取得即時項目建議

您可以使用 Amazon Personalize 化控制台從 Amazon Personalize 化推薦人或自定義營銷活動獲得實時商品推薦， AWS Command Line Interface (AWS CLI)，或 AWS SDKs.

取得項目建議 (主控台)

若要使用 Amazon Personalize 主控台取得建議，請在推薦人 (網域資料集群組) 或自訂行銷活動的詳細資料頁面上提供請求資訊。

取得建議

1. 在https://console.aws.amazon.com/personalize/家中打開 Amazon Personalize 化控制台並登錄您的帳戶。

2. 選擇包含您正在使用的促銷活動或推薦人的資料集群組。

3. 在導覽窗格中，選擇 [廣告活動] 或 [推薦人]。

4. 選擇目標廣告系列或推薦人。

5. 對於廣告活動，請在「測試廣告系列結果」下，根據您使用的食譜輸入您的建議請求詳細資料。對於推薦人，請選擇測試推薦人，然後根據您的使用案例輸入您的建議請求詳細資料。

   如果您在使用者登入之前記錄了他們的事件 (匿名使用者)，您可以提供來自這些事件，就像是他們的事件一樣，sessionId來取得此使用者的建議userId。如需有關為匿名使用者錄製事件的詳細資訊，請參閱記錄匿名用戶的事件。

6. (選擇性) 選擇篩選器。如需詳細資訊，請參閱篩選建議和使用者區段。

7. 如果您使用關聯式詮釋資料，請提供每個上下文的資料。針對每個前後關聯，針對「金鑰」輸入中繼資料欄位。針對「值」，輸入內容資料。如需詳細資訊，請參閱透過上下文中繼資料增加建議。

8. 如果您已在促銷活動或推薦人的建議中啟用中繼資料，對於「項目」資料集欄，請選擇要包含在建議結果中的中繼資料欄。如需啟用促銷活動中繼資料的詳細資訊，請參閱建議的項目中繼資料。如需啟用推薦人之詮釋資料的相關資訊，請參閱在建議中為 Amazon Personalize 網域推薦人啟用中繼資料。

9. 如果您要促銷料號子集，請選擇性地完成「促銷」欄位。如需詳細資訊，請參閱 推廣建議中的項目。

10. 選擇 Get recommendations (取得建議)。此時會顯示一個包含使用者前 25 個建議項目的表格。如果您使用使用者個人化-v2，每個建議項目都會包含建議中包含項目的原因清單。如需詳細資訊，請參閱使用者個人化-v2 的建議原因。

取得項目推薦 (AWS CLI)

使用下列程式碼取得行銷活動的建議。若要取得推薦人的建議，請將campaign-arn參數取代為recommender-arn.

指定您要取得建議的使用者 ID，以及行銷活動或推薦人的 Amazon 資源名稱 (ARN)。會顯示使用者前 10 個建議項目的清單。如果您使用使用者個人化-v2，每個建議項目都會包含建議中包含項目的原因清單。如需詳細資訊，請參閱使用者個人化-v2 的建議原因。

若要變更建議項目的數目，請變更的值numResults。預設值為 25 個項目。最多為 500 個項目。如果您使用 RELATED _ ITEMS 方法來訓練支援促銷活動的解決方案版本，請將user-id參數取代為item-id並指定項目 ID。

如果您在使用者登入之前記錄了他們的事件 (匿名使用者)，您可以提供來自這些事件，就像是他們的事件一樣，sessionId來取得此使用者的建議userId。如需有關為匿名使用者錄製事件的詳細資訊，請參閱記錄匿名用戶的事件。

aws personalize-runtime get-recommendations \
--campaign-arn campaign arn \
--user-id User ID \
--num-results 10

取得項目推薦 (AWS SDKs)

下列程式碼示範如何從行銷活動中取得使用者的 Amazon Personalize 建議 AWS SDKs。若要取得推薦人的建議，請將campaignArn參數取代為recommenderArn.

指定您要取得建議的使用者 ID，以及行銷活動或推薦人的 Amazon 資源名稱 (ARN)。會顯示使用者前 10 個建議項目的清單。如果您使用使用者個人化-v2，每個建議項目都會包含建議中包含項目的原因清單。如需詳細資訊，請參閱使用者個人化-v2 的建議原因。

若要變更建議項目的數目，請變更的值numResults。預設值為 25 個項目。最多為 500 個項目。如果您使用 RELATED _ ITEMS 方法來訓練支援促銷活動的解決方案版本，請將userId參數取代為itemId並指定項目 ID。

如果您在促銷活動或推薦人的建議中啟用中繼資料，您可以指定要包含在回應中的項目資料集中繼資料欄。如需程式碼範例，請參閱 包含含建議的項目中繼資料 (AWS SDKs)。如需啟用詮釋資料的資訊，請參閱建議的項目中繼資料。

如果您在使用者登入之前記錄了他們的事件 (匿名使用者)，您可以提供來自這些事件，就像是他們的事件一樣，sessionId來取得此使用者的建議userId。如需有關為匿名使用者錄製事件的詳細資訊，請參閱記錄匿名用戶的事件。

SDK for Python (Boto3)

import boto3

personalizeRt = boto3.client('personalize-runtime')

response = personalizeRt.get_recommendations(
    campaignArn = 'Campaign ARN',
    userId = 'User ID',
    numResults = 10
)

print("Recommended items")
for item in response['itemList']:
    print (item['itemId'])

SDK for Java 2.x

    public static void getRecs(PersonalizeRuntimeClient personalizeRuntimeClient, String campaignArn, String userId) {

        try {
            GetRecommendationsRequest recommendationsRequest = GetRecommendationsRequest.builder()
                    .campaignArn(campaignArn)
                    .numResults(20)
                    .userId(userId)
                    .build();

            GetRecommendationsResponse recommendationsResponse = personalizeRuntimeClient
                    .getRecommendations(recommendationsRequest);
            List<PredictedItem> items = recommendationsResponse.itemList();
            for (PredictedItem item : items) {
                System.out.println("Item Id is : " + item.itemId());
                System.out.println("Item score is : " + item.score());
            }

        } catch (AwsServiceException e) {
            System.err.println(e.awsErrorDetails().errorMessage());
            System.exit(1);
        }
    }

SDK for JavaScript v3

// Get service clients module and commands using ES6 syntax.
import { GetRecommendationsCommand } from
  "@aws-sdk/client-personalize-runtime";

import { personalizeRuntimeClient } from "./libs/personalizeClients.js";
// Or, create the client here.
// const personalizeRuntimeClient = new PersonalizeRuntimeClient({ region: "REGION"});

// Set the recommendation request parameters.
export const getRecommendationsParam = {
  campaignArn: 'CAMPAIGN_ARN', /* required */
  userId: 'USER_ID',      /* required */
  numResults: 15    /* optional */
}

export const run = async () => {
  try {
    const response = await personalizeRuntimeClient.send(new GetRecommendationsCommand(getRecommendationsParam));
    console.log("Success!", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();