권장 사항에 영향을 미치는 실시간 이벤트 기록 - Personalize
실시간 이벤트가 추천에 미치는 영향익명 사용자를 위한 이벤트 기록타사 이벤트 추적 서비스샘플 구현

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

권장 사항에 영향을 미치는 실시간 이벤트 기록

이벤트는 사용자와 카탈로그 간의 상호 작용입니다. 사용자가 항목을 구매하거나 비디오를 보는 등 항목과의 상호 작용일 수도 있고 신용 카드 신청 또는 멤버십 프로그램 등록과 같은 조치를 취하는 것일 수도 있습니다.

Amazon Personalize는 실시간 이벤트 데이터만 기반으로 하거나 과거 이벤트 데이터만 기반으로 하거나 이 둘을 혼합하여 추천할 수 있습니다. 고객이 추천에 반응할 때 실시간 이벤트를 기록하세요. 이렇게 하면 상호 작용 데이터가 쌓이고 데이터를 최신으로 유지할 수 있습니다. 그리고 Amazon Personalize에 사용자의 현재 관심사를 알려주므로, 추천 관련성을 높일 수 있습니다.

도메인 사용 사례 또는 사용자 지정 레시피가 실시간 개인 맞춤을 지원하는 경우 Amazon Personalize는 실시간으로 이벤트를 사용하여 사용자의 변화하는 관심에 따라 추천을 업데이트하고 조정합니다.

실시간 이벤트를 기록하는 방법은 가져오는 상호 작용 데이터의 유형에 따라 다릅니다.

주제

실시간 이벤트가 추천에 미치는 영향

레시피가 실시간 개인 맞춤을 지원하는 경우 추천자 또는 사용자 지정 캠페인을 생성한 후 Amazon Personalize는 가져온 후 몇 초 내에 기존 항목 또는 작업에 대해 기록된 새 이벤트 데이터를 사용합니다. 실시간 개인 맞춤을 지원하는 사용 사례 및 레시피는 다음과 같습니다.

지금-유행 레시피를 사용하는 경우 Personalize는 구성 가능한 간격으로 새 이벤트 데이터의 항목을 자동으로 고려합니다. 새 솔루션 버전을 생성할 필요는 없습니다. 자세한 정보는 지금-유행 레시피을 참조하세요.

이벤트의 항목, 작업 또는 사용자가 신규인 경우 Amazon Personalize에서 데이터를 사용하는 방법은 사용 사례나 레시피에 따라 다릅니다. 자세한 정보는 새 데이터가 실시간 추천에 영향을 미치는 방식을 참조하세요.

익명 사용자를 위한 이벤트 기록

중요

사용자에 대해 sessionId및 userId가 포함된 이벤트를 최소 하나 이상 기록하지 않는 경우 Personalize는 학습 시 sessionId에 대해서만 추적되는 활동을 사용하지 않습니다. 또한 학습이 완료된 후에는 더 이상 sessionId에 대해 추적된 활동을 기반으로 추천이 제공되지 않습니다.

사용자가 계정을 생성하기 전에 항목 상호 작용 또는 작업 상호 작용 이벤트를 기록할 수 있습니다. 익명 사용자의 이벤트를 기록하여 로그인 전후의 이벤트로 지속적인 이벤트 기록을 작성할 수 있습니다. 이를 통해 Personalize는 사용자에 대한 더 많은 상호작용 데이터를 제공하므로 관련성이 더 높은 추천을 생성하는 데 도움이 될 수 있습니다.

익명 사용자(로그인한 적이 없는 사용자)에 대한 이벤트를 기록하려면 각 이벤트에 sessionId만 지정합니다. 애플리케이션은 사용자가 웹 사이트를 처음 방문하거나 애플리케이션을 사용할 때 고유한 sessionId을 생성합니다. 세션 전체의 모든 이벤트에서 동일한 sessionId을 사용해야 합니다. Personalize는 사용자가 로그인하기 전에 sessionId를 사용하여 이벤트를 해당 사용자와 연결합니다.

Personalize는 익명 사용자의 이벤트를 userId와 연결할 때까지 익명 사용자의 이벤트를 사용하지 않습니다. 자세한 정보는 익명 사용자를 위한 지속적인 이벤트 이력 작성을 참조하세요.

익명 사용자에게 실시간 개인화를 제공하려면 GetRecommendations 또는 GetActionRecommendations 요청에 sessionId 다음과 같이 지정하십시오. userId

  • PutEvents 작업과 SessionID 및 UserID를 사용하여 항목 상호 작용 이벤트를 기록하는 방법을 보여주는 코드 샘플은 을 참조하십시오. PutEvents 오퍼레이션 사용

  • PutActionInteractions 작업과 SessionID 및 UserID를 사용하여 작업 상호 작용 이벤트를 기록하는 방법을 보여주는 코드 샘플은 을 참조하십시오. 오퍼레이션 사용 PutActionInteractions

익명 사용자를 위한 지속적인 이벤트 이력 작성

익명 사용자를 위한 이벤트 기록을 작성하고 Personalize가 학습 시 해당 이벤트를 사용하도록 하려면 sessionId과 userId가 모두 포함된 이벤트를 최소 하나 이상 기록합니다. 그러면 userId에 대한 이벤트를 원하는 수만큼 기록할 수 있습니다. userId를 제공하기 시작한 후 sessionId가 변경될 수 있습니다. 다음 전체 재학습 시 Personalize는 userId을 sessionId원본에 대해 추적된 익명 사용자 기록과 연결합니다.

재학습이 완료되면 익명 이벤트의 sessionId과 해당 userId에 대해 추적된 모든 이벤트 모두에 대해 추적된 활동을 기반으로 추천이 제공됩니다.

참고

사용자가 계정을 생성하지 않은 상태에서 Personalize가 학습 시 데이터를 사용하도록 하려는 경우 이벤트에 sessionId을 userId로 사용할 수 있습니다. 단, 사용자가 결국 계정을 만들면 익명 브라우징에서 발생한 이벤트를 새 userId와 연결할 수 없습니다.

타사 이벤트 추적 서비스

다음 고객 데이터 플랫폼(CDP)을 사용하면 애플리케이션에서 이벤트 데이터를 수집하고 Personalize로 보내는 데 도움이 될 수 있습니다.

  • Amplitude — Amplitude를 사용하면 사용자 행동을 추적하여 사용자의 행동을 이해할 수 있습니다. Amplitude 및 Personalize를 사용하는 방법에 대한 자세한 내용은 다음 AWS 파트너 네트워크(APN) 블로그 게시물: Amplitude와 Personalize를 통한 개인 맞춤의 효율성 측정을 참조하세요.

  • mParticle — mParticle을 사용하면 앱에서 이벤트 데이터를 수집할 수 있습니다. mParticle과 Personalize를 사용하여 개인 맞춤형 제품 추천을 구현하는 방법을 보여주는 예제는 기계 학습에 CDP의 성능을 활용하는 방법: 2부를 참조하세요.

  • 세그먼트 — 세그먼트를 사용하면 Personalize로 데이터를 보낼 수 있습니다. 세그먼트를 Personalize와 통합하는 방법에 대한 자세한 내용은 Personalize 목적지 단원을 참조하세요.

샘플 구현

Amazon Personalize를 사용하여 이벤트 추적기 및 PutEvents 작업을 사용하여 사용자의 실시간 행동에 대응하는 방법을 보여주는 샘플 Jupyter 노트북은 리포지토리의 getting_started 폴더에 있는 2.view_Campaign_and_Interactions.iPynb를 참조하십시오. amazon-personalize-samples GitHub

권장 사항과 상호 작용하는 사용자의 이벤트를 스트리밍하는 방법을 보여주는 예제는 Amazon Personalize 샘플 리포지토리의 streaming_events를 참조하십시오. GitHub

Amazon Personalize 리소스와 클라이언트 애플리케이션 사이에 있는 실시간 API를 배포하기 위한 소스 코드 및 지원 파일이 포함된 전체 예제는 샘플 리포지토리의 실시간 개인화 API를 참조하십시오. AWS GitHub 이 프로젝트에는 다음을 구현하는 방법이 포함되어 있습니다.

  • 사용자 컨텍스트 및 사용자 이벤트 컬렉션

  • 응답 캐싱

  • 항목 메타데이터를 기반으로 추천 꾸미기

  • A/B 테스트

  • API 인증