Publicado en: Aug 12, 2022
Amazon Personalize ahora es compatible con los operadores de comparación (=, <, <=, >, >=) para filtros dinámicos a fin de brindar la flexibilidad necesaria para aplicar las reglas de su empresa a las recomendaciones. Amazon Personalize permite a los desarrolladores mejorar la interacción con los clientes a través de recomendaciones personalizadas de productos y contenidos, sin necesidad de tener conocimientos de machine learning. Actualmente, los filtros dinámicos le permiten cambiar los criterios de filtrado a la hora de obtener recomendaciones, de modo que usted puede modificar las reglas de filtrado sobre la marcha sin tener que crear combinaciones por separado. Este lanzamiento le ofrece aún más control sobre las recomendaciones, ya que le da la posibilidad de usar los operadores de comparación (=, <, <=, >, >=) con valores de filtros dinámicos. Por ejemplo, los sitios web de videos o noticias pueden usar esta característica en la sección de novedades para recomendar solo los elementos de los últimos 7 días. De modo similar, los clientes minoristas pueden filtrar artículos cuyo precio sea mayor al de los que están en el carrito de compras para realizar ventas por montos más altos en la página de pagos. Esta característica se basa en la funcionalidad existente de filtrado dinámico y proporciona una mayor flexibilidad para aplicar las reglas individuales de su empresa. Esto le permite modificar las recomendaciones en función de las necesidades y preferencias de los usuarios y de los cambios en su comportamiento.
Comenzar a utilizar los filtros de rangos dinámicos es muy sencillo. Solo tiene que definir y desplegar las reglas de su empresa mediante la creación de un filtro en el lenguaje específico de dominio (DSL) de Amazon Personalize por medio de la consola o la API de Amazon Personalize.
Amazon Personalize le permite personalizar los sitios web, aplicaciones, anuncios, correos electrónicos, etc., mediante la misma tecnología de machine learning que utiliza Amazon, sin necesidad de tener experiencia previa en machine learning. Para comenzar a usar Amazon Personalize, consulte nuestra documentación.