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.
A medida que los clientes interactúan con las recomendaciones, puede medir cómo lo ayudan las recomendaciones de Amazon Personalize a alcanzar los objetivos. Puede identificar qué campañas y recomendadores tienen el mayor impacto en las métricas de rendimiento clave. Por ejemplo, puede identificar qué recurso genera el máximo de minutos de visualización, clics o compras. Además, puedes comparar el rendimiento de las recomendaciones de Amazon Personalize con las generadas por servicios de terceros.
Cuando sepa qué campaña o qué recomendador genera el mayor impacto, podrá tomar medidas para aprovechar aún más las recomendaciones. Por ejemplo, puede aumentar la visibilidad de las recomendaciones en el sitio para generar más interacciones. O puede incluir las recomendaciones en una campaña de marketing, como correos electrónicos personalizados o anuncios segmentados.
Si identifica un recurso que no tiene el impacto esperado, puede tomar medidas para mejorar las recomendaciones. Por ejemplo, puede usar la consola de Amazon Personalize para analizar los datos de entrenamiento utilizados para crear el recurso, realizar las mejoras de datos recomendadas y, a continuación, volver a importar los datos. Para obtener más información sobre el análisis de datos, consulte Análisis de la calidad y la cantidad de datos en los conjuntos de datos de Amazon Personalize.
Lo siguiente puede ayudarte a medir el impacto de las recomendaciones:
-
Atribución de métricas: una atribución de métricas de Amazon Personalize crea informes basados en las métricas que especifique y en los datos e interacciones de elementos que importe. Por ejemplo, la duración total de las películas vistas por los usuarios o el número total de eventos de clic. Tras crear una atribución de métricas, Amazon Personalize envía automáticamente las métricas sobre los eventos de la operación de la PutEvents API y los datos incrementales masivos a Amazon CloudWatch. Para los datos masivos, puede optar por publicar informes en un bucket de Amazon S3.
-
Pruebas A/B: la realización de pruebas A/B con las recomendaciones de Amazon Personalize implica mostrar diferentes tipos de recomendaciones a distintos grupos de usuarios y comparar los resultados. Puede utilizar las pruebas A/B para comparar y evaluar diferentes estrategias de recomendaciones, evaluar el rendimiento de los modelos y medir el impacto de las recomendaciones.
Temas
