejemplo, si un usuarioclicsun artículo en particular y, a continuaciónle gustael artículo, puede hacer que Amazon Personalize utilice estos eventos como datos de entrenamiento. Para cada evento, registraría el identificador del usuario, el identificador del elemento, la marca de tiempo (en formato de época de Unix) y el tipo de evento (hacer clicycomo). A continuación, agregaría ambos eventos de interacción a un conjunto de datos de interacciones.

Para todos los casos de uso (grupos de conjuntos de datos de dominio) y recetas (recursos personalizados), los datos de sus interacciones deben incluir lo siguiente:

• Como mínimo, 1000 registros de interacciones de los usuarios que interactúan con los elementos de su catálogo. Estas interacciones pueden provenir de importaciones masivas, de eventos transmitidos o de ambos.

• Un mínimo de 25 seudónimos únicos con al menos dos interacciones para cada uno.

Para obtener recomendaciones de calidad, le recomendamos que tenga al menos 50 000 interacciones de al menos 1000 usuarios con dos o más interacciones cada uno.

Para crear un recomendador o una solución personalizada, debe crear como mínimo un conjunto de datos de Interactions. En esta sección se proporciona información sobre los siguientes tipos de datos de interacciones que puede importar a Amazon Personalize.

Datos sobre el tipo y el valor del evento

Los conjuntos de datos de interacciones pueden almacenar datos de tipos de eventos, comohacer clicyrelojtipos de eventos y datos de valores de eventos para cada uno de sus eventos.

• Si creas recomendadores de dominios, todos los casos de uso requieren que tus datos incluyan un campo EVENT_TYPE. Algunos casos de uso requieren tipos de eventos específicos. Puede utilizar tipos de eventos adicionales. Para obtener más información, consulte Elección de un caso de uso.

  Con los recomendadores de dominios, Amazon Personalize no utiliza datos de valores de eventos.

• Si crea recursos personalizados, Amazon Personalize utiliza los datos del tipo y el valor del evento para filtrar los eventos antes del entrenamiento. Puede importar datos de tipo de evento o tipo de eventoydatos de valores de eventos. Importe estos datos para elegir los datos de interacciones que Amazon Personalize utiliza en la formación de la siguiente manera:

  • Elija eventos según el tipo de evento— Para elegir registros en función del tipo, registre un tipo para cada uno de sus eventos en la columna EVENT_TYPE. Al configurar una solución, especificará el tipo y Amazon Personalize utilizará únicamente registros de este tipo en la formación.

    Por ejemplo, si sus datos incluyencomprar,hacer clic, yrelojtipos de eventos, y desea que Amazon Personalize entrene el modelo solo conrelojeventos, incluiría el tipo de cada evento en la columna EVENT_TYPE. A continuación, cuando cree una solución, especifiquerelojcomo elevent typeque Amazon Personalize utiliza en la formación.

    Si su conjunto de datos de interacciones tiene varios tipos de eventos en una columna EVENT_TYPE y usted no proporciona ningún tipo de evento al configurar la solución, Amazon Personalize utilizará todos los datos de interacciones para entrenar con la misma importancia, independientemente del tipo.

  • Elija registros según el tipo y el valor— Para elegir registros en función del tipo y el valor, registre un tipo de evento y un valor de evento para cada evento. El valor que elija para cada evento depende de los datos que desee excluir y de los tipos de eventos que esté grabando. Por ejemplo, puedes hacer coincidir la actividad del usuario, como el porcentaje de vídeos que el usuario ha vistorelojtipos de eventos.

    Al configurar una solución, establece un valor específico como umbral para excluir los registros del entrenamiento. Por ejemplo, si sus datos EVENT_VALUE para eventos con un EVENT_TYPE derelojes el porcentaje de un vídeo que ha visto un usuario, si configuras el umbral del valor del evento en 0,5 y el tipo de evento enreloj, Amazon Personalize entrena el modelo utilizando únicamenterelojeventos de interacción con un EVENT_VALUE superior o igual a 0.5.

Metadatos contextuales

Con determinadas recetas y casos de uso de recomendaciones, Amazon Personalize puede utilizar metadatos contextuales para identificar los patrones subyacentes que revelan los elementos más relevantes para los usuarios. Los metadatos contextuales son datos de interacciones que se recopilan en el entorno del usuario en el momento de un evento, como su ubicación o el tipo de dispositivo.

La inclusión de metadatos contextuales permite ofrecer una experiencia más personalizada a los usuarios existentes. Por ejemplo, si los clientes compran de forma diferente cuando acceden a tu catálogo desde un teléfono que desde un ordenador, incluye metadatos contextuales sobre el dispositivo del usuario. De este modo, las recomendaciones serán más relevantes en función de cómo estén navegando.

Además, los metadatos contextuales ayudan a reducir la fase de inicio en frío para los usuarios nuevos o no identificados. La fase de inicio en frío se refiere al período en el que el motor de recomendaciones proporciona recomendaciones menos relevantes debido a la falta de información histórica sobre ese usuario.

Para los grupos de conjuntos de datos de dominio, los siguientes casos de uso del recomendador pueden utilizar metadatos contextuales:

• Recomendado para ti(dominio de comercio electrónico)

• Las mejores opciones para ti(dominio VIDEO_ON_DEMAND)

Para los recursos personalizados, las recetas que utilizan metadatos contextuales incluyen lo siguiente:

• Personalización del usuario

• Clasificación personalizada

Para obtener más información sobre la información contextual, consulte lo siguienteAWSPublicación en el blog sobre aprendizaje automático:Aumentar la relevancia de sus recomendaciones de Amazon Personalize mediante el aprovechamiento de la información contextual.

Datos de impresiones

Si crea un grupo de conjuntos de datos de dominio para el dominio VIDEO_ON_DEMAND o ECOMMERCE, o utiliza elPersonalización del usuarioreceta, Amazon Personalize puede modelar los datos de impresiones que subes a un conjunto de datos de Interactions. Las impresiones son listas de elementos que un usuario podía ver cuando interactuaba con un elemento determinado (por ejemplo, hacía clic o miraba).

Amazon Personalize utiliza los datos de impresiones para determinar qué elementos incluir en la exploración. Con la exploración, las recomendaciones incluyen algunos elementos que normalmente tienen menos probabilidades de recomendarse al usuario, como elementos nuevos, elementos con pocas interacciones o elementos menos relevantes para el usuario en función de su comportamiento anterior. Cuanto más a menudo aparezca un artículo en los datos de impresiones, es menos probable que Amazon Personalize lo incluya en la exploración. Los valores de impresión pueden tener 1000 caracteres como máximo (incluido el carácter de la barra vertical).

Para obtener más información sobre la exploración, consulteExploration (Exploración). Amazon Personalize puede modelar dos tipos de impresiones:Impresiones implícitasyImpresiones explícitas.

Impresiones implícitas

Impresiones implícitasson las recomendaciones, recuperadas de Amazon Personalize, que se muestran al usuario. Puede integrarlos en su flujo de trabajo de recomendaciones al incluir elRecommendationId(devuelto por elGetRecommendationsyGetPersonalizedRankingoperaciones) como insumo para el futuroPutEventssolicitudes. Amazon Personalize obtiene las impresiones implícitas en función de los datos de sus recomendaciones.

Por ejemplo, puede que tengas una aplicación que ofrezca recomendaciones para la transmisión de vídeo. Su flujo de trabajo de recomendaciones con impresiones implícitas podría ser el siguiente:

1. Solicitas recomendaciones en vídeo para uno de tus usuarios que utiliza Amazon PersonalizeGetRecommendationsFuncionamiento de la API.

2. Amazon Personalize genera recomendaciones para el usuario que utiliza su modelo (versión de la solución) y las devuelve con unrecommendationIden la respuesta de la API.

3. Las recomendaciones de vídeo se muestran al usuario en la aplicación.

4. Cuando el usuario interactúe con un vídeo (por ejemplo, haga clic en él), grabe la elección en una llamada alPutEventsAPI e incluyerecommendationIdcomo parámetro. Para ver un ejemplo de código, consulteGrabación de datos de impresiones.

5. Amazon Personalize utiliza elrecommendationIdpara obtener los datos de impresión de las recomendaciones de vídeo anteriores y, a continuación, utiliza los datos de impresión para guiar la exploración, donde las recomendaciones futuras incluyen vídeos nuevos con menos interacciones, datos o relevancia.

   Para obtener más información sobre el registro de eventos con datos de impresión implícitos, consulteGrabación de datos de impresiones.

Impresiones explícitas

Impresiones explícitasson impresiones que grabas y envías manualmente a Amazon Personalize. Utilice impresiones explícitas para manipular los resultados de Amazon Personalize. El orden de los artículos no tiene ningún impacto.

Por ejemplo, podrías tener una aplicación de compras que ofrezca recomendaciones de calzado. Si solo recomiendas zapatos que estén actualmente en stock, puedes especificar estos artículos mediante impresiones explícitas. Su flujo de trabajo de recomendaciones con impresiones explícitas podría ser el siguiente:

1. Solicitas recomendaciones para uno de tus usuarios que utiliza Amazon PersonalizeGetRecommendationsAPI.

2. Amazon Personalize genera recomendaciones para el usuario que utiliza su modelo (versión de la solución) y las devuelve en la respuesta de la API.

3. Le muestras al usuario solo los zapatos recomendados que están en stock.

4. Para importar datos incrementales en tiempo real, cuando el usuario interactúa con un par de zapatos (por ejemplo, hace clic), graba la elección en una llamada alPutEventsUtilice la API y enumere los artículos recomendados que están en stock enimpressionparámetro. Para ver un ejemplo de código, consulteGrabación de datos de impresiones.

   Para importar impresiones en los datos de interacciones históricas, puedes enumerar las impresiones explícitas en tu archivo csv y separar cada elemento con un carácter «|». El carácter de la barra vertical cuenta para alcanzar el límite de 1000 caracteres. Para ver un ejemplo, consulte Formatear impresiones explícitas.

5. Amazon Personalize utiliza los datos de impresión para guiar la exploración, donde las recomendaciones futuras incluyen zapatos nuevos con menos interacciones, datos o relevancia.