Perguntas frequentes do Amazon Personalize

Geral

O Amazon Personalize é um serviço de machine learning (ML) totalmente gerenciado que usa seus dados para gerar recomendações de produtos e conteúdo para seus usuários. Você fornece dados sobre seus usuários finais (por exemplo, idade, local, tipo de dispositivo), itens indicados no seu catálogo (por exemplo, gênero, preço) e interações entre usuários e itens (por exemplo, cliques, compras). O Personalize usa esses dados para treinar modelos personalizados e privados que geram recomendações que podem ser exibidas por meio de uma API.

O serviço usa algoritmos para analisar o comportamento do cliente e recomendar produtos, conteúdo e serviços que provavelmente sejam do seu interesse. Essa abordagem aprimorada de experiência do cliente pode aumentar o envolvimento, a fidelidade e as vendas relativas ao cliente, o que pode levar a aumentos na receita e na lucratividade. O Personalize se baseia na mesma tecnologia de ML usada pela Amazon.com e permite que qualquer desenvolvedor adicione facilmente personalização a aplicações, sites, notificações push, comunicações de marketing existentes e muito mais, tudo sem a necessidade de experiência em ML. O Personalize usa insights de dados em tempo real para fornecer recomendações que são personalizadas instantaneamente, dependendo do comportamento do usuário. Você pode começar a usar rapidamente com recomendadores otimizados para casos de uso para seu domínio corporativo ou pode criar seus próprios recursos personalizados configuráveis.

Veja alguns motivos pelos quais as empresas escolhem o Amazon Personalize para personalização:

  • Melhorar o envolvimento do usuário e as taxas de conversão: é mais provável que os usuários interajam com produtos e serviços adaptados às suas preferências. Dessa maneira, as empresas podem aumentar as taxas de envolvimento e conversão do usuário ao oferecer recomendações personalizadas.
  • Aumentar a satisfação do cliente: as empresas podem oferecer uma melhor experiência do cliente ao usar a personalização para exibir produtos e serviços mais relevantes às suas necessidades e interesses.
  • Escalar a personalização de forma econômica: o Amazon Personalize é um serviço de ML baseado em nuvem que pode lidar com grandes volumes de dados do usuário para produzir recomendações personalizadas para milhões de usuários. Portanto, é uma solução eficaz para empresas com bases de usuários grandes ou em rápida expansão.
  • Economizar tempo e recursos: o Amazon Personalize automatiza o processo de geração de sugestões personalizadas, implantando modelos de recomendação em questão de dias e não de meses. Isso pode ajudar as organizações a economizar recursos e tempo valiosos que seriam, de outra forma, usados para análise manual e geração de recomendações.

O Amazon Personalize pode ser usado para personalizar a experiência do usuário final em qualquer canal digital. Os exemplos incluem recomendações de produtos para comércio eletrônico, artigos de notícias, publicações, mídias e redes sociais, recomendações de hotéis para sites de viagens, recomendações de cartões de crédito para bancos e recomendações de combinações para sites de namoro. O Amazon Personalize também pode ser usado para personalizar a experiência do usuário quando a interação dele ocorre em um canal físico. Por exemplo, uma empresa de entrega de refeições pode personalizar refeições semanais para os usuários em um plano de assinatura. Exemplos adicionais de casos de uso incluem o seguinte: Veja nossas referências de clientes para conhecer histórias reais de sucesso de clientes.

  • Personalize uma aplicação de streaming de vídeo: adicione vários tipos de recomendações personalizadas de vídeo à sua aplicação de streaming. Por exemplo, recomendações de vídeos como Melhores opções para você, Mais parecidos com X e Mais populares.
  • Adicione recomendações de produtos a uma aplicação de comércio eletrônico: adicione uma variedade de recomendações personalizadas de produtos à sua aplicação de varejo. Por exemplo, recomendações de produtos como Recomendado para você, Frequentemente comprados juntos e Clientes que visualizaram X também visualizaram.
  • Crie e-mails personalizados: gere recomendações em lote para todos os usuários em uma lista de e-mail. Em seguida, você pode usar um serviço da AWS ou um serviço de terceiros para enviar e-mails personalizados aos usuários recomendando itens do seu catálogo.
  • Crie uma campanha de marketing direcionada: você pode usar o Amazon Personalize para gerar segmentos de usuários que provavelmente interagirão com os itens do seu catálogo. Depois, você pode usar um serviço da AWS ou um serviço de terceiros para criar uma campanha de marketing direcionada que promova itens diferentes para diferentes segmentos de usuários.

Confira o Magic Movie Machine, um jogo curto e interativo em que você procura recomendações de filmes que correspondam aos seus interesses pessoais. Veja em primeira mão como o Amazon Personalize aprende suas preferências e adapta suas recomendações em tempo real. Veja uma demonstração agora mesmo.

Uso do Amazon Personalize

O Amazon Personalize tem um processo simples de três etapas com apenas alguns cliques no Console de Gerenciamento da AWS ou em um conjunto de chamadas de API simples. Primeiro, direcione o Amazon Personalize para seus dados de interação com o usuário (log do histórico de visualizações, cliques, compras etc.) no Amazon S3, carregue os dados usando uma chamada de API fácil ou use o SageMaker Data Wrangler para preparar e importar seus dados. Como alternativa, você pode fornecer um conjunto de dados de itens ou usuários que contenha informações adicionais sobre seu catálogo e sua base de clientes. Segundo, com apenas alguns cliques no console ou em uma chamada de API, treine um modelo personalizado de recomendação privada para seus dados. Terceiro, recupere recomendações personalizadas. Assista à série de vídeos Amazon Personalize Deep Dive (Análise detalhada do Amazon Personalize) para saber mais.

Comece a usar criando uma conta e acessando o console do desenvolvedor do Amazon Personalize, que orientará você por meio de um assistente de configuração intuitivo. Você tem a opção de usar uma API do JavaScript e SDKs do lado do servidor para enviar dados do fluxo de atividade em tempo real para o Amazon Personalize ou inicializar o serviço usando um log do histórico dos eventos do usuário. Você também pode importar seus dados por meio do Amazon Simple Storage Service (Amazon S3) ou usando o SageMaker Data Wrangler. Em seguida, com apenas algumas chamas de API, você pode treinar um modelo de personalização ao permitir que o serviço escolha o algoritmo correto para o conjunto de dados com AutoML ou ao escolher manualmente uma das várias opções de algoritmo disponíveis. Uma vez treinados, os modelos podem ser implantados com uma simples chamada de API e podem, em seguida, ser usados para aplicações de produção. Depois de implantados, use seus serviços de produção para obter recomendações em tempo real e o Amazon Personalize será automaticamente dimensionado para atender à demanda.

Os usuários devem fornecer os seguintes dados para o Amazon Personalize:

  • Fluxo das atividades ou dados do evento do usuário: um log do histórico das interações do usuário no site/aplicação é capturado no formato de eventos e enviado ao Amazon Personalize por meio de uma integração que envolve uma única linha de código. Isso inclui eventos essenciais, como clicar, comprar, assistir, adicionar ao carrinho de compras, curtir etc. Ao se integrar ao serviço, você também pode fornecer um log do histórico de todos os dados do fluxo de eventos/atividades, se disponíveis.
  • Dados do catálogo (item): pode ser qualquer tipo de catálogo, incluindo livros, vídeos, artigos de notícias ou produtos. Isso envolve IDs de itens e metadados associados a cada item.
  • Dados do usuário: dados do perfil do usuário, incluindo dados demográficos, como gênero e idade. Esses dados são opcionais.

O Amazon Personalize treinará e implantará um modelo com base nesses dados. Em seguida, você pode usar uma API de inferência simples para obter recomendações individualizadas em tempo real e gerar uma experiência personalizada para usuários finais de acordo com o tipo de modelo de personalização (por exemplo, personalização do usuário, itens relacionados ou reclassificação personalizada).

Os dados a seguir podem ajudar a melhorar a relevância da sua recomendação. É altamente recomendável incluí-los:

  • Tipo de evento (obrigatório para todos os casos de uso do grupo de conjuntos de dados de domínio)
  • Valor do evento
  • Metadados contextuais
  • Metadados do item e do usuário

Para obter mais informações sobre os tipos de dados que o Amazon Personalize pode usar, consulte Tipos de dados que você pode importar para o Amazon Personalize.

O Amazon Personalize ajuda você a importar e preparar seus dados por meio do Amazon SageMaker Data Wrangler antes de usá-los no Amazon Personalize. Com o SageMaker Data Wrangler, você pode importar dados de mais de 40 fontes de dados compatíveis e realizar a preparação completa dos dados (incluindo seleção, limpeza, exploração, visualização e processamento de dados em escala) em uma única interface de usuário usando pouco ou nenhum código. Isso permite que você prepare rapidamente usuários, itens ou conjuntos de dados de interações usando o Amazon SageMaker Data Wrangler, aproveitando transformações específicas do Amazon Personalize e mais de 300 transformações de dados integradas, recuperando insights de dados e rapidamente fazendo iterações ao corrigir problemas de dados. Basta acessar o console do Amazon Personalize, abrir um conjunto de dados nos seus grupos de conjuntos de dados, selecionar “Import and Prepare Your Data” (Importar e preparar seus dados) e, em seguida, escolher “Prepare Data with Data Wrangler” (Preparar dados com o Data Wrangler). Os clientes que usam o Amazon SageMaker Data Wrangler incorrerão em cobranças adicionais de acordo com o uso. Confira a página de preços do serviço.

Sim. O Amazon Personalize permite que você ajude seus usuários a descobrir novos produtos e itens ao permitir que você especifique um “peso de exploração de novo item”. Em seguida, essa entrada é usada pelo Amazon Personalize para encontrar automaticamente o equilíbrio certo entre expor um novo conteúdo aos usuários e oferecer as recomendações mais relevantes. O Amazon Personalize também considera dados quanto a quais itens os usuários foram expostos, mas com os quais optaram por não interagir. 

O Amazon Personalize fornece análises dos seus dados para facilitar os primeiros passos. Ele pode analisar os dados que você fornece e oferece sugestões para ajudar a melhorar a preparação dos dados. A performance dos sistemas de personalização depende do fornecimento de modelos com dados de alta qualidade sobre os usuários e suas interações com os itens do seu catálogo. Ao identificar possíveis deficiências de dados e fornecer sugestões para ajudar os clientes na correção, o Amazon Personalize facilita o treinamento de modelos de alta performance e reduz a necessidade de solução de problemas.

O Amazon Personalize lançou uma integração com o OpenSearch autogerenciado que permite personalizar os resultados da pesquisa para cada usuário e ajuda a prever suas necessidades de pesquisa. O plug-in Search Ranking do Amazon Personalize no OpenSearch ajuda a aproveitar os recursos de aprendizado profundo oferecidos pelo Amazon Personalize e aplicar reclassificação personalizada aos resultados da pesquisa do OpenSearch, sem qualquer experiência em machine learning. Com a pesquisa personalizada, é possível ir além da abordagem tradicional de correspondência de palavras-chave e aumentar os itens relevantes nos resultados de pesquisa de um usuário específico com base em seus interesses, contexto e interações anteriores em tempo real. Você também pode ajustar o nível de personalização de cada consulta de pesquisa para ter maior controle sobre sua experiência de pesquisa, melhorando o engajamento do usuário final e a conversão da pesquisa. 

O plugin Amazon Personalize Search Ranking está disponível tanto para o autogerenciado quanto para o Amazon OpenSearch. Se você estiver usando o Amazon OpenSearch, para começar, basta configurar um domínio do OpenSearch e configurar a campanha do Amazon Personalize com a fórmula “Classificação personalizada da AWS”. Em seguida, associe o plug-in Search Ranking do Amazon Personalize ao seu domínio e configure o plug-in. Você também pode usar o painel do OpenSearch para comparar os resultados da pesquisa.

Se você estiver usando o OpenSearch autogerenciado, para começar, basta configurar um cluster do OpenSearch, configurar a campanha do Amazon Personalize com a fórmula “Classificação personalizada da AWS” e, por fim, instalar e configurar o plugin Search Ranking do Amazon Personalize no OpenSearch. Você pode usar o painel do OpenSearch para comparar os resultados da pesquisa.

Para saber mais, consulte a documentação.

Com a fórmula “Amazon Personalize Next-Best-Action (aws-next-best-action)”, você pode determinar a próxima melhor ação a ser recomendada a cada usuário individual com base em suas preferências, interesses e histórico em tempo real. Você pode recomendar ações como um serviço complementar, participar de um programa de fidelidade de clientes, assinar um boletim informativo etc. que incentivem a conversão. Isso permite que você melhore a experiência de cada usuário, incentivando-o a realizar determinadas ações ao longo da jornada do usuário que ajudarão a promover o engajamento de longo prazo com a marca. Ele também permite que você melhore o retorno sobre o investimento em marketing, recomendando ações que tenham um alto grau de relevância para o usuário, resultando em aumento de receita e fidelidade. Saiba mais.

Fórmulas são algoritmos do Amazon Personalize para casos de uso específicos de personalização, incluindo recomendações de produtos ou conteúdo, classificação personalizada e segmentação de usuários. Cada fórmula fornece um algoritmo que o Amazon Personalize usa no treinamento e na configuração do modelo.

Para saber mais, consulte nossa documentação.

O Amazon Personalize Next Best Action (NBA) permite que as marcas recomendem a melhor ação que os usuários individuais devem realizar para aumentar a fidelidade e a conversão com a marca em tempo real. Os clientes começam definindo uma lista de ações e fazendo o upload dos conjuntos de dados necessários. Em seguida, eles treinam o modelo personalizado da NBA. Em seguida, eles integrarão as recomendações em seus aplicativos ou ferramentas de tecnologia de marketing por meio de uma API. Quando um usuário final aciona uma recomendação em tempo real, o modelo Personalize NBA retorna uma lista classificada de ações para cada usuário junto com as respectivas pontuações de propensão. Como as ações podem ser relevantes apenas por um período específico (por exemplo, inscrever-se em ofertas de viagens de fim de ano), ou os clientes podem querer limitar o número de ações apresentadas aos usuários finais (por exemplo, não mostrar a mesma ação mais de X vezes em Y dias), os clientes poderão impor restrições às suas recomendações de ação (por exemplo, filtros). 

O Amazon Personalize fornece aos clientes duas APIs de inferência: getRecommendations e getPersonalizedRanking. Essas APIs retornam uma lista de itemIDs recomendados para um usuário, uma lista de itens similares para um item ou uma lista reclassificada de itens para um usuário. O itemID pode ser um identificador do produto, videoID etc. Dessa forma, espera-se que você use esses itemIDs para gerar a experiência do usuário final por meio de etapas, como buscar a imagem e a descrição e renderizar uma exibição. Em alguns casos, você pode se integrar com os serviços da AWS, com serviços de transmissão de e-mail de terceiros, com serviços de notificação etc. para criar a experiência desejada de usuário final.

Confira a solução de APIs de personalização, que explica a estrutura de API de baixa latência em tempo real que fica entre suas aplicações e sistemas de recomendação, como o Amazon Personalize. A solução também fornece implementações de práticas recomendadas de cache de respostas, de configurações de gateway de API, de testes A/B com o Amazon CloudWatch Evidently, de metadados de itens em tempo de inferência, de recomendações contextuais automáticas e muito mais.

Existem alguns recursos criados no Amazon Personalize que servem como pontos de verificação para ajudar você a garantir que esteja otimizando para recomendações de alta qualidade.

  • Teste online (teste A/B): esta sempre será a melhor medida do impacto de um modelo nas métricas de negócios. Também é o método mais comum. Você deve avaliar suas recomendações em relação às métricas de negócios. Se você ainda não tiver uma ferramenta de teste A/B, considere usar o Amazon CloudWatch Evidently. O projeto de APIs de personalização fornece uma solução implantável e uma arquitetura de referência.
  • Métricas off-line: o Amazon Personalize calcula métricas off-line para cada versão de solução e o recomendador que medem a precisão das previsões do modelo. Você pode usar essas métricas para fornecer um sentido direcional da qualidade de uma versão da solução em relação a outras versões. As métricas offline são calculadas pela divisão dos conjuntos de dados do Personalize em um conjunto de treinamento e teste. Isso permite que você visualize os efeitos da modificação dos hiperparâmetros e algoritmos usados para treinar seus modelos, calculados com base em dados históricos.
  • Métricas on-line: são resultados empíricos observados nas interações do seu usuário com recomendações em tempo real fornecidas em um ambiente ao vivo. Quando você compara modelos do Amazon Personalize com um sistema de recomendação existente, os dados históricos são inicialmente influenciados na direção da abordagem existente. Portanto, é recomendável executar um teste online por algumas semanas antes de realmente iniciar um teste para medir os resultados para que o modelo seja treinado e avaliado com base nos dados de interações gerados pela visualização das recomendações do Amazon Personalize.

Você pode medir o resultado comercial de qualquer recomendação do Amazon Personalize com qualquer evento enviado ao sistema. Em seguida, você pode visualizar e avaliar o impacto de uma ou várias recomendações para desenvolver uma estratégia de personalização mais baseada em dados. No console ou na API do Amazon Personalize, defina uma “atribuição de métrica”, que é uma lista de interações (tipos de eventos) que você deseja avaliar e sobre as quais gerar relatórios. Por exemplo, você pode querer rastrear duas métricas: a taxa de cliques (CTR) para recomendações e o número total de compras. Para cada tipo de evento, basta definir a métrica e a função a ser avaliada (soma ou contagem), e o Amazon Personalize realizará o cálculo e enviará relatórios para sua conta do CloudWatch ou do S3.

Todos os modelos do Amazon Personalize são exclusivos do conjunto de dados dos clientes e não são compartilhados entre outras contas da AWS ou com o Amazon Retail, o Amazon Prime ou qualquer outra unidade de negócios. Os dados não são usados para treinar ou propagar modelos para outros clientes. As entradas e saídas dos modelos dos clientes são de propriedade exclusiva da conta. Todas as interações dos clientes com o Amazon Personalize são protegidas por criptografia. Todos os dados do usuário, de itens ou de interações processados pelo Amazon Personalize podem ser criptografados com chaves do cliente por meio do Amazon Key Management Service. Quando ociosos, os dados podem ser criptografados na região da AWS na qual o cliente está usando o serviço. Os administradores também podem controlar o acesso ao Amazon Personalize por meio de uma política de permissões do AWS Identity and Access Management (IAM), garantindo a segurança e a confidencialidade das informações sigilosas.

Casos de uso

  • Personalização do usuário: recomendações adaptadas ao perfil, ao comportamento, às preferências e ao histórico do usuário. Isso é mais comumente usado para aumentar o envolvimento e a satisfação do cliente. Também pode gerar taxas de conversão mais altas.
  • Classificação personalizada: os itens reclassificados em uma categoria ou resposta de pesquisa com base na preferência ou no histórico do usuário. Esse caso de uso é usado para exibir itens ou conteúdo relevantes a um usuário específico, garantindo uma melhor experiência do cliente. O Amazon Personalize oferece suporte à reclassificação e, ao mesmo tempo, otimiza as prioridades do negócio, como receita, promoções ou itens em alta.
  • Itens similares: itens relacionados recomendados para incentivar oportunidades de análise, upsell e venda cruzada. As recomendações de itens semelhantes ajudam os usuários a descobrir novos conteúdos ou comparar itens existentes no seu catálogo.
  • Next Best Action: recomende as ações certas para o usuário certo em tempo real com base em seu comportamento e necessidades individuais. Isso permitirá que você maximize o engajamento do usuário e leve a maiores taxas de conversão.
  • Tendências atuais: recomende itens que estão ganhando popularidade no ritmo mais rápido entre seus usuários, como notícias de última hora, conteúdo social popular ou filmes recém-lançados.
  • Segmentação de usuários: mensagens e notificações direcionadas para os usuários mais interessados em um item ou uma categoria. Isso pode ajudar as empresas a impulsionar um maior envolvimento em campanhas de marketing e aumentar as taxas de retenção por meio de mensagens hiperdirecionadas.

O Amazon Personalize está sendo constantemente aprimorado com base no feedback dos clientes e nos objetivos do roteiro de longo prazo, à medida que nos esforçamos para otimizar a integração e o uso facilitados. Aqui, você encontrará vários recursos impactantes do Amazon Personalize que vão além das práticas básicas de ML. Para obter uma lista completa de atributos, confira nossa página de recursos.

  • Segmentação de usuários: segmente os usuários finais de forma inteligente com base nas suas preferências e crie mensagens direcionadas que ressoem com grupos específicos de clientes. Assista a esta demonstração para saber mais.
  • Recomendadores otimizados para domínio: acelere o tempo de entrada no mercado por meio de recomendadores pré-desenvolvidos para casos de uso comuns nos negócios. Confira esta demonstração para saber mais.
  • Recomendações de novos itens: crie recomendações de qualidade para novos produtos e conteúdos quando os dados sobre a preferência do usuário forem escassos.
  • Recomendações em tempo real ou em lote: responda às mudanças de intenção em tempo real ou forneça recomendações em massa a fluxos de trabalho orientados por lotes.
  • Recomendações de ação: aumente a fidelidade e a conversão do usuário expandindo suas recomendações além dos itens ou do conteúdo. Determine a melhor ação a ser sugerida a um usuário individual com base nas preferências, necessidades e comportamento anterior dele.
  • Pesquisa personalizada: melhore a experiência de pesquisa do usuário exibindo resultados de pesquisa relevantes com base em seus interesses, preferências e interações anteriores exclusivos em tempo real.
  • Suporte a texto não estruturado: processamento de linguagem natural e modelagem baseada em atenção para extrair automaticamente informações essenciais.
  • Recomendações contextuais: melhore as recomendações gerando-as com um contexto, como segmento de usuário, tipo de dispositivo, local ou hora do dia.
  • Regras de negócios: aplique regras de negócios, incluindo filtros e promoções, que controlam a porcentagem de conteúdo promovido para cada usuário.
  • Recomendações de tendências: recomende itens que estão ganhando popularidade no ritmo mais rápido entre seus usuários
  • Impacto da recomendação: meça o impacto comercial total de qualquer evento, como visualização de página, início de vídeo, clique, adição ao carrinho, compra etc.

Preços

Consulte a página de preços do Amazon Personalize para obter informações atualizadas de preços.

Com o Amazon Personalize, você só paga pelo que usa. Não há taxas mínimas nem compromissos antecipados. Veja algumas dicas sobre como gerenciar custos.

Considerar o armazenamento de resultados em cache com base nas suas necessidades de atualizações em tempo real

 Treinar novamente somente com base nos requisitos de negócios

Confiar fortemente na escalabilidade automática definindo as TPS mínimas provisionadas como baixas, a menos que isso afete negativamente suas metas de throughput e latência

Considerar o uso de recomendações em lote quando o caso de uso estiver alinhado a um processo em lote downstream, como marketing por e-mail. Como as recomendações em lote são executadas em uma versão da solução, elas não exigem uma campanha. Observação: as recomendações em lote só estão disponíveis em conjuntos de dados de recomendações personalizados.

O projeto Amazon Personalize Monitor fornece alguns recursos de otimização de custos para otimizar o provisionamento de campanhas, além de alertar e excluir campanhas ociosas e abandonadas.