发布于: Aug 19, 2020

现在,通过在 AWS 控制台中单击几下,Amazon Personalize 即可更轻松地为快速变化的书籍、电影、音乐、新闻文章等创建个性化推荐,从而最多提高 50% 的推荐(通过点击率测量)。无需更改任何应用程序代码,Amazon Personalize 即可使客户在他们通常的推荐中包括全新的产品和新鲜的内容,以使最终用户发现、点击、购买或消费最好的新产品和内容的速度要比其他推荐系统快一个数量级。 

随着新产品和新鲜内容的不断添加,许多目录都在快速发展,这对于帮助用户发现并接触这些产品或内容的企业来说至关重要。例如,新闻网站的用户希望了解最新的个性化新闻,通过视频点播服务消费媒体的用户希望获得他们可能喜欢的最新电视剧和剧集的推荐。通过向用户展示新产品和内容来满足这些期望,有助于保持用户体验的新鲜感,并可以通过直接转换或通过订阅用户转换和保留来帮助进行销售。然而,在快速发展变化的产品目录中,通常包含太多的新产品,使得向每个用户展示每一个产品变得可行。根据用户的兴趣和偏好将这些新产品与用户进行匹配,可以更有效地实现用户体验的个性化。然而,由于缺少关于这些产品的过去看法、点击率、购买和订阅的数据,新产品的个性化本质上是困难的。在这种情况下,大多数推荐系统只对已掌握过去数据的产品进行推荐,而忽略了目录中的新产品。 

随着今天推出后,Amazon Personalize 可以帮助客户改进对其用户的新产品和新鲜内容个性化推荐。Amazon Personalize 通过向过去曾积极接触(点击、购买等)类似产品的用户推荐新产品来实现这一点。当用户接触这些新产品时,Personalize 会了解更多有关它们的信息,并自动调整在未来将这些产品推荐给其他类似用户的频率。在 Amazon,这种算法长期以来一直被用于创建产品推荐,与不包含新产品的推荐相比,这种算法将转化率提高了 21%。 

此功能现已在 Amazon Personalize 中作为一种新算法(配方)提供,只需在 Amazon Personalize 控制台中单击几下,或使用简单的 API 接口,即可轻松使用此功能。要进行设置,首先要添加关于用户、商品和用户活动流(例如他们的点击、购买和喜好)的数据等到 Amazon Personalize 中,然后通过 Amazon Personalize 控制台或 API 使用新的 aws-user-personalization 配方训练模型 (CreateSolution)。然后,您可以从 Amazon Personalize 中获得对用户的推荐,并且可以控制向用户推荐新品与旧品之间的偏差。如需了解该功能的更多信息,请访问我们的博客

Amazon Personalize 中的此功能在以下区域提供:美国东部(弗吉尼亚北部、俄亥俄)、美国西部(俄勒冈)、加拿大(中部)、欧洲(爱尔兰)和亚太地区(悉尼、东京、孟买、新加坡、首尔)。