Amazon Personalize Sekarang Dapat Membuat Hingga 50% Rekomendasi Yang Lebih Baik Bagi Katalog Yang Cepat Berubah Untuk Produk Baru dan Konten Segar

Amazon Personalize sekarang menjadi lebih mudah untuk membuat rekomendasi pribadi untuk katalog yang cepat berubah seperti buku, film, musik, artikel berita, dan banyak lagi, meningkatkan rekomendasi hingga 50% (diukur dengan tingkat klik-tayang) dengan hanya beberapa klik di konsol AWS. Tanpa perlu mengubah kode aplikasi, Amazon Personalize memungkinkan pelanggan untuk memasukkan produk yang benar-benar baru dan konten segar dalam rekomendasi biasa mereka, sehingga produk dan konten baru terbaik ditemukan, diklik, dibeli, atau dikonsumsi oleh pengguna akhir lebih cepat secara signifikan daripada sistem rekomendasi lainnya.

Banyak katalog bergerak cepat dengan produk baru dan konten segar yang terus ditambahkan, dan sangat penting bagi bisnis untuk membantu pengguna mereka menemukan dan berinteraksi dengan produk atau konten ini. Misalnya, pengguna di situs berita berharap dapat melihat berita terbaru yang dipersonalisasi, pengguna yang mengkonsumsi media melalui layanan video-on-demand berharap untuk direkomendasikan serial terbaru dan episode yang mungkin mereka sukai. Memenuhi kebutuhan ini dengan menampilkan produk dan konten baru kepada pengguna dapat membantu menjaga pengalaman pengguna tetap segar, dan membantu dalam penjualan baik melalui konversi langsung, atau melalui konversi dan retensi pelanggan. Namun, biasanya ada terlalu banyak produk baru dalam katalog yang bergerak cepat untuk membuatnya layak untuk menampilkan masing-masing produk ke setiap pengguna. Hal ini lebih efisien untuk mempersonalisasi pengalaman pengguna dengan mencocokkan produk baru ini dengan pengguna, berdasarkan minat dan preferensi mereka. Namun, personalisasi produk baru secara inheren sulit karena tidak adanya data tentang tampilan sebelumnya, klik, pembelian, dan langganan untuk produk ini. Dalam skenario seperti itu, kebanyakan sistem rekomenadsi hanya membuat rekomendasi untuk produk mereka memiliki data masa lalu yang cukup, dan mengabaikan produk yang baru untuk katalog.

Dengan peluncuran hari ini, Amazon Personalize dapat membantu pelanggan meningkatkan rekomendasi pribadi untuk produk baru dan konten segar bagi pengguna mereka. Amazon Personalize melakukan ini dengan merekomendasikan produk baru untuk pengguna yang telah terlibat positif (diklik, dibeli, dll) dengan produk serupa di masa lalu. Personalize belajar lebih banyak tentang produk baru ini saat pengguna terlibat dengan mereka dan secara otomatis menyesuaikan seberapa sering produk ini akan direkomendasikan untuk pengguna serupa lainnya di masa mendatang. Di Amazon, algoritma tersebut telah lama digunakan untuk membuat rekomendasi produk, dan telah menghasilkan konversi 21% lebih tinggi dibandingkan dengan rekomendasi yang tidak termasuk produk baru.

Kemampuan ini sekarang tersedia di Amazon Personalize sebagai algoritma baru (recipe) dan dapat dengan mudah digunakan dengan beberapa klik dari konsol Amazon Personalize, atau menggunakan antarmuka API sederhana. Untuk membuat pengaturan, Anda terlebih dahulu menambahkan data tentang pengguna, item, dan aliran aktivitas pengguna seperti klik, pembelian, dan suka ke Amazon Personalize, dan kemudian menggunakan konsol atau API Amazon Personalize untuk melatih model (CreateSolution) menggunakan resep aws-user-personalisasi baru. Anda kemudian bisa mendapatkan rekomendasi dari Amazon Personalize untuk pengguna Anda dan dapat mengontrol bias antara merekomendasikan produk baru vs yang lebih tua kepada mereka. Untuk mempelajari lebih lanjut tentang fitur ini, kunjungi blog kami.

Kemampuan ini tersedia di Amazon Personalize di AS Timur (Virginia, Ohio), AS Barat (Oregon), Kanada (Tengah), Eropa (Irlandia), dan Asia Pasifik (Sydney, Tokyo, Mumbai, Singapura, Seoul).

Artikel ini diterjemahkan dari Amazon Personalize sekarang dapat membuat hingga 50% rekomendasi yang lebih baik untuk cepat mengubah katalog produk baru dan konten segar dan ditulis oleh AWS Admin.