Liste de contrôle de préparation

Après avoir examiné le fonctionnement d'Amazon Personalize et terminé l'exercice de démarrage, vous pouvez commencer à vous préparer à utiliser Amazon Personalize avec vos propres données. Cette liste de contrôle fournit des listes des fonctionnalités, des exigences et des instructions relatives aux données d'Amazon Personalize. Il peut vous aider à planifier, ou vous pouvez l'utiliser comme référence lorsque vous créez des ressources dans Amazon Personalize.

Avez-vous adapté vos cas d'utilisation aux ressources Amazon Personalize ?

Les recommandations d'Amazon Personalize peuvent répondre aux cas d'utilisation suivants :

• Génération de recommandations personnalisées pour un utilisateur

• Recommander des articles similaires ou connexes

• Recommander des articles tendance ou populaires

• Recommander les meilleures actions suivantes à un utilisateur

• Réorganisation par pertinence (uniquement avec des ressources personnalisées)

• Génération de segments d'utilisateurs (uniquement avec des ressources personnalisées)

Amazon Personalize propose des ressources basées sur le domaine et des ressources personnalisées configurées pour ces cas d'utilisation. Vous commencez par créer un groupe de jeux de données de domaine ou un groupe de jeux de données personnalisé :

• Avec un groupe de jeux de données de domaine, vous créez des ressources préconfigurées et optimisées pour les domaines VIDEO_ON_DEMAND ou ECOMMERCE.

  Si vous possédez une application de streaming vidéo ou de commerce électronique, nous vous recommandons de commencer par un groupe de jeux de données de domaine. Vous pouvez toujours ajouter des ressources personnalisées, telles que des solutions et des versions de solutions conçues pour des cas d'utilisation personnalisés. Et vous pouvez toujours utiliser des ressources personnalisées pour obtenir des recommandations par lots. Vous ne pouvez pas créer les meilleures ressources d'action suivantes, notamment les ensembles de données d'actions et d'interactions d'action, dans un groupe de jeux de données de domaine.

• Avec un groupe de jeux de données personnalisé, vous choisissez une recette qui correspond à votre cas d'utilisation. Vous formez et déployez ensuite uniquement des solutions et des versions de solutions configurables (modèles de recommandation Amazon Personalize entraînés). Lorsque vous êtes prêt, vous pouvez déployer la version de la solution dans le cadre d'une campagne pour obtenir des recommandations en temps réel. Vous pouvez également obtenir des recommandations par lots sans campagne.

  Si vous n'avez pas d'application de streaming vidéo ou de commerce électronique, nous vous recommandons de créer un groupe de jeux de données personnalisé. Sinon, commencez par un groupe de jeux de données de domaine et ajoutez des ressources personnalisées si nécessaire.

Pour plus d'informations sur les cas d'utilisation et les recettes personnalisées disponibles dans Amazon Personalize, consultezCas d'utilisation du domaine et recettes personnalisées.

Disposez-vous de suffisamment de données sur les interactions entre les articles ?

Pour tous les cas d'utilisation et toutes les recettes, vous devez avoir au moins 1 000 interactions avec des objets pour 25 utilisateurs uniques avec au moins deux interactions chacun. Pour des recommandations de qualité, nous vous recommandons d'avoir au moins 50 000 interactions entre articles provenant d'au moins 1 000 utilisateurs, avec au moins deux interactions avec des articles chacun.

Si vous n'êtes pas sûr de disposer de suffisamment de données, vous pouvez les importer et les analyser à l'aide de la console Amazon Personalize. Pour plus d’informations, consultez Analyse de la qualité et de la quantité de données dans les ensembles de données.

Disposez-vous d'une architecture de diffusion d'événements en temps réel ?

Si vous ne disposez pas de suffisamment de données sur les interactions entre articles, vous pouvez utiliser Amazon Personalize pour collecter des données supplémentaires sur les événements en temps réel. À l'aide de certaines recettes et de certains cas d'utilisation, Amazon Personalize peut tirer des leçons de l'activité la plus récente de vos utilisateurs et mettre à jour les recommandations lorsqu'ils utilisent votre application.

Pour plus d'informations sur l'enregistrement des événements, notamment l'impact des événements sur les recommandations, une liste de services tiers de suivi des événements et des exemples de mise en œuvre, consultezEnregistrement des événements en temps réel pour influencer les recommandations.

Vos données sont-elles optimisées pour Amazon Personalize ?

Nous vous recommandons de vérifier les informations suivantes dans vos données :

• Vérifiez les valeurs manquantes. Nous recommandons qu'au moins 70 % de vos enregistrements contiennent des données pour chaque attribut. Nous recommandons que les colonnes qui autorisent les valeurs nulles soient remplies à au moins 70 %.

• Corrigez les inexactitudes ou les problèmes liés à vos données, tels que des conventions de dénomination incohérentes, des catégories dupliquées pour un élément, des identifiants incompatibles entre les ensembles de données ou des identifiants dupliqués. Ces problèmes peuvent avoir un impact négatif sur les recommandations ou entraîner des comportements inattendus. Par exemple, vous pouvez avoir à la fois « N/A » et « Non applicable » dans vos données, mais filtrer les recommandations en fonction uniquement de « N/A ». Les éléments marqués « Non applicable » ne seraient pas supprimés par le filtre.

• Si un élément, un utilisateur ou une action peut comporter plusieurs catégories, comme un film comportant plusieurs genres, combinez les valeurs catégorielles dans un seul attribut et séparez chaque valeur par l'opérateur |. Par exemple, les données GENRES d'un film peuvent être Action | Aventure | Thriller.

• Évitez d'avoir plus de 1 000 catégories possibles pour une colonne (sauf si la colonne contient des données uniquement à des fins de filtrage).

Pour obtenir la liste complète des recommandations relatives aux données et des instructions sur la façon dont vous pouvez utiliser Amazon Personalize pour identifier les problèmes, consultezAnalyse de la qualité et de la quantité de données dans les ensembles de données.

Collectez-vous des données facultatives susceptibles d'améliorer les recommandations ?

Les données suivantes peuvent vous aider à améliorer la pertinence de vos recommandations.

• Type d'événement (obligatoire pour tous les cas d'utilisation de groupes de jeux de données de domaine)

• Valeur de l’événement

• Métadonnées contextuelles

• Métadonnées relatives aux articles et aux utilisateurs

• Données d'interaction entre les actions (utilisées uniquement par les recettes PERSONALIZED_ACTIONS)

Pour plus d'informations sur les types de données qu'Amazon Personalize peut utiliser, consultezTypes de données qu'Amazon Personalize peut utiliser.

Avez-vous un plan pour tester vos recommandations ?

Vous pouvez utiliser les tests A/B pour comparer les résultats de différents groupes d'utilisateurs interagissant avec les recommandations de différents modèles. Les tests A/B peuvent vous aider à comparer différentes stratégies de recommandation et à déterminer si les recommandations vous aident à atteindre vos objectifs commerciaux. Pour plus d’informations, consultez Mesurer l'impact des recommandations grâce aux tests A/B.

Avez-vous d'autres objectifs commerciaux ?

Dans certains cas, vous pouvez avoir des objectifs en plus de générer des recommandations pertinentes pour vos utilisateurs. Par exemple, vous souhaiterez peut-être maximiser vos revenus ou promouvoir certains types d'articles d'une certaine catégorie. Les fonctionnalités Amazon Personalize suivantes peuvent vous aider :

• Promotions : vous pouvez utiliser les promotions pour vous assurer qu'un certain pourcentage d'articles répond aux besoins de votre entreprise. Pour plus d’informations, consultez Promouvoir des articles dans les recommandations.

• Optimisation en fonction des objectifs commerciaux : pour certaines recettes de groupes de données personnalisés, vous pouvez optimiser une solution en fonction d'un objectif personnalisé, tel que la maximisation des minutes de diffusion ou l'augmentation des revenus. Pour plus d’informations, consultez Optimisation d'une solution pour un objectif supplémentaire.

• Recommandations de filtrage. Utilisez des filtres pour appliquer des règles métier aux recommandations. Vous pouvez utiliser des filtres pour inclure ou exclure certains types d'éléments des recommandations. Pour plus d'informations, voir Recommandations de filtrage et segments d'utilisateurs.