Amazon Personalize レコメンデーションの影響の測定

顧客がレコメンデーションとやり取りするときに、Amazon Personalize のレコメンデーションが目標の達成にどのように役立つかを測定できます。どのキャンペーンやレコメンダーが主要なパフォーマンスメトリクスに最も影響を与えるかを特定できます。例えば、視聴時間、クリック数、購入数が最も多いリソースを特定できます。また、Amazon Personalize レコメンデーションのパフォーマンスを、サードパーティのサービスによって生成されたレコメンデーションと比較できます。

どのキャンペーンやレコメンダーが最も大きな影響を与えているかがわかったら、レコメンデーションからさらにメリットを得るためにアクションを実行できます。例えば、サイト上のレコメンデーションの優秀性を高めて、エンゲージメントを高めることができます。または、パーソナライズされた E メールやターゲットを絞った広告など、マーケティングキャンペーンでレコメンデーションを紹介することもできます。

予想される影響がないリソースを特定した場合は、レコメンデーションを改善するためのアクションを実行できます。例えば、Amazon Personalize コンソールを使用して、リソースの作成に使用されたトレーニングデータを分析し、推奨データの改善を行い、データを再度インポートできます。データ分析の詳細については、「」を参照してくださいデータセット内のデータの品質と量を分析する。

レコメンデーションのインパクトを測定するには、以下が役立ちます。

• メトリックス属性: Amazon Personalize のメトリクス属性は、指定したメトリクスと、インポートしたアイテムインタラクションとアイテムのデータに基づいてレポートを作成します。例えば、ユーザーが視聴した映画の合計時間やクリックイベントの総数などです。メトリクス属性を作成すると、Amazon Personalize は PutEvents API オペレーションからのイベントに関するメトリクスと増分バルクデータを Amazon に自動的に送信します CloudWatch。バルクデータの場合は、レポートを Amazon S3 バケットに発行することを選択できます。

• A/B テスト: Amazon Personalize のレコメンデーションを使用して A/B テストを実行するには、さまざまなタイプのレコメンデーションをさまざまなユーザーグループに表示するとともに、結果を比較する必要があります。A/B テストを使用すると、さまざまなレコメンデーション戦略の比較と評価、モデルのパフォーマンスの評価、レコメンデーションの影響の測定に役立ちます。

トピック

• メトリクス属性によるレコメンデーション効果の測定
• A/B テストを使用したレコメンデーションの影響の測定