リアルタイムイベントがレコメンデーションに与える影響

レコメンダーまたはカスタムソリューションバージョンを作成した後、新しいデータがリアルタイムのレコメンデーションにどのように影響するかは、そのタイプ、インポート方法、使用するドメインユースケースまたはカスタムレシピによって異なります。以下のセクションでは、次のトレーニングの前に、新しいデータがリアルタイムのレコメンデーションにどのように影響するかについて説明します。

トレーニングは、レコメンダーの毎週の自動トレーニングでも、自動または手動のソリューションバージョンの作成でもかまいません。User-Personalization を使用した手動トレーニングでは、 trainingModeを に設定する必要がありますFULL。

新しいレコードがバッチレコメンデーションにどのように影響するかについては、「バッチレコメンデーションの取得」を参照してください。新しいレコードがバッチセグメントジョブにどのように影響するかについては、「ユーザーセグメントを取得する」を参照してください。

新しいインタラクション

新しいインタラクションは、最新のトレーニング後にインポートするアイテムまたはアクションのインタラクションです。

リアルタイムデータとバルクデータの両方について、インタラクションに新しいアイテムやアクションが含まれる場合、Amazon Personalize はトレーニングなしでレコメンデーションとしてそれを考慮することがあります。詳細については、新しいアイテムまたは新しいアクションを参照してください。

リアルタイムイベント

リアルタイムのパーソナライゼーションを特徴とするユースケースとレシピの場合、Amazon Personalize は、同じユーザーに対するレコメンデーションを生成するときに、ユーザーと既存のアイテムまたはアクション (最新のトレーニングで記録されているレコード) とのリアルタイムのインタラクションをすぐに使用します。リアルタイムのパーソナライゼーションについての詳細は、「リアルタイムパーソナライゼーション」を参照してください。

類似アイテムのレコメンデーションなど、リアルタイムのパーソナライゼーションを特徴付けないドメインユースケースやカスタムレシピの場合、モデルはトレーニング後にのみリアルタイムのインタラクションデータから学習します。

バルクインタラクション

バルクインタラクション の場合、増分データセットインポートジョブとフルデータセットインポートジョブの両方で、モデルは次のトレーニング後にのみバルクアイテムインタラクションまたはアクションインタラクションデータから学習します。リアルタイムのパーソナライゼーションのためのレコメンデーションの更新には、バルクデータは使用されません。

既存のバルクデータの更新の詳細については、「既存のバルクレコードの更新」を参照してください。

新しいアイテム

新しいアイテムは、最新のトレーニング後にインポートするアイテムです。アイテムデータセットのインタラクションデータまたはアイテムデータセットのアイテムメタデータのいずれかから取得できます。

新しいアイテムは、次のようにレコメンデーションの対象として考慮されます。

• 上位のおすすめとおすすめのドメインケースまたは User-Personalization-v2、User-Personalization、Next-Best-Action レシピの場合、Amazon Personalize は 2 時間ごとにモデルを自動的に更新します。更新のたびに、Amazon Personalize は新しいアイテムを探索の一環としてレコメンデーションと見なします。新しいアイテムを検討する際、Amazon Personalize はそのアイテムのメタデータをすべて考慮します。ただし、このデータは、アイテムのインタラクションを記録して新しいモデルをトレーニングした後でのみ、レコメンデーションに大きな影響を与えます。更新については、「自動更新」を参照してください。

• Trending Now ユースケースを使用する場合、Amazon Personalize は 2 時間ごとにインタラクションデータを自動的に評価し、トレンドアイテムを特定します。レコメンダーがトレーニングするのを待つ必要はありません。Trending-Now レシピを使用する場合、Amazon Personalize は設定可能な間隔ですべての新しい項目をトレーニングなしで自動的に考慮します。設定の間隔については、「Trending-Now レシピ」を参照してください。

• Trending-Now レシピを使用しない場合、またはユースケースやレシピが自動更新をサポートしていない場合、Amazon Personalize は次のトレーニング後にのみ新しいアイテムを考慮します。

新規のユーザー

新しいユーザーとは、最新のトレーニング後にインポートするユーザーです。ユーザーデータセットのインタラクションデータまたはユーザーメタデータのいずれかから取得できます。新規の匿名ユーザー (userId を持たないユーザー) については、sessionId を使用してイベントをレコードできます。また、Amazon Personalize はユーザーがログインする前にイベントをユーザーに関連付けます。詳細については、匿名ユーザー向けのイベントの記録を参照してください。

Amazon Personalize は、新規ユーザー向けのレコメンデーションを次のように生成します。

• Trending Now ドメインのユースケースまたは Trending-Now カスタムレシピを使用すると、新規ユーザーには最上位のトレンドアイテムのレコメンデーションがすぐに届きます。Popularity-Count レシピを使用すると、新規ユーザーには、インタラクションが最も多い商品のレコメンデーションがすぐに届きます。

• パーソナライズされたレコメンデーションをユーザーに提供するレシピやユースケースの場合、新規ユーザーへのレコメンデーションは既存ユーザーの初期の操作履歴に基づいて行われます。既存ユーザーが最初に操作したアイテムまたはアクションは、新規ユーザーにレコメンデーションされる可能性が高くなります。User-Personalization または Personalized-Ranking レシピでは、recency_mask を true に設定した場合、レコメンデーションにはインタラクションデータ内の最新の人気トレンドに基づくアイテムも含まれます。

次の設定を行うと、新規ユーザーへのレコメンデーションの関連性が高まります。

• インタラクションデータ — 新規ユーザーのレコメンデーション関連性を向上させる主な方法は、そのユーザーによるアイテムの操作からデータをインポートすることです。新しいインタラクションデータがレコメンデーションにどのように影響するかについては、「新しいインタラクション」を参照してください。

• ユーザーメタデータ — GENDER や MEMBERSHIP_STATUS などのユーザーメタデータをインポートすると、レコメンデーションを改善できます。メタデータがレコメンデーションに影響を与えるには、ドメインレコメンダーによる毎週の自動の再トレーニングが完了するまで待つ必要があります。または、新しいソリューションバージョンを手動で作成する必要があります。

• コンテキストメタデータ - ユースケースまたはレシピがコンテキストメタデータをサポートしていて、アイテムインタラクションデータセットにコンテキストデータ用のメタデータフィールドがある場合は、レコメンデーションのリクエストでユーザーのコンテキストを指定できます。これには再トレーニングは必要ありません。詳細については、「コンテキストメタデータを使用したレコメンデーションの関連性の向上」を参照してください。

新しいアクション

新しいアクションは、最新のトレーニング以降にインポートするアクションです。アクションインタラクションデータから取得することも、アクションデータセット内のアクションから取得することもできます。

Next-Best-Action レシピを使用すると、Amazon Personalize は、2 時間ごとにソリューションバージョンを自動的に更新します。更新のたびに、Amazon Personalize は調査の一環としてレコメンデーションのために新しいアクションを考慮します。新しいアクションを検討する際、Amazon Personalize はそのアクションのすべてのメタデータを考慮します。ただし、このデータがレコメンデーションに与える影響は、そのアクションのアクションインタラクションを記録して完全に再トレーニングした後でのみ大きくなります。更新については、「自動更新」を参照してください。