Publié le: Aug 12, 2022
Amazon Personalize prend désormais en charge les opérateurs de comparaison (=, <, ≤, >, ≥) pour que les filtres dynamiques puissent offrir de la flexibilité dans l'application des règles commerciales aux recommandations. Amazon Personalize permet aux développeurs d'améliorer l'engagement client par le biais de recommandations de produits et de contenus personnalisées, et ce sans expertise en machine learning requise. Les filtres dynamiques vous permettent actuellement de modifier les critères des filtres au moment d'obtenir des recommandations. Ainsi, vous pouvez modifier les règles des filtres en vol sans devoir créer de permutations distinctes. Grâce à cette nouveauté, vous bénéficiez de davantage de contrôle sur vos recommandations en disposant de la possibilité d'utiliser des opérateurs de comparaison (=, <, ≤, >, ≥) avec des valeurs de filtres dynamiques. Par exemple, les vidéos ou les sites web d'actualité peuvent utiliser cette fonctionnalité dans une section « Nouveautés » pour recommander uniquement des articles sortis dans les sept derniers jours. De la même manière, les clients de la vente au détail peuvent dynamiser les ventes d'articles sur la page de paiement en filtrant les articles dont le prix est plus élevé que celui des articles actuellement dans leur panier. Cette fonctionnalité a été conçue sur la base d'une fonctionnalité de filtre dynamique existante en proposant davantage de flexibilité dans l'application de règles commerciales individuelles, en vous permettant de modifier des recommandations basées sur les besoins, les préférences et les modifications de comportement des utilisateurs.
Faire vos premiers pas avec les filtres de plages dynamiques est un jeu d'enfant. Il vous suffit de définir et de déployer vos règles commerciales en créant un filtre dans le DSL (langage spécifique au domaine) d'Amazon Personalize sur la console ou l'API Amazon Personalize.
Amazon Personalize vous permet de personnaliser vos sites web, applications, publicités, e-mails et bien plus encore, en utilisant la même technologie de machine learning que celle utilisée par Amazon, et ce sans nécessiter d'expérience préalable en la matière. Pour démarrer avec Amazon Personalize, consultez notre documentation.