Datos de interacciones - Amazon Personalize

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Datos de interacciones

En Amazon Personalize, uninteracciónes uneventoque grabas y, a continuación, importas como datos de entrenamiento. Puede grabar varios tipos de eventos, comoclic,seguimientoocomo. Por ejemplo, si un usuarioclicsun artículo en particular y, a continuacióngustosel artículo y quieres que Amazon Personalize utilice estos eventos como datos de entrenamiento, para cada evento debes registrar el ID de usuario, el ID del artículo, la marca de tiempo (en formato de época de Unix) y el tipo de evento (clicycomo). A continuación, añadiría ambos eventos de interacción a un conjunto de datos de Interacciones. Una vez que haya registrado suficientes eventos, puede entrenar a un modelo y usar Amazon Personalize para generar recomendaciones para los usuarios. Para conocer los requisitos mínimos, consulteService Quotas .

Amazon Personalize almacena los datos de interacciones en unConjunto de datos de. Para todos los casos de uso (grupos de conjuntos de datos de dominio) y recetas (grupos de conjuntos de datos personalizados), los datos de interacciones deben tener lo siguiente:

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

  • Un mínimo de 25 ID de usuario únicos con al menos 2 interacciones para cada uno.

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

Datos de tipo y valor de evento

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

  • Si creas un grupo de conjuntos de datos de dominio para el dominio VIDEO_ON_DEMAND o ECOMMERCE, todos los casos de uso requieren que tus datos incluyan un campo EVENT_TYPE. Los diferentes casos de uso requieren diferentes tipos de eventos. Para obtener más información, consulteElegir casos de uso del recomendador.

    Con un grupo de conjuntos de datos de dominio, Amazon Personalize no utiliza datos de valores de eventos.

  • Si crea un grupo de conjuntos de datos personalizados, Amazon Personalize utiliza los datos del tipo de evento y el valor del evento para filtrar los eventos antes de la formación. 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:

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

      Por ejemplo, si sus datos incluyencomprar,clicyseguimientotipos de eventos y quieres que Amazon Personalize entrene al modelo con soloseguimientoeventos, incluiría el tipo de cada evento en una columna EVENT_TYPE. A continuación, cuando cree una solución, especifiqueseguimientocomo elevent typeque Amazon Personalize utiliza en la formación.

      Si el conjunto de datos de Interacciones tiene varios tipos de eventos en una columna EVENT_TYPE y no proporciona un tipo de evento al configurar la solución, Amazon Personalize utiliza todos los datos de interacciones para la formación con el mismo peso, independientemente del tipo.

    • Elija registros según el tipo y el valor: para elegir registros según el 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, puede hacer coincidir la actividad del usuario, como el porcentaje de vídeo que ha visto el usuarioseguimientotipos de eventos.

      Al configurar una solución, se establece un valor específico como umbral para excluir registros de la formación. Por ejemplo, si los datos EVENT_VALUE para eventos con un EVENT_TYPE deseguimientoes el porcentaje de un vídeo que ha visto un usuario, si establece el umbral del valor del evento en 0,5 y el tipo de evento enseguimiento, Amazon Personalize entrena el modelo utilizando soloseguimientoeventos de interacción con un EVENT_VALUE mayor o igual a 0,5.

Los metadatos contextuales

Con ciertos casos de uso de recetas y recomendaciones, Amazon Personalize puede usar metadatos contextuales para identificar patrones subyacentes que revelan los artículos más relevantes para sus 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 tipo de dispositivo.

La inclusión de metadatos contextuales le permite ofrecer una experiencia más personalizada a los usuarios existentes. Por ejemplo, si los clientes compran de forma diferente cuando acceden a su catálogo desde un teléfono en comparación con una computadora, incluya metadatos contextuales sobre el dispositivo del usuario. Las recomendaciones serán más relevantes en función de cómo estén navegando.

Además, los metadatos contextuales ayudan a disminuir la fase de arranque en frío para los usuarios nuevos o no identificados. La fase de arranque 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 de recomendadores pueden usar metadatos contextuales:

Para los grupos de conjuntos de datos personalizados y las soluciones personalizadas, las recetas que usan metadatos contextuales incluyen lo siguiente:

Para obtener más información acerca de la información contextual, consulte los siguientes temas:AWSPublicación del blog sobre Machine Learning: Aumentar la relevancia de sus recomendaciones de Amazon Personalize aprovechando 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 usa laPersonalización del usuario, Amazon Personalize puede modelar los datos de impresiones que se cargan en un conjunto de datos de Interacciones. Las impresiones son listas de elementos que estaban visibles para un usuario cuando interactuaba con un elemento determinado (por ejemplo, hacía clic o miraba).

Amazon Personalize utiliza los datos de impresiones para determinar qué artículos incluir en la exploración. Exploraciónes donde las recomendaciones incluyen nuevos elementos con menos datos de interacciones o relevancia. Cuanto más frecuente sea la aparición de un artículo en los datos de impresiones, menos probable es que Amazon Personalize lo incluya en la exploración. Los valores de impresión pueden tener como máximo 1000 caracteres (incluido el carácter de barra vertical).

Para obtener información acerca de los beneficios de la exploración, consultePersonalización del usuario. Amazon Personalize puede modelar dos tipos de impresiones:Impresiones implícitasyImpresiones explícitas.

Impresiones implícitas

Impresiones implícitasson las recomendaciones, recuperadas de Amazon Personalize, que le muestra al usuario. Puedes integrarlos en tu flujo de trabajo de recomendaciones si incluyes elRecommendationId(devuelto por elGetRecommendationsyGetPersonalizedRankingoperaciones) como insumo para el futurePutEventssolicita. Amazon Personalize obtiene las impresiones implícitas en función de los datos de sus recomendaciones.

Por ejemplo, es posible que tenga una aplicación que proporcione recomendaciones para la transmisión de video. El flujo de trabajo de recomendaciones que utiliza impresiones implícitas puede ser el siguiente:

  1. Solicita recomendaciones de vídeo para uno de sus usuarios mediante Amazon PersonalizeGetRecommendationsOperación 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 interactúa con un vídeo (por ejemplo, hace clic), grabe la elección en una llamada alPutEventsAPI e incluye larecommendationIdcomo parámetro. Para ver un ejemplo de código, consulteGrabación de datos de impresiones.

  5. Amazon Personalize utiliza larecommendationIdpara derivar los datos de impresiones de las recomendaciones de vídeo anteriores y, a continuación, utiliza los datos de impresiones para guiar la exploración, donde las recomendaciones future incluyen vídeos nuevos con menos datos de interacciones 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 registra y envía 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, es posible que tenga una aplicación de compras que proporcione recomendaciones de calzado. Si solo recomiendas zapatos que estén actualmente en stock, puedes especificar estos artículos mediante impresiones explícitas. El flujo de trabajo de recomendaciones que utiliza impresiones explícitas puede ser el siguiente:

  1. Solicita recomendaciones para uno de sus usuarios mediante 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. Usted muestra al usuario solo los zapatos recomendados que están en stock.

  4. Para la importación incremental de datos en tiempo real, cuando el usuario interactúa con un par de zapatos (por ejemplo, hace clic), se registra la elección en una llamada alPutEventsAPI y enumera los artículos recomendados que están en stock en laimpressionparámetro. Para ver un ejemplo de código, consulteGrabación de datos de impresiones.

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

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