Choisir une recette

Lorsque vous créez une solution personnalisée, vous spécifiez une recette et configurez les paramètres d'entraînement. Les Recipes sont des algorithmes Amazon Personalize conçus pour des cas d'utilisation spécifiques. Amazon Personalize propose des recettes, basées sur des cas d'utilisation courants, pour les modèles de formation. Lorsque vous créez une version de solution pour la solution, Amazon Personalize entraîne les modèles qui soutiennent la version de la solution en fonction de la recette et de la configuration de formation.

Les recettes Amazon Personalize utilisent les éléments suivants pendant la formation :

• Attributs prédéfinis de vos données

• Transformations de fonction prédéfinies

• Algorithmes prédéfinis

• Réglage des paramètres initiaux des algorithmes

Pour optimiser votre modèle, vous pouvez remplacer bon nombre de ces paramètres lorsque vous créez une solution. Pour plus d’informations, consultez Hyperparamètres et HPO.

Rubriques

• Amazon Personalize les types de recettes par cas d'utilisation
• Amazon Personalize : recettes
• Afficher les recettes Amazon Personalize disponibles
• USER_PERSONALIZATION
• ARTICLES_POPULAIRES
• PERSONALIZED-RANKING
• RELATED_ITEMS
• ACTIONS_PERSONNALISÉES
• SEGMENTATION DES UTILISATEURS

Amazon Personalize les types de recettes par cas d'utilisation

Pour choisir votre recette, choisissez d'abord votre cas d'utilisation parmi les suivants et notez le type de recette correspondant.

• Recommander des articles aux utilisateurs (recettes USER_PERSONALIZATION)

  Pour fournir des recommandations personnalisées à vos utilisateurs, entraînez votre modèle à l'aide d'une recette USER_PERSONALIZATION. Les recommandations personnalisées contribuent à améliorer l'engagement et la conversion.

• Classement des objets pour un utilisateur (recettes PERSONALIZED_RANKING)

  Pour personnaliser l'ordre des listes sélectionnées ou des résultats de recherche pour vos utilisateurs, entraînez votre modèle à l'aide d'une recette PERSONALIZED_RANKING. Les recettes PERSONALIZED_RANKING créent une liste personnalisée en reclassant une collection d'éléments d'entrée en fonction du niveau d'intérêt prévu pour un utilisateur donné. Les listes personnalisées améliorent l'expérience client et renforcent la fidélité et l'engagement des clients.

• Recommandation d'articles tendance ou populaires (recettes POPULAR_ITEMS)

  Pour recommander des articles tendance ou populaires, utilisez une recette POPULAR_ITEMS. Vous pouvez utiliser un POPULAR_ITEMS si vos clients attachent une grande importance à ce avec quoi les autres utilisateurs interagissent. Les utilisations courantes incluent la recommandation de contenu viral sur les réseaux sociaux, d'articles de dernière minute ou de vidéos sportives récentes.

• Recommander des articles similaires (recettes RELATED_ITEMS)

  Pour recommander des articles similaires, tels que des articles fréquemment achetés ensemble ou des films que d'autres utilisateurs ont également regardés, vous devez utiliser une recette RELATED_ITEMS. La recommandation d'articles similaires peut aider vos clients à découvrir des articles et à augmenter le taux de conversion des utilisateurs.

• Recommander la meilleure action suivante (recettes PERSONALIZED_ACTIONS)

  Pour recommander la prochaine meilleure action à vos utilisateurs en temps réel, comme l'inscription à votre programme de fidélité ou la demande d'une carte de crédit, vous devez utiliser une recette PERSONALIZED_ACTIONS. En recommandant la meilleure action suivante, vous pouvez fidéliser vos clients, générer plus de revenus et améliorer l'expérience de vos utilisateurs.

• Obtenir des segments d'utilisateurs (recettes USER_SEGMENTATION)

  Pour obtenir des segments d'utilisateurs basés sur les données d'entrée des articles, tels que les utilisateurs susceptibles d'interagir avec des éléments dotés d'un certain attribut, vous devez utiliser une recette USER_SEGMENTATION. L'obtention de segments d'utilisateurs peut vous aider à créer des campagnes marketing avancées qui font la promotion de différents articles auprès de différents segments d'utilisateurs en fonction de la probabilité qu'ils entreprennent une action.

Amazon Personalize : recettes

Amazon Personalize propose les types de recettes suivants. Outre les différences comportementales, chaque type a des exigences spécifiques pour obtenir des recommandations, comme illustré dans le tableau suivant.

Type de recette	Recettes	API	Exigences relatives à l'API
USER_PERSONALIZATION	Personnalisation de l'utilisateur-v2 Personnalisation par l'utilisateur Recette HRNN (ancienne) Recette de métadonnées HRNN (ancienne) Recette HRNN-ColdStart (ancienne)	GetRecommendations	userId : Obligatoire itemId : Non utilisé inputList : ND
ARTICLES POPULAIRES	Tendance actuelle Comptage de popularité	GetRecommendations	userId: obligatoire uniquement si vous appliquez un filtre qui l'exige itemId : Non utilisé inputList : ND
PERSONALIZED-RANKING	Ranking-V2 personnalisé Personalized-Ranking	GetPersonalizedRanking	userId : Obligatoire itemId : ND inputList : Liste d’ID d’éléments
RELATED_ITEMS	Objets similaires SIMS	GetRecommendations	userId: obligatoire uniquement si vous appliquez un filtre qui l'exige itemId : Obligatoire inputList : ND
ACTIONS_PERSONNALISÉES	Meilleure action suivante	GetActionRecommendations	userId : Obligatoire actionId : Non utilisé itemId : Non utilisé inputList : ND
SEGMENTATION DES UTILISATEURS	Affinité entre les objets Affinité entre les attributs et les objets	CreateBatchSegmentJob	Pour les exigences relatives au flux de travail par lots, voirCréation d'une tâche de segmentation par lots.

Afficher les recettes Amazon Personalize disponibles

Pour afficher la liste des recettes disponibles :

• Dans la console Amazon Personalize, choisissez un groupe de jeux de données. Dans le volet de navigation, choisissez Solutions and recipes (Solutions et recettes), puis choisissez l'onglet Recipes (Recettes).

• Avec le AWS SDK for Python (Boto3), appelez l'ListRecipesAPI.

• À l'aide du AWS CLI, utilisez la commande suivante.

  aws personalize list-recipes

Pour obtenir des informations sur une recette utilisant le SDK pour Python (Boto3), appelez l'API. DescribeRecipe Pour obtenir des informations sur une recette à l'aide de AWS CLI, utilisez la commande suivante.

aws personalize describe-recipe --recipe-arn recipe_arn