レコメンデーションの関連性の維持

カタログの拡大に合わせて、関連性の高いレコメンデーションにより、アプリケーションのユーザーエンゲージメント、クリック率、およびコンバージョン率を高めることができます。ユーザー向けの Amazon Personalize のレコメンデーションの関連性を維持および改善するには、データとカスタムリソースを最新の状態に保ちます。これにより、Amazon Personalize はユーザーの最新の行動から学習し、最新のアイテムをレコメンデーションに含めることができます。

データセットを最新の状態に保つ

カタログが大きくなってきたら、一括または個別のデータインポート操作で履歴データを更新するようにします。最初にレコードを一括でインポートしてから、カタログの拡大に合わせてアイテムとユーザーを増分することをお勧めします。履歴データのインポートの詳細については、「」を参照してくださいステップ 2: データの準備。

パーソナライズされたリアルタイムのレコメンデーションを提供するユースケースとレシピについては、Interactions データセットをユーザーの行動で最新の状態に保ちます。そのためには、PutEventsイベントトラッカーとオペレーションでインタラクションイベントを記録します。Amazon Personalize は、ユーザーがカタログを操作するときのユーザーの最新のアクティビティに基づいて、レコメンデーションを更新します。リアルタイムイベントの記録の詳細については、「イベントの記録」を参照してください。

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既に作成している場合、新しいレコードは次のようにレコメンデーションに影響を与えます。

• 個別のインタラクションについては、リアルタイムのパーソナライズを特徴とするデータに含めたインタラクションについては、Amazon Personalize は、同じユーザー向けにレコメンデーションを生成する際に、ユーザーと既存のアイテム (最新モデルのトレーニングに使用したデータに含めたアイテム) との間のリアルタイムのインタラクションイベントを即座に使用します。そうでないユースケースやレシピについては、レコメンダーが新しいカスタムソリューションバージョンを更新するか、新しいカスタムソリューションバージョンを作成するまで待つ必要があります。詳細については、「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」を参照してください。

  一括操作の場合は、推薦者が更新（ドメインデータセットグループの場合）するか、新しいカスタムソリューションバージョンを作成するまで待つ必要があります。

• 個々の商品データや大量の商品データについて、「おすすめ商品」と「おすすめ商品」でレコメンダーを作成したり、「ユーザーパーソナライゼーション」でソリューションバージョンをトレーニングしてキャンペーンにデプロイした場合、Amazon Personalize は 2 時間ごとにモデルを自動的に更新します。更新するたびに、探索を伴うレコメンデーションに含まれる新しいアイテムが含まれる場合があります。探索については、「自動更新」を参照してください。

  その他のユースケースまたはレシピについては、レコメンデーションに含まれる新しいアイテムのモデルを再トレーニングする必要があります。

• インタラクションデータを持たない新規ユーザーの場合、推奨は最初は人気商品のみを対象としています。ユーザーデータセットにユーザーに関するメタデータがあり、メタデータを使用するユースケースやレシピ（自分におすすめ）、「自分におすすめ」（ユースケース）、「ユーザーパーソナライゼーション」や「パーソナライズされたランキング」（レシピ）を選択すると、これらの人気の高い項目がユーザーにとってより関連性が高くなる可能性があります。

  新規ユーザーに対してより関連性の高いレコメンデーションを得るには、そのユーザーのインタラクションデータをさらにインポートできます。リアルタイムのパーソナライゼーションをサポートするレシピやユースケースでは、リアルタイムイベントをインポートするにつれて、それらの推奨事項がより重要になります。詳細については、「イベントの記録」を参照してください。

ドメインレコメンダーの維持

Amazon Personalize は 7 日ごとにレコメンダーをサポートするモデルを自動的に再トレーニングします。これは、データセット内のデータ全体に基づいてまったく新しいモデルを作成する完全な再トレーニングです。おすすめと推奨のユースケースについては、Amazon Personalize は 2 時間ごとに既存のモデルを更新して、探索を伴うレコメンデーションに新しいアイテムを含めます。探索により、Amazon Personalize はさまざまなアイテムのレコメンデーションを自動的にテストし、ユーザーがこれらの推奨アイテムを操作する方法から学習し、エンゲージメントとコンバージョンを向上させるアイテムのレコメンデーションを強化します。

カスタムソリューションのメンテナンス

定期的に再トレーニングを行って、カスタムソリューションを維持してください。新しいソリューションバージョンを作成 (モデルを再トレーニング) して、レコメンデーションに新しいアイテムを含め、ユーザーの最新の動作でモデルを更新します。

再トレーニングの頻度は、ビジネス要件と使用するレシピによって異なります。ほとんどのワークロードでは、トレーニングモードを FULL に設定して新しいモデルを毎週トレーニングすることをお勧めします。これにより、データセットグループ内のデータセットからのトレーニングデータ全体に基づいて、完全に新しいソリューションバージョンが作成されます。新しいアイテムを頻繁に追加し、User-Personalization を使用しない場合は、それらの新しいアイテムをレコメンデーションに含めるために、より頻繁に完全な再トレーニングを実施する必要がある場合があります。

新しいソリューションバージョンの作成については、「ソリューションバージョンの作成」を参照してください。モデルを再トレーニングしたら、キャンペーンを更新してデプロイする必要があります。詳細については、「キャンペーンを更新します。」を参照してください。

データのインポート、ソリューションバージョンのトレーニング、バッチワークフローなど、Amazon Personalize ワークフローを自動化する AWS ソリューション実装である「Machine Learning を利用してパーソナライズされたエクスペリエンスの維持」により、再トレーニングとデータのインポートタスクを自動化およびスケジュールできます。詳細については、「Machine Learning を利用してパーソナライズされたエクスペリエンスの維持」を参照してください。

自動更新付きのレシピ

User-Personalization を使用すると、Amazon Personalize は、完全にトレーニングされた最新のソリューションバージョン (trainingMode を FULL に設定した状態でトレーニング済み) を 2 時間ごとに自動的に更新して、探索を利用してレコメンデーションに新しいアイテムを含めます。探索により、Amazon Personalize はさまざまなアイテムのレコメンデーションを自動的にテストし、ユーザーがこれらの推奨アイテムを操作する方法から学習し、エンゲージメントとコンバージョンを向上させるアイテムのレコメンデーションを強化します。アップデートを行うには、ソリューションバージョンをキャンペーンにデプロイする必要があります。キャンペーンでは、更新されたソリューションバージョンが自動的に使用されます。これは完全な再訓練ではありません。FULLモデルがユーザーの行動から学習できるように、trainingModeに設定した状態で、新しいソリューションバージョンを毎週トレーニングする必要があります。

2 時間ごとの頻度が不十分な場合は、それらの新しいアイテムをレコメンデーションに含めるように、trainingMode を UPDATE に設定した状態で、ソリューションバージョンを手動で作成できます。Amazon Personalize では、完全にトレーニングされた最新のソリューションバージョンのみが自動的に更新され、手動で更新されたソリューションバージョンは今後自動的に更新されないことに留意してください。詳細については、「User-Personalization レシピ」を参照してください。