Configuration d'un modèle de recommandation dans Amazon Pinpoint

Un modèle de recommandation est un type de modèle de machine learning (ML) conçu pour prédire ce qu'un utilisateur particulier préférera à partir d'un ensemble donné de produits ou d'articles. Il fournit ces informations sous la forme d'un ensemble de recommandations pour l'utilisateur. Dans Amazon Pinpoint, vous pouvez utiliser ces modèles pour envoyer des recommandations personnalisées aux destinataires de messages en fonction des attributs et du comportement de chaque destinataire.

Avant de pouvoir utiliser un modèle de recommandation de cette manière, vous devez configurer une connexion entre Amazon Pinpoint et la campagne Amazon Personalize qui a le modèle à utiliser. Lorsque vous configurez la connexion, vous spécifiez comment récupérer et utiliser les recommandations de la campagne Amazon Personalize. Vous ajoutez également des paramètres pour les attributs qui stockent temporairement les recommandations de la campagne.

Avant de commencer

Avant de configurer un modèle de recommandation dans Amazon Pinpoint, consultez les informations dePréparation à l'utilisation d'un modèle de recommandation avec Amazon Pinpoint. Cela vous aidera à rassembler les ressources et informations dont vous avez besoin pour configurer le modèle dans Amazon Pinpoint.

Étape 1 : Configurer le modèle

Pour cette étape, vous spécifiez la campagne Amazon Personalize à partir de laquelle vous souhaitez récupérer les recommandations. Vous choisissez également des paramètres qui spécifient comment récupérer et utiliser ces recommandations.

Pour configurer un modèle de recommandation

1. Ouvrez la console Amazon Pinpoint à l'adresse https://console.aws.amazon.com/pinpoint/.

2. Dans le panneau de navigation, choisissez Machine learning models (Modèles de machine learning).

3. Sur la page Machine learning models (Modèles de machine learning), choisissez Add recommender model (Ajouter un modèle de recommandation).

4. UNDERDétails du modèle, pourNom du modèle de recommandation, saisissez le nom du modèle dans Amazon Pinpoint. Le nom doit commencer par une lettre ou un chiffre. Il peut contenir jusqu'à 128 caractères. Les caractères peuvent être des lettres, des chiffres, des traits de soulignement (_) ou des traits d'union (‐).

5. (Facultatif) Pour Recommender model description (Description du modèle de recommandation), entrez une brève description du modèle. La description peut contenir jusqu'à 128 caractères. Les caractères peuvent être des lettres, des chiffres, des espaces ou les symboles suivants : _ ; (), ‐.

6. UNDERConfiguration du modèle, pourRôle IAM, choisissez leAWS Identity and Access Management(IAM) qui autorise Amazon Pinpoint à se connecter à la récupérer des recommandations de la campagne Amazon Personalize qui utilise le modèle. Vous avez les options suivantes :

   • Utiliser un rôle de existant— Choisissez cette option pour utiliser un rôle IAM qui existe déjà pour votreAWS. Ensuite, dans la liste des rôles, choisissez celui que vous voulez.

   • Création automatique d'un rôle— Choisissez cette option pour créer automatiquement un rôle IAM qui dispose des autorisations requises. Ensuite, saisissez un nom pour le rôle.

   Une autre option consiste à travailler avec votre administrateur pour créer le rôle manuellement. Pour plus d'informations sur la création manuelle du rôle, consultezRôle IAM pour récupérer des recommandationsdans leManuel du développeur Amazon Pinpoint.

7. PourModèle de recommandation, choisissez la campagne Amazon Personalize à partir de laquelle vous souhaitez récupérer les recommandations.

   Cette liste affiche toutes les campagnes Amazon Personalize auxquelles vous êtes autorisé à accéder avec votreAWScompte dans le compte courantAWSRégion . Si la liste n'inclut pas la campagne souhaitée, demandez à votre administrateur de vous donner accès à la campagne et vérifiez que vous avez choisi le rôle IAM approprié à l'étape précédente. Vérifiez également que la campagne existe dans la région AWS actuelle.

8. UNDERParamètres, pourIdentifiant à utiliser pour les recommandations, spécifiez si vous souhaitez associer des utilisateurs uniques de la campagne Amazon Personalize à des points de terminaison (ID du point de terminaison) ou utilisateurs (ID d'utilisateur) dans vos projets Amazon Pinpoint.

9. PourNombre de recommandations par message, choisissez le nombre d'éléments recommandés que vous souhaitez récupérer pour chaque point de terminaison ou utilisateur de vos projets Amazon Pinpoint, en fonction de votre choix à l'étape précédente.

   Ce paramètre détermine le nombre de recommandations qu'Amazon Pinpoint récupère et que vous pouvez ajouter à des messages individuels. Vous pouvez récupérer jusqu'à cinq éléments recommandés. Si vous choisissez1, Amazon Pinpoint récupère uniquement le premier élément de la liste des recommandations pour chaque destinataire du message, par exemple le film le plus recommandé pour un destinataire. Si vous choisissez2, il récupère les premier et deuxième éléments de la liste pour chaque destinataire, par exemple, les deux meilleurs films recommandés pour un destinataire. Et ainsi de suite, pour jusqu'à cinq recommandations.

10. PourMéthode de traitement, choisissez l'une des options suivantes pour spécifier comment Amazon Pinpoint traite les recommandations qu'il récupère :

    • Use the value returned by the model (Utiliser la valeur renvoyée par le modèle)— Avec cette option, les messages affichent le texte exact des recommandations fournies par la campagne Amazon Personalize. En outre, toutes les recommandations pour chaque point de terminaison ou utilisateur sont stockées temporairement dans un attribut recommandé standard pour chaque point de terminaison ou utilisateur.

    • Utiliser une fonction Lambda— Avec cette option, les messages peuvent afficher des recommandations améliorées au lieu ou en plus du texte des recommandations fournies par la campagne Amazon Personalize. Si vous choisissez cette option, Amazon Pinpoint envoie des recommandations à unAWS Lambdapour traitement supplémentaire, avant d'envoyer un message qui inclut les recommandations. En outre, vous pouvez stocker temporairement des recommandations dans un maximum de 10 attributs recommandés personnalisés pour chaque point de terminaison ou utilisateur.

      Si vous choisissez cette option, utilisez également l'Fonction Lambdapour choisir la fonction que vous souhaitez utiliser. Cette liste affiche toutes les fonctions Lambda auxquelles vous êtes autorisé à accéder avec votreAWScompte dans le compte courantAWSRégion . Si la liste n'inclut pas la fonction souhaitée, demandez à votre administrateur de vous donner accès à la fonction. Si la fonction n'existe pas encore, choisissezCréation d'une fonction Lambda, et collaborez avec votre équipe de développement pour créer la fonction. Pour de plus amples informations, veuillez consulterPersonnalisation des recommandations avecAWS Lambdadans leManuel du développeur Amazon Pinpoint.

11. Lorsque vous avez fini de saisir ces paramètres, choisissezSuivantPour passer à l'étape suivante : ajouter des paramètres d'attribut pour le modèle de recommandation.

Étape 2 : Ajouter des attributs au modèle

Après avoir choisi les paramètres pour vous connecter à la campagne Amazon Personalize et en récupérer des recommandations, vous êtes prêt à entrer des paramètres pour les attributs qui stockeront les données de recommandation. Ces options varient en fonction de la méthode de traitement que vous avez choisie à l'étape précédente :

Use the value returned by the model (Utiliser la valeur renvoyée par le modèle)

Si vous avez choisi cette option, les recommandations sont stockées temporairement dans un attribut. Il s'agit d'un attribut recommandé standard pour chaque point de terminaison ou utilisateur, en fonction de l'option que vous avez choisie pour le paramètre Identifier to use for recommendations (Identifiant à utiliser pour les recommandations) à l'étape précédente. Le nom sous-jacent de cet attribut est RecommendationItems.

Dans Display name (Nom d'affichage), entrez un nom descriptif pour l'attribut. Ce nom apparaîtra dans Attribute finder (Recherche d'attributs) dans l'éditeur de modèle lorsque vous ajoutez une variable pour l'attribut à un modèle de message. Les noms peuvent contenir jusqu'à 25 caractères. Les caractères peuvent être des lettres, des chiffres, des espaces, des traits de soulignement (_) ou des traits d'union (‐).

Utiliser une fonction Lambda

Si vous avez choisi cette option, vous pouvez utiliser jusqu'à 10 attributs pour stocker les données de chaque recommandation. Il s'agit d'attributs recommandés personnalisés pour chaque point de terminaison ou utilisateur, en fonction de l'option que vous avez choisie pour le paramètre Identifier to use for recommendations (Identifiant à utiliser pour les recommandations) à l'étape précédente. Par exemple, si vous récupérez une recommandation de produit pour chaque point de terminaison ou utilisateur, la fonction Lambda peut traiter la recommandation et ajouter les résultats à trois attributs personnalisés pour la recommandation : le nom du produit, le prix et l'image.

Pour chaque attribut personnalisé que vous souhaitez ajouter, choisissez Add attribute (Ajouter un attribut), puis procédez comme suit :

• Pour Attribute name (Nom d'attribut), entrez un nom pour l'attribut. Ce nom, précédé du préfixe Recommendations, apparaîtra dans l'éditeur de modèle après que vous ayez ajouté une variable pour l'attribut à un modèle de message. Le nom doit correspondre au nom d'un attribut utilisé par la fonction Lambda pour stocker les données de recommandation.

  Le nom d'attribut doit commencer par une lettre ou un chiffre et peut contenir jusqu'à 50 caractères. Les caractères peuvent être des lettres, des chiffres, des traits de soulignement (_) ou des traits d'union (‐). Les noms d'attribut sont sensibles à la casse et doivent être uniques.

• Dans Display name (Nom d'affichage), entrez un nom descriptif pour l'attribut. Ce nom apparaîtra dans Attribute finder (Recherche d'attributs) dans l'éditeur de modèle lorsque vous ajoutez une variable pour l'attribut à un modèle de message. Le nom doit commencer par une lettre ou un chiffre et peut contenir jusqu'à 25 caractères. Les caractères peuvent être des lettres, des chiffres, des espaces, des traits de soulignement (_) ou des traits d'union (‐).

Lorsque vous avez fini de saisir les paramètres d'attribut, choisissezSuivantPour passer à l'étape suivante : vérifier et publier les paramètres de configuration du modèle de recommandation.

Étape 3 : Vérifier et publier le modèle

Une fois que vous avez terminé de saisir tous les paramètres de connexion et d'utilisation du modèle de recommandation, vous êtes prêt à vérifier les paramètres.

Lorsque vous avez fini de revoir les paramètres, choisissezPublierpour les sauver. Amazon Pinpoint vérifie ensuite les paramètres pour vérifier qu'ils sont corrects. Si des paramètres manquent ou sont incorrects, un message s'affiche pour chaque erreur afin de vous aider à déterminer le paramètre qui doit être corrigé. Si vous devez corriger un paramètre, utilisez le panneau de navigation pour accéder directement à la page qui contient le paramètre.

Une fois que vous avez publié les paramètres, vous pouvez commencer à utiliser les recommandations dans les messages.