Mantenimiento de la relevancia de las recomendaciones - Amazon Personalize

Mantenimiento de la relevancia de las recomendaciones

Las recomendaciones relevantes pueden aumentar la captación de usuarios, la tasa de clics y la tasa de conversión para su aplicación a medida que crece su catálogo. Para mantener y mejorar la relevancia de las recomendaciones de Amazon Personalize para sus usuarios, mantenga actualizados sus datos y recursos personalizados. Esto permite a Amazon Personalize aprender del comportamiento más reciente de su usuario e incluir sus elementos más recientes en las recomendaciones.

Mantener actualizados los conjuntos de datos

A medida que su catálogo crezca, actualice sus datos históricos con operaciones de importación de datos masivos o individuales. Para obtener más información acerca de la importación de datos históricos, consulte Paso 2: Preparación e importación de datos. Para obtener información acerca de cómo los datos que importa después del entrenamiento de un modelo influyen en las recomendaciones, consulte Influencia de los nuevos datos en las recomendaciones en tiempo real.

Para casos de uso y recetas que proporcionan recomendaciones en tiempo real personalizadas, mantenga su conjunto de datos de interacciones de elementos actualizado en relación con el comportamiento de sus usuarios. Para ello, registre las interacciones de elementos con un rastreador de eventos y la operación de la API PutEvents. Amazon Personalize actualiza las recomendaciones en función de la actividad más reciente de su usuario a medida que interactúa con el catálogo. Para obtener información sobre la personalización en tiempo real, consulte Personalización en tiempo real. Para obtener más información sobre el registro de eventos en tiempo real, consulte Registro de eventos.

Mantenimiento de los generadores de recomendaciones de dominios

Amazon Personalize vuelve a entrenar automáticamente los modelos que respaldan sus generadores de recomendaciones cada 7 días. Se trata de un reentrenamiento completo que crea modelos completamente nuevos basados en la totalidad de los datos de sus conjuntos de datos. Si modifica las columnas utilizadas en el entrenamiento, Amazon Personalize inicia automáticamente un reentrenamiento completo de los modelos que respaldan al recomendador.

  • Para los casos de uso Mejores opciones y Recomendaciones, Amazon Personalize actualiza su generador de recomendaciones para considerar nuevos elementos para recomendaciones. Las actualizaciones automáticas no son un reentrenamiento completo en el que el modelo aprende del comportamiento de sus usuarios. En cambio, las actualizaciones automáticas permiten a Amazon Personalize incluir sus nuevos elementos en las recomendaciones antes del siguiente reentrenamiento completo del recomendador. Para obtener más información acerca de las actualizaciones automáticas, consulte Actualizaciones automáticas.

  • SI usa el caso de uso Tendencia ahora, Amazon Personalize evalúa automáticamente los datos de sus interacciones cada dos hora e identifica los elementos que son tendencia. No es necesario que espere al reentrenamiento de su recomendador.

Mientras el reentrenamiento del recomendador esté en curso, podrá seguir recibiendo recomendaciones de él. Hasta que se complete el reentrenamiento, el recomendador utilizará la configuración y los modelos anteriores. Para realizar un seguimiento de las actualizaciones, puede ver la marca temporal de la última actualización del recomendador en la página Detalles del generador de recomendaciones en la consola de Amazon Personalize. O bien, puede ver los detalles de latestRecommenderUpdate de la operación DescribeRecommender.

Mantenimiento de soluciones personalizadas

Mantenga sus soluciones personalizadas reentrenando periódicamente. Cree una nueva versión de la solución (reentrene el modelo) para incluir nuevos elementos en las recomendaciones y actualice el modelo con el comportamiento más reciente del usuario.

Su frecuencia de reentrenamiento depende de su requisitos empresariales y de la receta que utilice. Para todas las recetas, recomendamos crear una nueva versión de la solución al menos una vez por semana. Esto crea un modelo completamente nuevo basado en la totalidad de los datos de entrenamiento de los conjuntos de datos de su grupo de conjuntos de datos. Para User-Personalization, debe establecer trainingMode en FULL para un reentrenamiento completo.

Si añade a menudo nuevos elementos, es posible que tenga que reentrenar con mayor frecuencia, según la receta:

  • Si no utiliza una receta con actualizaciones automáticas (como User-Personalization o Next-Best-Action) o la receta Trending-Now, debe crear una nueva versión de la solución para que Amazon Personalize considere los nuevos elementos para las recomendaciones.

  • Si utiliza User-Personalization o Next-Best-Action, Amazon Personalize actualiza automáticamente la última versión de la solución completamente entrenada para tener en cuenta nuevos elementos para las recomendaciones.

    Las actualizaciones automáticas no son un reentrenamiento completo en el que el modelo aprende del comportamiento de sus usuarios. En cambio, las actualizaciones automáticas permiten a Amazon Personalize incluir sus nuevos elementos en las recomendaciones antes del siguiente reentrenamiento completo.

    Aun así, debería preparar una nueva versión de la solución semanalmente con trainingMode establecido en FULL. Si cada dos horas no es una frecuencia suficiente, puede crear manualmente una versión de la solución con trainingMode establecido en UPDATE para considerar esos nuevos elementos para recomendaciones. Recuerde que Amazon Personalize actualiza automáticamente solo la versión más reciente de la solución completamente entrenada. La versión de la solución actualizada manualmente no se actualizará automáticamente en el futuro.

    Para obtener más información sobre las actualizaciones automáticas, incluidas las directrices y los requisitos adicionales, consulte Actualizaciones automáticas.

  • Si usa Trending-Now, Amazon Personalize identifica automáticamente los elementos más populares en sus datos de interacciones durante un intervalo de tiempo configurable. No es necesario crear manualmente una nueva versión de la solución para que Trending-Now tenga en cuenta nuevos elementos a partir de interacciones masivas o incrementales desde el último entrenamiento. Para obtener más información, consulte Receta Trending-Now.

Para obtener información sobre cómo crear una nueva versión de la solución, consulte Creación de una versión de solución.. Tras crear una nueva versión de la solución, debe actualizar la campaña para implementarla. Para obtener más información, consulte Actualización de una campaña.

Puede automatizar y programar las tareas de reentrenamiento e importación de datos con Mantenimiento de experiencias personalizadas con machine learning, una implementación de soluciones de AWS que automatiza el flujo de trabajo de Amazon Personalize, como la importación de datos, el entrenamiento de versiones de soluciones y flujos de trabajo por lotes. Para obtener más información, consulte Mantenimiento de experiencias personalizadas con machine learning.