추천 관련성 유지

관련 추천은 카탈로그가 커질수록 애플리케이션에 대한 사용자 참여, 클릭률 및 전환율을 높일 수 있습니다. Amazon Personalize 추천의 관련성을 유지하고 개선하려면 데이터와 사용자 지정 리소스를 최신 상태로 유지합니다. 이를 통해 Amazon Personalize는 사용자의 최근 행동을 학습하여 최신 항목을 추천에 포함시킬 수 있습니다.

데이터 세트를 최신 상태로 유지

카탈로그가 커지면 대량 또는 개별 데이터 가져오기 작업을 통해 과거 데이터를 업데이트합니다. 과거 데이터 가져오기에 대한 자세한 내용은 단계 2: 데이터 준비 및 가져오기 단원을 참조하세요. 모델을 학습시킨 후 가져오는 데이터가 추천에 미치는 영향에 대한 자세한 내용은 새 데이터가 실시간 추천에 영향을 미치는 방식 단원을 참조하세요.

개인 맞춤형 실시간 추천을 제공하는 사용 사례와 레시피의 경우 항목 상호 작용 데이터 세트를 사용자 행동에 따른 최신 상태로 유지합니다. 이벤트 트래커 및 PutEvents API 작업을 통해 항목 상호 작용을 기록하면 됩니다. Amazon Personalize는 사용자가 카탈로그와 상호작용할 때 가장 최근 활동을 기반으로 추천을 업데이트합니다. 실시간 개인 밎춤에 대한 자세한 내용은 실시간 개인 맞춤 단원을 참조하세요. 실시간 이벤트 기록에 대한 자세한 내용은 이벤트 기록 단원을 참조하세요.

도메인 추천자 유지 관리

Amazon Personalize는 7일마다 추천자를 지원하는 모델을 자동으로 재학습합니다. 이는 데이터 세트의 전체 데이터를 기반으로 완전히 새로운 모델을 생성하는 전체 재학습입니다. 학습에 사용된 열을 수정하면 Amazon Personalize이 추천자를 지원하는 모델의 전체 재학습을 자동으로 시작합니다.

• 가장 적합한 추천 제품 및 추천 제품 사용 사례의 경우 Amazon Personalize는 새 항목을 추천하도록 추천자를 업데이트합니다. 자동 업데이트는 사용자 행동을 통해 모델이 학습하는 전체 재학습에 해당되지 않습니다. 대신 자동 업데이트를 통해 Amazon Personalize는 추천자의 다음 전체 재학습 전에 새 항목을 추천에 포함시킬 수 있습니다. 자동 업데이트에 대한 자세한 내용은 자동 업데이트 단원을 참조하세요.

• 지금 유행 사용 사례를 사용하는 경우 Amazon Personalize는 2시간마다 상호작용 데이터를 자동으로 평가하고 유행 항목을 식별합니다. 추천자가 재학습을 받을 때까지 기다릴 필요가 없습니다.

추천자 재학습이 진행 중인 동안에도 추천자로부터 추천을 받을 수 있습니다. 재학습이 완료될 때까지 추천자는 이전 구성과 모델을 사용합니다. 업데이트를 추적하려면 Amazon Personalize 콘솔의 추천자 세부 정보 페이지에서 마지막 추천자 업데이트의 타임스탬프를 볼 수 있습니다. 또는 DescribeRecommender 작업의 latestRecommenderUpdate 세부 정보를 볼 수도 있습니다.

사용자 지정 솔루션 유지 관리

정기적 재학습을 통해 사용자 지정 솔루션을 유지 관리합니다. 새 솔루션 버전(모델 재학습)을 만들어 추천에 새 항목을 포함시키고 사용자의 최근 행동으로 모델을 업데이트합니다.

재학습 빈도는 비즈니스 요구 사항과 사용하는 레시피에 따라 달라집니다. 모든 레시피에 대해 최소 매주 새 솔루션 버전을 만드는 것이 좋습니다. 이렇게 하면 데이터 세트 그룹 내 데이터 세트의 전체 학습 데이터를 기반으로 완전히 새로운 모델이 생성됩니다. 사용자-개인 맞춤의 경우 전체 재학습을 위해 trainingMode을 FULL로 설정해야 합니다.

새 항목을 자주 추가하는 경우 레시피에 따라 더 자주 재학습해야 할 수도 있습니다.

• 자동 업데이트(예: 사용자-개인 맞춤 또는 차선택-작업) 또는 지금-유행 레시피와 함께 레시피를 사용하지 않는 경우, Amazon Personalize가 추천에 대한 새 항목을 고려하도록 새 솔루션 버전을 만들어야 합니다.

• 사용자-개인 맞춤 또는 차선책-작업을 사용하는 경우 Amazon Personalize는 교육을 완료한 최신 솔루션 버전을 자동으로 업데이트하여 추천 시 새 항목을 고려합니다.

  자동 업데이트는 사용자 행동을 통해 모델이 학습하는 전체 재학습에 해당되지 않습니다. 대신 자동 업데이트를 통해 Amazon Personalize는 다음 전체 재학습 전에 새 항목을 추천에 포함시킬 수 있습니다.

  그래도 trainingMode을 FULL로 설정하여 매주 새 솔루션 버전을 학습시켜야 합니다. 두 시간으로 충분하지 않을 경우 새 항목을 추천하도록 trainingMode을 UPDATE로 설정하여 솔루션 버전을 수동으로 만들 수 있습니다. Amazon Personalize는 전체 학습된 최신 솔루션 버전만 자동으로 업데이트한다는 점을 명심하세요. 수동으로 업데이트된 솔루션 버전은 향후에 자동으로 업데이트되지 않습니다.

  추가 지침 및 요구 사항을 비롯한 자동 업데이트에 대한 자세한 내용은 자동 업데이트 단원을 참조하세요.

• 지금-유행을 사용하는 경우 Amazon Personalize는 구성 가능한 시간 간격으로 상호작용 데이터에서 가장 인기 있는 항목을 자동으로 식별합니다. 마지막 학습 이후 대량 또는 증분 상호작용에서 새 항목을 고려하도록 지금-유행의 새 솔루션 버전을 수동으로 생성할 필요가 없습니다. 자세한 내용은 지금-유행 레시피 단원을 참조하세요.

새 솔루션 버전을 만드는 방법에 대한 자세한 내용은 솔루션 버전 생성 단원을 참조하세요. 새 솔루션 버전을 만든 후에는 캠페인을 업데이트하여 배포해야 합니다. 자세한 설명은 캠페인 업데이트 섹션을 참조하세요.

데이터 가져오기, 솔루션 버전 교육, 배치 워크플로를 비롯한 Amazon Personalize 워크플로를 자동화하는 AWS 솔루션 구현인 Machine Learning을 통한 개인화된 경험 유지 관리를 통해 재교육 및 데이터 가져오기 작업을 자동화하고 일정을 잡을 수 있습니다. 자세한 내용은 기계 학습을 통한 개인 맞춤형 경험 유지 관리 단원을 참조하세요.