Préparation à l’utilisation d’un modèle de recommandation avec Amazon Pinpoint

Pour utiliser Amazon Pinpoint, un modèle de recommandation doit être déployé en tant que campagne Amazon Personalize. De plus, certains rôles et certaines politiques AWS Identity and Access Management (IAM) doivent être en place. Si vous souhaitez améliorer les recommandations que le modèle envoie à Amazon Pinpoint, une fonction AWS Lambda doit également être en place pour traiter les recommandations.

Avant de configurer un modèle de recommandation dans Amazon Pinpoint, collaborez avec vos équipes chargées de la science des données et vos équipes de développement pour concevoir et créer ces ressources. Collaborez également avec ces équipes pour vous assurer que le modèle répond à certaines exigences techniques nécessaires pour utiliser Amazon Pinpoint. Après avoir créé ces ressources, collaborez avec votre administrateur pour vous assurer que vous pouvez y accéder, ainsi qu’Amazon Pinpoint. Lorsque vous effectuez ces étapes, collectez les informations nécessaires pour configurer le modèle dans Amazon Pinpoint.

Campagnes Amazon Personalize

Amazon Personalize est un service AWS conçu pour vous aider à créer des modèles de machine learning fournissant des recommandations personnalisées en temps réel aux clients qui utilisent vos applications. Amazon Personalize vous guide tout au long du processus de création et d’entraînement d’un modèle de machine learning, principalement en utilisant une combinaison de données et d’une recette. Une recette est un algorithme configuré pour prendre en charge un cas d'utilisation spécifique, tel que la prédiction d'éléments qu'une personne appréciera et avec lesquels elle interagira.

Cette combinaison de données et d'une recette est appelée une solution. Une fois qu'une solution est entraînée, elle devient une version de la solution. La version de la solution est ensuite testée, affinée et préparée afin d'être utilisée. Lorsqu’une version de solution est prête à l’emploi, elle est déployée en tant que campagne Amazon Personalize. La campagne est ensuite utilisée pour fournir des recommandations personnalisées en temps réel. Pour en savoir plus sur Amazon Personalize, consultez le Guide du développeur Amazon Personalize.

Pour qu’Amazon Pinpoint récupère les recommandations d’une campagne Amazon Personalize, la campagne et ses composants doivent répondre aux exigences suivantes :

• La recette doit être une recette USER_PERSONALIZATION. Elle peut utiliser tous les paramètres d'algorithme pris en charge (hyperparamètres) pour ce type de recette. Pour plus d’informations sur ce type de recette, consultez Utilisation de recettes prédéfinies dans le Guide du développeur Amazon Personalize.

• La solution doit être formée à l’aide d’ID d’utilisateur qui peuvent être corrélés aux ID de point de terminaison ou aux ID d’utilisateur dans les projets Amazon Pinpoint. Amazon Pinpoint utilise le champ userId d’Amazon Personalize pour corréler les données entre les utilisateurs d’Amazon Personalize et les points de terminaison ou les utilisateurs des projets Amazon Pinpoint.

• La solution doit prendre en charge l’utilisation de l’opération GetRecommendations de l’API d’exécution Amazon Personalize.

• La campagne doit utiliser la version de la solution à partir de laquelle vous souhaitez récupérer les recommandations.

• La campagne doit être déployée et avoir le statut actif.

• La campagne doit être menée dans la même région AWS que les projets Amazon Pinpoint qui utiliseront ses recommandations. Sinon, Amazon Pinpoint ne sera pas en mesure de récupérer les recommandations de la campagne, ce qui pourrait entraîner l’échec d’une campagne Amazon Pinpoint ou d’une activité de parcours.

En plus de ces exigences, nous vous recommandons de configurer la campagne afin qu'elle prenne en charge au moins 20 transactions provisionnées par seconde.

Lorsque vous travaillez avec votre équipe pour mettre en œuvre une campagne Amazon Personalize répondant aux exigences précédentes, assurez-vous également de répondre aux questions suivantes :

Quelle campagne ?

Pour configurer le modèle dans Amazon Pinpoint, vous devez connaître le nom de la campagne Amazon Personalize à partir de laquelle récupérer les recommandations. Ultérieurement, si vous collaborez avec votre administrateur pour configurer manuellement l'accès à la campagne, vous devrez également connaître l'Amazon Resource Name (ARN) de la campagne.

Quel type d'ID ?

Lorsque vous configurez le modèle dans Amazon Pinpoint, vous choisissez d’associer des utilisateurs de la campagne Amazon Personalize à des points de terminaison ou à des utilisateurs dans vos projets Amazon Pinpoint. Cela permet au modèle de fournir des recommandations qui sont vraiment spécifiques à un destinataire de message particulier.

Dans une campagne Amazon Personalize, chaque utilisateur a un ID utilisateur (userId ou USER_ID, selon le contexte). Il s'agit d'une séquence de caractères qui identifie de manière unique un utilisateur particulier dans la campagne. Dans un projet Amazon Pinpoint, le destinataire d’un message peut avoir deux types d’ID :

• ID du point de terminaison : il s’agit d’une séquence de caractères qui identifie de manière unique une destination à laquelle vous pouvez envoyer des messages, telle qu’une adresse e-mail, un numéro de téléphone portable ou un appareil mobile.

• ID utilisateur : il s’agit d’une séquence de caractères qui identifie de manière unique un utilisateur particulier. Chaque utilisateur peut être associé à un ou plusieurs points de terminaison. Par exemple, si vous communiquez avec un utilisateur par e-mail, SMS ou via une application mobile, l’utilisateur peut être associé à trois points de terminaison : un pour son adresse e-mail, un autre pour son numéro de téléphone portable et un autre pour son appareil mobile.

Lorsque vous choisissez le type d’ID Amazon Pinpoint à associer aux ID utilisateur Amazon Personalize, choisissez le type que vous utilisez le plus systématiquement dans vos projets Amazon Pinpoint. Si vous ou votre application n’avez pas affecté d’ID à un point de terminaison ou à un utilisateur, Amazon Pinpoint ne peut pas récupérer les recommandations pour le point de terminaison ou l’utilisateur. Cela peut empêcher Amazon Pinpoint d’envoyer des messages au point de terminaison ou à l’utilisateur. Ou cela peut conduire Amazon Pinpoint à envoyer des messages qui s’affichent de manière inattendue ou indésirable.

Combien de recommandations ?

Chaque fois qu’Amazon Pinpoint récupère des recommandations, Amazon Personalize renvoie une liste ordonnée de recommandations pour chaque destinataire d’un message. Vous pouvez configurer Amazon Pinpoint afin de récupérer entre 1 et 5 de ces recommandations pour chaque destinataire. Si vous choisissez une recommandation, Amazon Pinpoint récupère uniquement le premier élément de la liste pour chaque destinataire : par exemple, le film le plus recommandé pour un destinataire. Si vous choisissez deux recommandations, le premier et le deuxième élément de la liste sont extraits de la liste pour chaque destinataire, par exemple les deux meilleurs films recommandés pour un destinataire. Etc.

Votre choix pour ce paramètre dépend avant tout de vos objectifs pour les messages qui incluent des recommandations du modèle. Cependant, il peut également dépendre de la façon dont votre équipe a conçu la solution et de la façon dont votre équipe évalue les performances de la solution. C'est la raison pour laquelle vous devez collaborer avec votre équipe pour vous assurer de choisir un numéro approprié pour ce paramètre.

Que contient une recommandation ?

Lorsqu’Amazon Pinpoint récupère des recommandations, Amazon Personalize renvoie une liste ordonnée de 1 à 5 éléments recommandés, en fonction du nombre de recommandations que vous choisissez de récupérer pour chaque destinataire du message. Chaque élément se compose uniquement de texte, tel qu'un ID de produit ou un titre de film. Cependant, la nature et le contenu de ces éléments peuvent varier d’une campagne Amazon Personalize à une autre, en fonction de la conception de la solution sous-jacente et de la campagne.

Il est donc judicieux de demander à votre équipe le contenu que la campagne fournit pour les articles recommandés. La réponse aura probablement une incidence sur la façon dont vous concevez des messages qui utilisent les recommandations de la campagne. Si vous souhaitez améliorer le contenu fourni par la campagne, vous pouvez également choisir d'implémenter une fonction AWS Lambda capable d'effectuer cette tâche.

Rôles et stratégies AWS Identity and Access Management

AWS Identity and Access Management (IAM) est un service AWS qui aide les administrateurs à contrôler l’accès aux ressources AWS. Pour en savoir plus sur IAM et son fonctionnement avec Amazon Pinpoint, consultez Gestion des identités et des accès pour Amazon Pinpoint dans le Guide du développeur Amazon Pinpoint.

Lorsque vous configurez un modèle de recommandation dans Amazon Pinpoint, vous spécifiez la campagne Amazon Personalize à partir de laquelle vous souhaitez récupérer les recommandations. Pour choisir la campagne, votre administrateur doit d'abord vous autoriser à afficher les campagnes du compte AWS de votre organisation. Sinon, la campagne n'apparaîtra pas dans la liste des campagnes que vous pouvez choisir. Si la campagne ne figure pas dans la liste, demandez à votre administrateur de vous fournir cet accès.

De plus, vous ou votre administrateur pouvez créer un rôle et une politique IAM permettant à Amazon Pinpoint de récupérer des recommandations des campagnes Amazon Personalize. Lorsque vous configurez un modèle de recommandation, vous pouvez décider qu’Amazon Pinpoint crée ce rôle et cette politique automatiquement pour vous. Par ailleurs, vous ou votre administrateur pouvez aussi créer ce rôle et cette politique manuellement, avant de configurer le modèle de recommandation dans Amazon Pinpoint. Pour savoir comment procéder, consultez Rôle IAM pour l’extraction des recommandations dans le Guide du développeur Amazon Pinpoint.

Fonctions AWS Lambda

Pour certains modèles, vous pouvez améliorer les recommandations qu’Amazon Pinpoint reçoit d’Amazon Personalize. Par exemple, au lieu d'inclure une seule valeur recommandée (par exemple, un nom de produit) dans les messages, vous pouvez choisir d'inclure du contenu supplémentaire (tel que le nom, la description et l'image d'un produit) dans les messages. Pour cela, vous pouvez collaborer avec votre équipe pour concevoir et créer une fonction AWS Lambda qui transforme les données de recommandation en contenu souhaité.

AWS Lambda est un service AWS conçu pour aider les utilisateurs à exécuter du code sans mettre en service ou gérer des serveurs. Votre équipe ou vous-même développez et intégrez le code, et le téléchargez dans AWS Lambda en tant que fonction Lambda. AWS Lambda exécute ensuite la fonction chaque fois qu’elle est appelée par une application ou un service, tel qu’Amazon Pinpoint. Pour en savoir plus sur AWS Lambda, consultez le Guide du développeur AWS Lambda.

Lorsque vous configurez un modèle de recommandation dans Amazon Pinpoint, vous spécifiez la manière dont vous souhaitez qu’Amazon Pinpoint traite les recommandations reçues. Pour cela, vous pouvez utiliser une fonction Lambda. Si vous souhaitez utiliser une fonction Lambda, collaborez avec votre équipe pour :

• définir ce que fait la fonction ;

• définir les attributs recommandés personnalisés que la fonction doit utiliser lorsqu'elle traite les recommandations. Il s'agit notamment du nombre d'attributs, ainsi que du nom et de l'usage de chacun. Une fonction Lambda peut utiliser jusqu’à 10 attributs personnalisés pour chaque destinataire de message. Vous devez entrer des informations sur ces attributs lorsque vous configurez le modèle de recommandation dans Amazon Pinpoint.

• Assurez-vous que la fonction est hébergée dans la même région AWS que les projets Amazon Pinpoint qui l’utiliseront. Sinon, Amazon Pinpoint ne sera pas en mesure d’envoyer les données des recommandations à la fonction, ce qui pourrait entraîner l’échec d’une campagne Amazon Pinpoint ou d’une activité de parcours.

Enfin, collaborez avec votre administrateur pour créer une stratégie qui autorise Amazon Pinpoint à invoquer la fonction Lambda chaque fois que le service envoie des messages contenant des recommandations du modèle.

Pour des informations détaillées sur l’utilisation d’une fonction Lambda pour traiter les recommandations, consultez Personnaliser les recommandations avec AWS Lambda dans le Guide du développeur Amazon Pinpoint.