차선책-작업 레시피

Next-Best-Action (aws-next-best-action) 레시피는 사용자를 위한 차선책을 위한 실시간 추천을 생성합니다. 사용자를 위한 차선책 작업은 사용자가 수행할 가능성이 가장 높은 작업입니다. 로열티 프로그램에 등록하거나, 앱을 다운로드하거나, 신용카드를 신청하는 경우를 예로 들 수 있습니다.

차선책-작업을 사용하면 사용자가 애플리케이션을 사용할 때 개인 맞춤형 작업 추천을 제공할 수 있습니다. 사용자에게 적합한 작업을 제안하면 더 많은 사용자가 작업을 수행하도록 유도할 수 있습니다. 추천하려는 작업에 따라 고객 충성도와 수익을 높이며 애플리케이션의 사용자 경험을 개선할 수 있습니다. 개인 맞춤형 작업 추천이 전자 상거래 애플리케이션에 어떤 이점을 줄 수 있는지를 설명하는 사용 사례는 사용 사례 예제 섹션을 참조하세요.

Amazon Personalize는 사용자가 작업 데이터 세트로 가져온 작업으로부터 차선책 작업을 예측합니다. 작업 및 항목과의 상호 작용을 기반으로 사용자가 수행할 가능성이 가장 높은 작업을 식별합니다. 작업 데이터에 작업 값이 포함된 경우 Amazon Personalize는 해당 작업의 가치를 고려합니다. 사용자가 서로 다른 두 작업을 수행할 가능성이 동일한 경우 Amazon Personalize는 더 가치 높은 작업의 순위를 보다 높게 매깁니다.

사용자에 대한 실시간 작업 추천을 받으면 Amazon Personalize는 구성 가능한 기간(action optimization period) 내에 사용자가 수행할 가능성이 가장 높은 작업 목록을 반환합니다. 향후 14일 이내에 수행할 가능성이 가장 높은 작업을 예로 들 수 있습니다. 목록은 성향 점수를 기준으로 내림차순으로 정렬됩니다. 이 점수는 사용자가 작업을 수행할 가능성을 나타냅니다.

행동 상호 작용 데이터를 가져올 때까지 Amazon Personalize는 개인화가 없는 사용자의 행동을 권장하며 성향 점수는 0.0입니다. 다음 조건을 충족하면 해당 작업에 점수가 부여됩니다.

• TAKEN 이벤트 유형과의 작업 상호 작용이 50회 이상 있어야 합니다.

• NOT_TAKEN 또는 VIEWED 이벤트 유형과의 동작 상호 작용이 50개 이상 있어야 합니다.

이러한 액션 인터랙션은 최신 솔루션 버전 교육 시 존재해야 하며, 액션 인터랙션 데이터셋의 최신 인터랙션 타임스탬프로부터 6주 이내에 발생해야 합니다.

차선책-작업 레시피가 사용하는 데이터에 대한 자세한 내용은 필수 및 선택형 데이터 세트 섹션을 참조하세요.

차선책-작업 레시피로 솔루션을 생성하는 경우 action optimization period 특성화 하이퍼파라미터를 사용하여 Amazon Personalize가 작업을 예측할 때 사용하는 시간을 구성할 수 있습니다. 자세한 정보는 속성 및 하이퍼파라미터을 참조하세요.

사용 사례 예제

사용자에게 적합한 작업을 제안하면 더 많은 사용자가 작업을 수행하도록 유도할 수 있습니다. 추천하려는 작업에 따라 잠재적으로 고객 충성도를 높이고, 더 많은 수익을 창출하며, 애플리케이션의 사용자 경험을 개선할 수 있습니다.

예를 들어, 다음과 같은 다양한 작업을 제안하는 전자 상거래 애플리케이션이 있을 수 있습니다.

• 로열티 프로그램 구독

• 모바일 앱 다운로드

• 주얼리 범주에서의 구매

• 뷰티 및 그루밍 범주에서의 구매

사이트에서 자주 쇼핑하면서 주얼리와 뷰티 및 그루밍 구매 작업을 반복적으로 행한 사용자가 있을 수 있습니다. 이 사용자에 대한 Amazon Personalize 작업 추천 및 점수에는 다음이 포함될 수 있습니다.

• 로열티 프로그램 구독

  성향 점수 – 1.00

• 주얼리 범주에서의 구매

  성향 점수 – 0.86

• 뷰티 및 그루밍 범주에서의 구매

  성향 점수 – 0.85

이러한 작업 추천을 사용하면 사용자에게 로열티 프로그램에 등록하도록 유도할 수 있습니다. 이 작업은 성향 점수가 가장 높으며, 사용자가 행할 가능성이 가장 높은 작업입니다. 사용자가 매장에서 자주 쇼핑하고 로열티 프로그램의 혜택을 누릴 가능성이 높기 때문입니다.

레시피 기능

차선책-작업 레시피는 작업 추천을 생성할 때 다음과 같은 Amazon Personalize 레시피 기능을 사용합니다.

• 실시간 개인 맞춤: Amazon Personalize는 실시간 개인 맞춤을 통해 사용자의 변화하는 관심에 따라 작업 추천을 업데이트하고 조정합니다. 자세한 정보는 실시간 개인 맞춤을 참조하세요.

• 탐색: 탐색의 경우 추천에는 새로운 작업이나 상호 작용 데이터가 적은 작업이 포함됩니다. 탐색에 대한 자세한 내용은 탐색단원을 참조하세요.

• 자동 업데이트: Amazon Personalize는 자동 업데이트를 통해 2시간마다 최신 모델(솔루션 버전)을 자동으로 업데이트하여 탐색을 통한 추천에 새로운 작업을 포함합니다. 자세한 정보는 자동 업데이트을 참조하세요.

필수 및 선택형 데이터 세트

차선책-작업 레시피를 사용하려면 다음과 같은 데이터 세트를 만들어야 합니다.

• 작업: 작업에 대한 데이터(예: 값)를 Amazon Personalize 작업 데이터 세트로 가져옵니다.

  작업 데이터에서 각 작업에 대한 EXPIRATION_TIMESTAMP를 제공할 수 있습니다. 작업이 만료된 경우 Amazon Personalize는 해당 작업을 추천에 포함하지 않습니다. 각 작업에 대해 REPEAT_FREQUENCY를 제공할 수도 있습니다. 이는 Amazon Personalize에서 사용자가 작업과 상호 작용한 후 작업을 다시 추천하기 전에 기다려야 하는 시간을 나타냅니다. 작업 데이터 세트가 저장할 수 있는 데이터에 대한 자세한 내용은 작업 데이터 세트 섹션을 참조하세요.

• 항목 상호 작용: 항목 상호 작용 데이터 세트에는 최소 1,000개의 항목 상호 작용이 있어야 합니다. Amazon Personalize는 항목 상호 작용을 통해 사용자의 현재 상태와 관심사를 이해합니다. 항목 상호 작용 데이터에 대한 자세한 내용은 항목 상호 작용 데이터 세트 섹션을 참조하세요.

다음 데이터 세트는 선택 사항입니다.

• 작업 상호 작용 데이터 세트: 작업 상호 작용은 작업 데이터 세트에 있는 사용자와 작업을 포함하는 상호 작용입니다. 수행한 작업, 수행하지 않은 작업, 확인한 작업 상호 작용을 가져올 수 있습니다. 이 데이터는 선택 사항이지만, 품질 추천의 경우 작업 상호 작용 데이터를 가져오는 것이 좋습니다. 작업 상호 작용 데이터가 없는 경우 빈 작업 상호 작용 데이터 세트를 만들고 PutActionInteractions API 작업을 사용하여 고객과 작업의 상호 작용을 기록할 수 있습니다.

  행동 상호 작용 데이터를 가져올 때까지 Amazon Personalize는 개인화가 없는 사용자의 행동을 권장하며 성향 점수는 0.0입니다. 다음 조건을 충족하면 해당 작업에 점수가 부여됩니다.

  • TAKEN 이벤트 유형과의 작업 상호 작용이 50회 이상 있어야 합니다.

  • NOT_TAKEN 또는 VIEWED 이벤트 유형과의 동작 상호 작용이 50개 이상 있어야 합니다.

  이러한 액션 인터랙션은 최신 솔루션 버전 교육 시 존재해야 하며, 액션 인터랙션 데이터셋의 최신 인터랙션 타임스탬프로부터 6주 이내에 발생해야 합니다.

  가져올 수 있는 작업 상호 작용 데이터에 대한 자세한 내용은 작업 상호 작용 데이터 세트 섹션을 참조하세요. 작업 상호 작용 이벤트 기록에 대한 자세한 내용은 실시간 액션 인터랙션 이벤트 기록 섹션을 참조하세요.

  참고

  차선책-작업을 사용하면 Amazon Personalize는 작업 상호 작용 데이터 세트의 노출 데이터 또는 상황별 메타데이터를 사용하지 않습니다.

• 사용자: Amazon Personalize는 사용자 데이터 세트의 모든 데이터를 바탕으로 사용자와 관심사를 더 잘 이해합니다. 또한 사용자 데이터 세트의 데이터를 사용하여 작업 추천을 필터링할 수 있습니다. 가져올 수 있는 사용자 데이터에 대한 자세한 내용은 사용자 데이터 세트 섹션을 참조하세요.

• 항목: Amazon Personalize는 항목 상호 작용 데이터 세트와 함께 항목 데이터 세트의 모든 데이터를 사용하여 동작의 연관성과 패턴을 식별합니다. 이를 통해 Amazon Personalize는 사용자와 관심사를 이해할 수 있습니다. 가져올 수 있는 항목 데이터에 대한 자세한 내용은 항목 데이터 세트 섹션을 참조하세요.

속성 및 하이퍼파라미터

차선책-작업 레시피는 하이퍼파라미터 최적화를 지원하지 않습니다. 차선책-작업 레시피에는 다음과 같은 속성이 있습니다.

• 명칭 – aws-next-best-action

• 레시피 리소스 이름(ARN) - arn:aws:personalize:::recipe/aws-next-best-action

• 알고리즘 ARN - arn:aws:personalize:::algorithm/aws-next-best-action

다음 표에는 레시피의 특징화 하이퍼파라미터가 설명되어 있습니다. aws-next-best-action 하이퍼파라미터는 모델 성능을 향상시키기 위해 조정할 수 있는 알고리즘 파라미터입니다. 특성화 하이퍼파라미터는 학습에서 사용할 데이터를 필터링하는 방법을 제어합니다.

표에는 각 하이퍼파라미터에 대한 다음 정보도 표시됩니다.

• 범위: [하한, 상한]

• 값 형식: 정수, 연속(부동 소수점), 범주(부울, 목록, 문자열)

• 조정 가능한 HPO: 파라미터가 HPO에 참여할 수 있는지 여부

명칭	설명
특성화 하이퍼파라미터
action_optimization_period	Amazon Personalize가 사용자의 차선책 작업을 예측할 때 사용하는 기간입니다. 사용자가 향후 14일 이내에 수행할 가능성이 가장 높은 작업을 예로 들 수 있습니다. 작업 상호 작용 데이터가 많지 않은 경우 더 큰 값을 지정하세요. 어떤 값을 지정해야 할지 잘 모르겠으면 기본값을 사용하면 됩니다. 기본값: 14 범위: [7, 28] 값 형식: 정수 HPO 조정 가능: 아니요