下一個最佳動作食譜

下一個最佳動作 (aws-next-best-action) 方案會為您的使用者產生下一個最佳動作的即時建議。對於使用者而言，下一個最佳動作是他們最有可能採取的動作。例如，註冊您的忠誠計劃，下載您的應用程序或申請信用卡。

透過「下一個最佳動作」，您可以在使用者使用您的應用程式時，提供個人化的動作建議。為使用者建議正確的動作可能會導致更多使用者採取您的行動。根據您要建議的動作，您可以提高客戶忠誠度、產生更多收入，並改善應用程式的使用者體驗。如需說明個人化動作建議如何使電子商務應用程式受益的使用案例範例，請參閱使用案例範例。

Amazon Personalize 會從您匯入動作資料集的動作中預測下一個最佳動作。它確定了用戶最有可能根據他們與操作和項目的交互採取的操作。如果您的動作資料包含動作的價值，Amazon Personalize 就會記錄動作的價值。如果使用者同樣可能會採取兩種不同的動作，Amazon Personalize 會以較高的價值排名該動作。

當您取得使用者的即時動作建議時，Amazon Personalize 會傳回使用者最有可能在可設定的時間段內執行的動作清單 (以下稱為action optimization period)。例如，他們在接下來的 14 天內最有可能採取的行動。清單會依傾向分數以遞減順序排序。此分數代表使用者採取動作的可能性。

在您匯入動作互動資料之前，Amazon Personalize 會建議您在沒有個人化的情況下執行動作，傾向分數為 0.0。在動作具有下列情況之後，動作將會有分數：

• 至少 50 與採取事件類型的動作互動。

• 至少 50 個動作互動與 NOT_ATED 或已檢視事件類型。

這些動作互動必須出現在最新的解決方案版本訓練中，且必須在與 Action 互動資料集中最新互動時間戳記相隔的 6 週內發生。

如需下一個最佳動作方案使用之資料的詳細資訊，請參閱。必要和選擇性資料集

當您使用下一個最佳動作方案建立解決方案時，您可以使用特徵化超參數來設定 Amazon Personalize 預測動作時所使用的時間範圍。action optimization period如需詳細資訊，請參閱 屬性和超參數。

使用案例範例

為使用者建議正確的動作可能會導致更多使用者採取您的行動。根據您要建議的動作，您可以提高客戶忠誠度、產生更多收入，並改善應用程式的使用者體驗。

例如，您可能有一個電子商務應用程序，建議以下不同的操作：

• 訂閱忠誠度計劃

• 下載手機應用

• 在珠寶類別中購買

• 在美容和美容類別中購買

您可能有經常在您的網站上購物的用戶，並反复採取了珠寶和美容以及美容購買行動。對於此使用者，Amazon Personalize 動作建議及其分數可能包括下列項目：

• 訂閱忠誠度計劃

  傾向得分 — 1.00

• 在珠寶類別中購買

  傾向度得分 — 0.86

• 在美容和美容類別中購買

  傾向得分 — 0.85 分

通過這些行動建議，您知道要提示用戶註冊您的忠誠度計劃。此動作具有最高傾向分數，而且是使用者最有可能採取的動作。這是因為用戶經常在您的商店購物，並且很可能會從您的忠誠度計劃中獲得的好處。

食譜功能

下一個最佳動作方案在產生動作建議時，會使用下列 Amazon Personalize 配方功能：

• 即時個人化：Amazon Personalize 會根據使用者不斷變化的興趣，使用即時個人化來更新和調整動作建議。如需詳細資訊，請參閱 即時個人化。

• 探索：透過探索，建議包含互動資料較少的新動作或動作。如需探索的更多資訊，請參閱〈〉探勘。

• 自動更新：透過自動更新，Amazon Personalize 每兩小時自動更新最新模型 (解決方案版本)，以透過探索將新動作納入建議中。如需詳細資訊，請參閱 自動更新。

必要和選擇性資料集

若要使用下一個最佳動作方案，您必須建立下列資料集：

• 動作：您可以將動作的相關資料 (例如其值) 匯入 Amazon 個人化動作資料集。

  在您的動作資料中，您可以為每個動作提供過期時間戳記。如果某個動作已過期，Amazon Personalize 就不會將其包含在建議中。您也可以為每個動作提供「重複 _ 頻率」。這表示 Amazon Personalize 在使用者與之互動後再次建議動作之前，應等待多長時間。如需「動作」資料集可儲存之資料的相關資訊，請參閱動作資料集。

• 項目互動：您的項目互動數據集必須至少具有 1000 個項目互動。Amazon Personalize 會使用項目互動來瞭解使用者目前的狀態及其興趣。如需項目互動資料的詳細資訊，請參閱項目互動資料集。

下列資料集是選用的：

• 動作互動資料集：動作互動是指涉及使用者和動作資料集中的動作的互動。您可以匯入「已拍攝」、「未採取」和「已檢視」動作互動。雖然此資料為選擇性資料，但我們建議您匯入動作互動資料以取得品質建議。如果您沒有動作互動資料，您可以建立空白的 Action 互動資料集，並使用 PutActionInteractions API 作業記錄客戶與動作的互動。

  在您匯入動作互動資料之前，Amazon Personalize 會建議您在沒有個人化的情況下執行動作，傾向分數為 0.0。在動作具有下列情況之後，動作將會有分數：

  • 至少 50 與採取事件類型的動作互動。

  • 至少 50 個動作互動與 NOT_ATED 或已檢視事件類型。

  這些動作互動必須出現在最新的解決方案版本訓練中，且必須在與 Action 互動資料集中最新互動時間戳記相隔的 6 週內發生。

  如需有關您可以匯入的動作互動資料的資訊，請參閱動作互動資料集。如需有關記錄動作互動事件的資訊，請參閱記錄動作互動事件。

  注意

  透過下一個最佳動作，Amazon Personalize 不會在動作互動資料集中使用曝光次數資料或關聯式中繼資料。

• 使用者：Amazon Personalize 會使用您使用者資料集中的任何資料，進一步瞭解您的使用者及其興趣。您也可以使用 Users 資料集中的資料來篩選動作建議。如需有關可匯入之使用者資料的資訊，請參閱用戶數據集。

• 項目：Amazon Personalize 會使用項目資料集中的任何資料以及項目互動資料集來識別其行為中的連線和模式。這有助於 Amazon Personalize 化了解您的用戶和他們的興趣。有關您可以導入的物件數据的更多內容，敬請參閱項目資料集。

屬性和超參數

下一個最佳動作方法不支援超參數最佳化。下一個最佳動作方案具有下列屬性：

• 名稱 – aws-next-best-action

• 食譜 Amazon 資源名稱（ARN）— arn:aws:personalize:::recipe/aws-next-best-action

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

下表說明方案的特徵化超參數。 aws-next-best-action 超參數 是一種演算法參數，您可以調整以改善模型效能。特徵化超參數可控制如何篩選要在訓練中使用的資料。

該表格也提供每個超參數的下列資訊：

• 範圍：[下限、上限]

• 值類型：整數、連續 (浮點數)、分類 (布林值、清單、字串)

• HPO 可調：參數是否可以參與 HPO

名稱	描述
特徵化超參數
action_optimization_period	Amazon Personalize 預測使用者下一個最佳動作時所使用的時間範圍。例如，使用者在接下來 14 天內最有可能執行的動作。 如果您沒有太多的動作互動資料，請指定較大的值。如果您不確定要指定什麼值，請使用預設值。 預設值：14 範圍： 值類型：整數 HPO 可調整：否