اليوم ، نحن متحمسون للإعلان العروض ميزة في Amazon Personalize تتيح لك التوصية صراحةً بعناصر محددة للمستخدمين بناءً على القواعد التي تتوافق مع أهداف عملك. على سبيل المثال ، يمكن أن يكون لديك شراكات تسويقية تتطلب منك الترويج لعلامات تجارية معينة أو محتوى داخلي أو فئات تريد تحسين ظهورها. تمنحك العروض الترويجية مزيدًا من التحكم في العناصر الموصى بها. يمكنك تحديد قواعد العمل لتحديد العناصر الترويجية وعرضها عبر قاعدة المستخدمين بأكملها ، دون أي تكلفة إضافية. يمكنك أيضًا التحكم في النسبة المئوية للمحتوى الذي يتم الترويج له في توصياتك. تبحث Amazon Personalize تلقائيًا عن العناصر ذات الصلة ضمن مجموعة العناصر الترويجية التي تلبي قاعدة عملك وتوزعها ضمن توصيات كل مستخدم.

يمكّنك Amazon Personalize من تحسين مشاركة العملاء من خلال تعزيز توصيات المنتجات والمحتوى المخصصة في مواقع الويب والتطبيقات والحملات التسويقية المستهدفة. يمكنك البدء بدون أي خبرة سابقة في التعلم الآلي (ML) ، وذلك باستخدام واجهات برمجة التطبيقات لبناء إمكانات تخصيص متطورة بسهولة ببضع نقرات. يتم تشفير جميع بياناتك لتكون خاصة وآمنة ، وتستخدم فقط لإنشاء توصيات للمستخدمين.

في هذا المنشور ، نوضح كيفية تخصيص توصياتك باستخدام ميزة العروض الترويجية الجديدة لحالة استخدام التجارة الإلكترونية.

حل نظرة عامة

يمكن للشركات المختلفة استخدام العروض الترويجية بناءً على أهدافهم الفردية لنوع المحتوى الذي يريدون زيادة المشاركة فيه. يمكنك استخدام العروض الترويجية للحصول على نسبة مئوية من توصياتك من نوع معين لأي تطبيق بغض النظر عن المجال. على سبيل المثال ، في تطبيقات التجارة الإلكترونية ، يمكنك استخدام هذه الميزة لجعل 20٪ من العناصر الموصى بها هي تلك التي تم تمييزها على أنها معروضة للبيع ، أو من علامة تجارية أو فئة معينة. بالنسبة لحالات استخدام الفيديو عند الطلب ، يمكنك استخدام هذه الميزة لملء 40٪ من العرض الدائري بالعروض والأفلام التي تم إطلاقها حديثًا والتي تريد إبرازها أو الترويج للمحتوى المباشر. يمكنك استخدام الترقيات في مجموعات مجموعة بيانات المجال و مجموعات البيانات المخصصة (إضفاء الطابع الشخصي على المستخدم و منتجات مشابهة وصفات).

يجعل Amazon Personalize تكوين العروض الترويجية أمرًا بسيطًا: أولاً ، قم بإنشاء مرشح يحدد العناصر التي تريد الترويج لها. يمكنك استخدام وحدة تحكم Amazon Personalize أو واجهة برمجة التطبيقات لإنشاء عامل تصفية بمنطقك باستخدام Amazon Personalize DSL (لغة خاصة بالمجال). يستغرق سوى بضع دقائق. بعد ذلك ، عند طلب التوصيات ، حدد الترويج عن طريق تحديد الفلتر ، والنسبة المئوية للتوصيات التي يجب أن تتطابق مع هذا الفلتر ، وإذا لزم الأمر ، معلمات الفلتر الديناميكي. يتم توزيع العناصر التي تمت ترقيتها بشكل عشوائي في التوصيات ، ولكن لا تتم إزالة أي توصيات حالية.

يوضح الرسم البياني التالي كيف يمكنك استخدام العروض الترويجية في التوصيات في Amazon Personalize.

أنت تحدد العناصر المراد ترقيتها في نظام الكتالوج ، وتحميلها إلى مجموعة بيانات Amazon Personalize ، ثم تحصل على التوصيات. يؤدي الحصول على توصيات دون تحديد عرض ترويجي إلى إرجاع العناصر الأكثر صلة ، وفي هذا المثال ، عنصر واحد فقط من العناصر التي تمت ترقيتها. ليس هناك ما يضمن إرجاع العناصر التي تم الترويج لها. يؤدي الحصول على توصيات بنسبة 50٪ من العناصر التي تم الترويج لها إلى إرجاع نصف العناصر التي تنتمي إلى العناصر التي تم الترويج لها.

يرشدك هذا المنشور خلال عملية تحديد العروض الترويجية وتطبيقها في توصياتك في Amazon Personalize لضمان احتواء النتائج من حملة أو توصية على عناصر محددة تريد أن يراها المستخدمون. في هذا المثال ، نقوم بإنشاء مُقترح بيع بالتجزئة ونقوم بالترويج للعناصر باستخدام CATEGORY_L2 as halloween، والذي يتوافق مع زينة الهالوين. نموذج التعليمات البرمجية لحالة الاستخدام هذه متاح في GitHub جيثب:.

المتطلبات الأساسية المسبقة

لاستخدام العروض الترويجية ، عليك أولاً إعداد بعض موارد Amazon Personalize على وحدة تحكم Amazon Personalize. قم بإنشاء مجموعة البيانات الخاصة بك ، وقم بتحميل البيانات الخاصة بك ، وقم بتدريب المُقترِح. للحصول على التعليمات الكاملة ، انظر بدء.

1. أنشئ مجموعة بيانات.
2. خلق Interactions مجموعة البيانات باستخدام ما يلي مخطط:

   {
       "type": "record",
       "name": "Interactions",
       "namespace": "com.amazonaws.personalize.schema",
       "fields": [
           {
               "name": "USER_ID",
               "type": "string"
           },
           {
               "name": "ITEM_ID",
               "type": "string"
           },
           {
               "name": "TIMESTAMP",
               "type": "long"
           },
           {
               "name": "EVENT_TYPE",
               "type": "string"
           }
       ],
       "version": "1.0"
   }

3. قم باستيراد بيانات التفاعل إلى أمازون إضفاء الطابع الشخصي من خدمة تخزين أمازون البسيطة (أمازون S3). في هذا المثال ، نستخدم ما يلي ملف البيانات. لقد أنشأنا البيانات التركيبية بناءً على الكود الموجود في ملف مشروع متجر تجريبي للبيع بالتجزئة. ارجع إلى GitHub repo لمعرفة المزيد حول البيانات والاستخدامات المحتملة.
4. خلق Items مجموعة البيانات باستخدام المخطط التالي:

   {
       "type": "record",
       "name": "Items",
       "namespace": "com.amazonaws.personalize.schema",
       "fields": [
           {
               "name": "ITEM_ID",
               "type": "string"
           },
           {
               "name": "PRICE",
               "type": "float"
           },
           {
               "name": "CATEGORY_L1",
               "type": ["string"],
               "categorical": true
           },
           {
               "name": "CATEGORY_L2",
               "type": ["string"],
               "categorical": true
           },
           {
               "name": "GENDER",
               "type": ["string"],
               "categorical": true
           }
       ],
       "version": "1.0"
   }

5. قم باستيراد بيانات العنصر إلى Amazon Personalize من Amazon S3. في هذا المثال ، نستخدم ما يلي ملف البيانات، بناءً على الكود الموجود في ملف مشروع متجر تجريبي للبيع بالتجزئةلمزيد من المعلومات حول تنسيق واستيراد تفاعلاتك وبيانات العناصر من Amazon S3 ، راجع استيراد السجلات المجمعة.
6. أنشئ مُقترحا. في هذا المثال ، نقوم بإنشاء ملف المُقترح "موصى به لك".

إنشاء مرشح للترقيات الخاصة بك

الآن بعد أن قمت بإعداد موارد Amazon Personalize الخاصة بك ، يمكنك إنشاء ملف تصفية التي تحدد العناصر للترويج الخاص بك.

يمكنك إنشاء مرشح ثابت حيث يتم ترميز جميع المتغيرات بشكل ثابت عند إنشاء المرشح. على سبيل المثال ، لإضافة جميع العناصر التي تحتوي على CATEGORY_L2 as halloween، استخدم تعبير الفلتر التالي:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ("halloween")

يمكنك أيضًا إنشاء عوامل تصفية ديناميكية. يمكن تخصيص المرشحات الديناميكية في الوقت الفعلي عندما تطلب التوصيات. لإنشاء عامل تصفية ديناميكي ، يمكنك تحديد معايير تعبير عامل التصفية باستخدام معلمة عنصر نائب بدلاً من قيمة ثابتة. يسمح لك هذا باختيار القيم المراد تصفيتها عن طريق تطبيق عامل تصفية على طلب توصية ، وليس عند إنشاء تعبيرك. تقوم بتوفير عامل تصفية عند استدعاء احصل على توصيات or احصل على تصنيف شخصي عمليات API ، أو كجزء من بيانات الإدخال الخاصة بك عند إنشاء التوصيات في الوضع الدفعي من خلال ملف وظيفة الاستدلال الدفعي.

على سبيل المثال ، لتحديد جميع العناصر في فئة تم اختيارها عند إجراء استدعاء الاستدلال مع تطبيق مرشح ، استخدم تعبير المرشح التالي:

INCLUDE ItemID WHERE Items.CATEGORY_L2 IN ($CATEGORY)

يمكنك استخدام DSL السابق لإنشاء مرشح قابل للتخصيص على وحدة تحكم Amazon Personalize. أكمل الخطوات التالية:

1. على الأمازون تخصيص وحدة التحكم على فلاتر الصفحة ، اختر إنشاء مرشح.
2. في حالة اسم الفلتر، أدخل اسم الفلتر الخاص بك (بالنسبة لهذا المنشور ، ندخل category_filter).
3. أختار بناء التعبير أو أضف تعبيرك يدويًا لإنشاء عامل التصفية المخصص الخاص بك.
4. بناء التعبير "تضمين ItemID WHERE Items.CATEGORY_L2 IN $CATEGORY"بالنسبة القيم، تقوم بإدخال قيمة $ بالإضافة إلى اسم معلمة مشابه لاسم مكان الإقامة الخاص بك ويسهل تذكره (على سبيل المثال ، $CATEGORY).
5. اختياريًا ، لربط التعبيرات الإضافية بالفلتر ، اختر ، علامة الجمع.
6. لإضافة تعبيرات مرشح إضافية ، اختر أضف تعبيرًا.
7. اختار إنشاء مرشح.
   

يمكنك أيضا إنشاء مرشحات عبر createFilter API في Amazon إضفاء الطابع الشخصي. لمزيد من المعلومات، راجع إنشاء عامل تصفية.

تطبيق الترقيات على توصياتك

تطبيق تصفية عندما يكون الحصول على التوصيات طريقة جيدة لتكييف توصياتك وفقًا لمعايير محددة. ومع ذلك ، يؤدي استخدام عوامل التصفية إلى تطبيق عامل التصفية مباشرة على جميع التوصيات التي يتم إرجاعها. عند استخدام العروض الترويجية ، يمكنك تحديد النسبة المئوية للتوصيات التي تتوافق مع العناصر التي تم الترويج لها ، مما يسمح لك بخلط ومطابقة التوصيات المخصصة وأفضل العناصر التي تطابق معايير الترويج لكل مستخدم بالنسب التي تناسب حالة استخدام عملك.

رمز المثال التالي هو نص طلب لـ GetRecommendations واجهة برمجة التطبيقات التي تحصل على توصيات لمستخدم يستخدم امتداد "موصى به لك" المُوصي:

{
    "recommenderArn" = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20
}

يعيد هذا الطلب توصيات مخصصة للمستخدم المحدد. من بين العناصر الموجودة في الكتالوج ، هذه هي العناصر العشرين الأكثر صلة بالمستخدم.

يمكننا إجراء نفس المكالمة وتطبيق عامل تصفية لإرجاع العناصر التي تطابق الفلتر فقط. رمز المثال التالي هو نص طلب لـ GetRecommendations واجهة برمجة التطبيقات التي تحصل على توصيات لمستخدم باستخدام مُقترح "موصى به لك" وتطبق أ مرشح ديناميكي لإرجاع العناصر ذات الصلة التي تحتوي على CATEGORY_L2 as halloween:

{
    "recommenderArn" = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20,
    filterArn = "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
    filterValues={ "CATEGORY": ""halloween""}
}

يقوم هذا الطلب بإرجاع التوصيات الشخصية للمستخدم المحدد الذي لديه CATEGORY_L2 as halloween. من بين العناصر الموجودة في الكتالوج ، هذه هي أكثر 20 عنصرًا ذات صلة CATEGORY_L2 as halloween للمستخدم.

يمكنك استخدام العروض الترويجية إذا كنت تريد أن تكون نسبة معينة من العناصر من سمة تريد ترقيتها ، والباقي هي العناصر الأكثر صلة بهذا المستخدم من بين جميع العناصر الموجودة في الكتالوج. يمكننا إجراء نفس المكالمة وتطبيق ترقية. رمز المثال التالي هو نص طلب لـ GetRecommendations واجهة برمجة التطبيقات التي تحصل على توصيات لمستخدم يستخدم التوصية "موصى به لك" وتطبق إعلانًا ترويجيًا لتضمين نسبة معينة من العناصر ذات الصلة التي CATEGORY_L2 as halloween:

{
    recommenderArn = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20,
    promotions = [{
        "name" : "halloween_promotion",
        "percentPromotedItems" : 20,
        "filterArn": "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
        "filterValues": {
            "CATEGORY" : ""halloween""
        }
    }]
}

يُرجع هذا الطلب 20٪ من التوصيات التي تطابق الفلتر المحدد في الترويج: العناصر ذات CATEGORY_L2 as halloween؛ و 80٪ توصيات مخصصة للمستخدم المحدد والتي هي أكثر العناصر ملاءمة للمستخدم من بين العناصر الموجودة في الكتالوج.

يمكنك استخدام مرشح جنبا إلى جنب مع الترقيات. ينطبق عامل التصفية في كتلة معلمات المستوى الأعلى فقط على العناصر غير المروجة.

يتم تحديد عامل التصفية لتحديد العناصر التي تمت ترقيتها في promotions كتلة المعلمة. رمز المثال التالي هو نص طلب لـ GetRecommendations واجهة برمجة التطبيقات التي تحصل على توصيات لمستخدم باستخدام التوصية "موصى به لك" وتستخدم الفلتر الديناميكي الذي كنا نستخدمه مرتين. ينطبق الفلتر الأول على العناصر غير المروجة ، مع تحديد العناصر ذات CATEGORY_L2 as decorative، وينطبق الفلتر الثاني على الترويج ، الترويج للعناصر باستخدام CATEGORY_L2 as halloween:

{
    recommenderArn = "arn:aws:personalize:us-west-2:000000000000:recommender/test-recommender",
    userId = "1",
    numResults = 20,
    "filterArn": "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
    "filterValues": {
        "CATEGORY" : ""decorative""
    }
    promotions = [{
        "name" : "halloween_promotion",
        "percentPromotedItems" : 20,
        "filterArn": "arn:aws:personalize:us-west-2:000000000000:filter/category_filter",
        "filterValues": {
            "CATEGORY" : ""halloween""
        }
    }]
}

يُرجع هذا الطلب 20٪ من التوصيات التي تطابق الفلتر المحدد في الترويج: العناصر ذات CATEGORY_L2 as halloween. 80٪ المتبقية من العناصر الموصى بها هي توصيات مخصصة للمستخدم المحدد مع CATEGORY_L2 as decorative. هذه هي العناصر الأكثر صلة بالمستخدم من بين العناصر الموجودة في الكتالوج بها CATEGORY_L2 as decorative.

تنظيف

تأكد من تنظيف أي موارد غير مستخدمة قمت بإنشائها في حسابك أثناء اتباع الخطوات الموضحة في هذا المنشور. يمكنك حذف عوامل التصفية والاقتراحات ومجموعات البيانات ومجموعات البيانات عبر ملف وحدة تحكم إدارة AWS أو باستخدام Python SDK.

نبذة عامة

إضافة العروض الخاصه  في Amazon Personalize يسمح لك بتخصيص توصياتك لكل مستخدم من خلال تضمين العناصر التي تريد زيادة الرؤية والمشاركة فيها بشكل صريح. تسمح لك العروض الترويجية أيضًا بتحديد النسبة المئوية للعناصر الموصى بها التي يجب الترويج لها ، والتي تصمم التوصيات لتلبية أهداف عملك دون أي تكلفة إضافية. يمكنك استخدام العروض الترويجية للتوصيات باستخدام وصفات تخصيص المستخدم والعناصر المماثلة ، بالإضافة إلى استخدام التوصيات المحسّنة لحالة الأحرف.

لمزيد من المعلومات حول تخصيص أمازون ، راجع ما هو تخصيص Amazon؟

عن المؤلفين

آنا جروبلر هو مهندس حلول في AWS.

أليكس بوركلو هو مهندس حلول في AWS. تركز على مساعدة العملاء في تطبيق التعلم الآلي وتحليلات البيانات لحل المشكلات في صناعة الإعلام والترفيه. في أوقات فراغها ، تستمتع بقضاء الوقت مع العائلة والتطوع كحراسة تزلج على تلة التزلج المحلية.

ليام موريسون هو مدير مهندس حلول في AWS. يقود فريقًا يركز على خدمات استخبارات التسويق. لقد أمضى السنوات الخمس الماضية في التركيز على التطبيقات العملية للتعلم الآلي في وسائل الإعلام والترفيه ، ومساعدة العملاء على تطبيق التخصيص ، ومعالجة اللغة الطبيعية ، ورؤية الكمبيوتر والمزيد.