レコメンデーションの関連性の維持 - Amazon Personalize

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

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、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ために、レコメンデーションの関連性を維持します。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、データとソリューションバージョン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。

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、一括または個々のリ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個々のアイテムとユーザーを追加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、「データの準備とインポート」を参照してください。

リアルタイムのレコメンデーションについては、イベントトラッカーと PutEvents 操作を使用してインタラクションイベントを記録することにより、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。Amazon Personalize は、ユーザーがアプリケーション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。

ソリューションバージョンを既に作成している (モデルをトレーニングしている) 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。

  • にとって個々のリアクションでは、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。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。

    にとって一括インタラクションでは、レコメンデーションに影響を与える一括インタラクションデータ用の新しいソリューションバージョンを作成する必要があります。

  • にとって個別およびバルクアイテムデータでは、User-Personalization を使用してソリューションバージョンをトレーニングして、キャンペーンでデプロイした場合、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、探索で新しい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。探索については、「自動更新」を参照してください。

    その他のレシピについては、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。

  • にとって新規ユーザーインタラクションデータがない場合、レコメンデーションは最初は人気商品のみを対象としています。新規ユーザーに関連するおすすめ情報を得るには、そのユーザーのインタラクションを一括インポートして、新しいソリューションバージョンを作成できます。また、ユーザーがカタログを操作しているときに、そのユーザーのイベントをリアルタイムで記録することもできます。より多くのイベントを記録すると、レコメンデーションの関連性が高まります。詳細については、「イベントの記録」を参照してください。

ソリューションバージョンを最新の状態に保つ

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。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。

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。

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 (trainingModeFULL 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。更新を行うには、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。これは完全な再トレーニングではありません。モデルがユーザーの行動から学習できるように、trainingModeFULL 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、trainingModeUPDATE 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。

新しいソリューションバージョンの作成については、「ステップ 3: ソリューションバージョンの作成」を参照してください。