Elección de una receta

Al crear una solución personalizada, especifique una receta y configure los parámetros de entrenamiento. Las recetas son algoritmos de Amazon Personalize preparados para casos de uso específicos. Amazon Personalize proporciona recetas, basadas en casos de uso comunes, para modelos de entrenamiento. Al crear una versión de solución para la solución, Amazon Personalize entrena los modelos que respaldan la versión de la solución en función de la receta y la configuración de entrenamiento.

Las recetas de Amazon Personalize utilizan lo siguiente durante el entrenamiento:

• Atributos predefinidos de los datos

• Transformaciones de características predefinidas

• Algoritmos predefinidos

• Ajustes de parámetros iniciales para los algoritmos

Para optimizar el modelo, puede anular muchos de estos parámetros cuando cree una solución. Para obtener más información, consulte Hiperparámetros y HPO.

Temas

• Tipos de recetas por caso de uso de Amazon Personalize
• Recetas de Amazon Personalize
• Visualización de las recetas de Amazon Personalize disponibles
• USER_PERSONALIZATION
• POPULAR_ITEMS
• PERSONALIZED_RANKING
• RELATED_ITEMS
• PERSONALIZED_ACTIONS
• SEGMENTACIÓN DE USUARIOS

Tipos de recetas por caso de uso de Amazon Personalize

Para elegir su receta, elija primero su caso de uso en la siguiente lista y tome nota del tipo de receta correspondiente.

• Recomendación de elementos para usuarios (recetas de USER_PERSONALIZATION)

  Para ofrecer recomendaciones personalizadas para sus usuarios, entrene su modelo con una receta de USER_PERSONALIZATION. Las recomendaciones personalizadas ayudan a impulsar una mejor participación y conversión.

• Clasificación de los elementos para un usuario (recetas PERSONALIZED_RANKING)

  Para personalizar el orden de las listas seleccionadas o los resultados de búsqueda para sus usuarios, entrene su modelo con una receta PERSONALIZED_RANKING. Las recetas PERSONALIZED_RANKING crean una lista personalizada al volver a clasificar una colección de elementos de entrada en función del nivel de interés previsto para un usuario determinado. Las listas personalizadas mejoran la experiencia del cliente y aumentan su fidelidad y compromiso.

• Recomendación de tendencias o elementos populares (recetas POPULAR_ITEMS)

  Para recomendar tendencias o elementos populares, use una receta POPULAR_ITEMS. Puede usar POPULAR_ITEMS si sus clientes le dan un gran valor al material con el que interactúan otros usuarios. Entre los usos habituales se incluyen la recomendación contenido viral en las redes sociales, elementos de noticias de última hora o vídeos deportivos recientes.

• Recomendación de elementos similares (recetas RELATED_ITEMS)

  Para recomendar elementos similares, como elementos que se compran juntos con frecuencia o películas que otros usuarios también han visto, debe usar una receta RELATED_ITEMS. La recomendación de elementos similares puede ayudar a sus clientes a descubrirlos y puede aumentar la tasa de conversión de los usuarios.

• Recomendación de la siguiente mejor acción (recetas PERSONALIZED_ACTIONS)

  Para recomendar a sus usuarios la siguiente mejor acción en tiempo real, como suscribirse a su programa de fidelización o solicitar una tarjeta de crédito, debe utilizar una receta PERSONALIZED_ACTIONS. Al recomendar la siguiente mejor acción, puede aumentar la fidelidad de los clientes, generar más ingresos y mejorar la experiencia de los usuarios.

• Obtención de segmentos de usuarios (recetas USER_SEGMENTATION)

  Para obtener segmentos de usuarios en función de los datos de entrada de los elementos, como los usuarios que probablemente interactúan con elementos con un atributo determinado, debe utilizar una receta USER_SEGMENTATION. Obtener segmentos de usuarios puede ayudarle a crear campañas de marketing avanzadas que promocionen diferentes elementos entre distintos segmentos de usuarios en función de la probabilidad de que estos lleven a cabo alguna acción.

Recetas de Amazon Personalize

Amazon Personalize ofrece los siguientes tipos de recetas. Además de las diferencias de comportamiento, cada tipo tiene requisitos distintos para obtener recomendaciones, tal y como se muestra en la siguiente tabla.

Tipo de receta	Recetas	API	Requisitos de API
USER_PERSONALIZATION	User-Personalization Receta HRNN (heredada) Receta HRNN-Metadata (heredada) Receta HRNN-ColdStart (heredada)	GetRecommendations	userId: obligatorio itemId: no se utiliza inputList: N/D
POPULAR_ITEMS	Trending-Now Popularity-Count	GetRecommendations	userId: obligatorio solo si aplica un filtro que lo requiera itemId: no se utiliza inputList: N/D
PERSONALIZED_RANKING	Personalized-Ranking	GetPersonalizedRanking	userId: obligatorio itemId: N/D inputList: lista de identificadores de elementos
RELATED_ITEMS	Similar-Items SIMS	GetRecommendations	userId: obligatorio solo si aplica un filtro que lo requiera itemId: obligatorio inputList: N/D
PERSONALIZED_ACTIONS	Next-Best-Action	GetActionRecommendations	userId: obligatorio actionId: no se utiliza itemId: no se utiliza inputList: N/D
SEGMENTACIÓN DE USUARIOS	Item-Affinity Item-Attribute-Affinity	CreateBatchSegmentJob	Para conocer los requisitos del flujo de trabajo por lotes, consulte Creación de un trabajo de segmento por lotes.

Visualización de las recetas de Amazon Personalize disponibles

Para ver una lista de las recetas disponibles:

• En la consola de Amazon Personalize, elija un grupo de conjuntos de datos. En el panel de navegación, elija Soluciones y recetas y haga clic en la pestaña Recetas.

• Con el AWS SDK for Python (Boto3), llame a la ListRecipes API.

• Con el AWS CLI, usa el siguiente comando.

  aws personalize list-recipes

Si desea obtener información sobre una receta mediante el SDK para Python (Boto3), llame a la API de DescribeRecipe. Para obtener información sobre una receta mediante el AWS CLI, utilice el siguiente comando.

aws personalize describe-recipe --recipe-arn recipe_arn