Grabación de eventos en tiempo real para influir en las recomendaciones - 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.

Grabación de eventos en tiempo real para influir en las recomendaciones

Un evento es una interacción entre un usuario y el catálogo. Puede ser una interacción con un artículo, como cuando un usuario compra un artículo o ve un vídeo, o puede consistir en realizar una acción, como solicitar una tarjeta de crédito o inscribirse en un programa de membresía.

Amazon Personalize puede hacer recomendaciones basadas únicamente en datos de eventos en tiempo real, únicamente en datos históricos de eventos o en una combinación de ambos. Registre los eventos en tiempo real a medida que sus clientes interactúan con las recomendaciones. De esta forma, se construyen los datos de las interacciones y se mantienen actualizados. Además, se informa a Amazon Personalize sobre los intereses actuales del usuario, lo que puede mejorar la relevancia de las recomendaciones.

Si el caso de uso o la receta personalizada de su dominio admiten la personalización en tiempo real, Amazon Personalize utiliza eventos en tiempo real para actualizar y adaptar las recomendaciones según los intereses cambiantes del usuario.

La forma de registrar los eventos en tiempo real depende del tipo de datos de interacciones que importe:

Influencia de los eventos en tiempo real en las recomendaciones

Si su receta admite la personalización en tiempo real, después de crear un recomendador o una campaña personalizada, Amazon Personalize utiliza los nuevos datos de eventos registrados para los elementos o acciones existentes segundos después de la importación. Los siguientes casos de uso y recetas permiten la personalización en tiempo real:

Si utiliza la receta Trending-Now, Amazon Personalize tiene en cuenta automáticamente los elementos de los datos de nuevos eventos en intervalos configurables. No tiene que crear una nueva versión de la solución. Para obtener más información, consulte Receta Trending-Now.

Si el elemento, la acción o el usuario del evento es nuevo, la forma en que Amazon Personalize utilice los datos dependerá de su caso de uso o receta. Para obtener más información, consulte Actualización de datos en conjuntos de datos después del entrenamiento.

Registro de eventos para usuarios anónimos

importante

Si no registra al menos un evento con un usuario sessionId y userId para un usuario, Amazon Personalize no utilizará la actividad rastreada únicamente hasta sessionId durante el entrenamiento. Y una vez finalizado el entrenamiento, las recomendaciones ya no se basarán en la actividad rastreada hasta sessionId.

Puede registrar eventos de interacción de elementos o de acciones para los usuarios antes de que creen una cuenta. Registre eventos para usuarios anónimos para crear un historial de eventos continuo con eventos anteriores y posteriores al inicio de sesión. Esto proporciona a Amazon Personalize más datos de interacciones sobre el usuario, lo que puede ayudar a generar recomendaciones más relevantes.

Para registrar eventos para usuarios anónimos (usuarios que no han iniciado sesión), especifique solo sessionId para cada evento. La aplicación genera un sessionId único cuando un usuario visita por primera vez su sitio web o utiliza su aplicación. Debe usar el mismo sessionId en todos los eventos de la sesión. Amazon Personalize usa el sessionId para asociar eventos con el usuario antes de que inicie sesión.

Amazon Personalize no utiliza eventos de usuarios anónimos durante el entrenamiento hasta que los asocie a userId. Para obtener más información, consulte Creación de un historial de eventos continuo para usuarios anónimos.

Para ofrecer una personalización en tiempo real a los usuarios anónimos, especifícala sessionId como la que aparece userId en tu solicitudGetRecommendations. GetActionRecommendations

Creación de un historial de eventos continuo para usuarios anónimos

Para crear un historial de eventos para un usuario anónimo y hacer que Amazon Personalize utilice sus eventos durante el entrenamiento, registre al menos un evento con sessionId y userId. A continuación, puede registrar cualquier número de eventos para userId. Después de comenzar a proporcionar userId, sessionId puede cambiar. Durante el siguiente reentrenamiento completo, Amazon Personalize asocia userId con el historial de usuarios anónimos rastreado al sessionId original.

Una vez finalizado el reentrenamiento, las recomendaciones se basarán en la actividad rastreada tanto de sessionId de los eventos anónimos como de cualquier evento rastreado hasta su userId.

nota

Si el usuario no ha creado una cuenta y quiere que Amazon Personalize utilice los datos durante el entrenamiento, puede utilizar sessionId como userId en los eventos. Sin embargo, si el usuario finalmente crea una cuenta, no podrá asociar los eventos de su navegación anónima con el nuevo userId.

Servicios de seguimiento de eventos de terceros

Las siguientes plataformas de datos de clientes (CDPs) pueden ayudarle a recopilar datos de eventos de su solicitud y enviarlos a Amazon Personalize.

Implementaciones de ejemplo

Para ver un ejemplo de bloc de notas de Jupyter que muestra cómo utilizar Amazon Personalize para reaccionar ante el comportamiento en tiempo real de los usuarios que utilizan un rastreador de eventos y la PutEvents operación, consulte 2.view_Campaign_and_Interactions.ipynb en la carpeta getting_started del repositorio. amazon-personalize-samples GitHub

Para ver un ejemplo que muestre cómo transmitir eventos de usuarios que interactúan con las recomendaciones, consulte streaming_events en el repositorio de muestras de Amazon Personalize. GitHub

Para ver un ejemplo completo que contiene el código fuente y los archivos auxiliares para la implementación en tiempo real APIs que se encuentran entre los recursos de Amazon Personalize y las aplicaciones cliente, consulte Personalización APIs en tiempo real en AWS GitHub repositorio de muestras. Este proyecto incluye cómo implementar lo siguiente:

  • Contexto de usuario y recopilación de eventos de usuario

  • Almacenamiento en caché de respuestas

  • Recomendaciones de decoración basadas en los metadatos de los elementos

  • Pruebas A/B

  • APIautenticación