Případy použití pro personalizaci
Důležité
Od 20. září 2023 nebudete moct vytvářet nové prostředky personalizace. Služba Personalizace se vyřadí z provozu 1. října 2026.
Co je poznámka průhlednosti?
Systém AI zahrnuje nejen technologii, ale také lidi, kteří ji budou používat, osoby, které ho budou ovlivněny, a prostředí, ve kterém je nasazené. Vytvoření systému, který je vhodný pro zamýšlený účel, vyžaduje pochopení, jak technologie funguje, její schopnosti a omezení a jak dosáhnout nejlepšího výkonu.
Microsoft poskytuje Poznámky k transparentnosti, které vám pomůžou pochopit, jak naše technologie AI funguje. Patří sem volby, které mohou vlastníci systému ovlivnit výkon a chování systému a význam myšlení celého systému, včetně technologií, lidí a prostředí. Poznámky transparentnosti můžete použít při vývoji nebo nasazení vlastního systému nebo je můžete sdílet s lidmi, kteří budou váš systém používat nebo budou ovlivněni.
Poznámky k transparentnosti jsou součástí širšího úsilí Microsoftu, aby naše principy umělé inteligence zavedly do praxe. Další informace najdete v tématu Principy AI společnosti Microsoft.
Úvod do personalizace
Azure AI Personalizace je cloudová služba, která vašim aplikacím pomáhá zvolit nejlepší položku obsahu, která uživatelům ukáže. Pomocí personalizace můžete určit, který produkt chcete navrhnout nakupujícím, nebo zjistit optimální pozici pro reklamu. Jakmile se uživateli zobrazí obsah, vaše aplikace monitoruje reakci uživatele a hlásí skóre odměny zpět do personalizace. Skóre odměny se používá k průběžnému vylepšování modelu strojového učení pomocí výztužového učení. To zlepšuje schopnost personalizace vybrat nejlepší položku obsahu v následných interakcích na základě kontextových informací, které pro každý z nich obdrží.
Další informace naleznete zde:
Klíčové podmínky
| Pojem | definice |
|---|---|
| smyčka Učení | Prostředek Personalizace, označovaný jako smyčka učení, vytvoříte pro každou část aplikace, která může těžit z přizpůsobení. Pokud máte více možností přizpůsobení, vytvořte smyčku pro každou z nich. |
| Online model | Výchozí chování učení pro personalizaci, kde se smyčka učení používá k vytvoření modelu, který predikuje hlavní akci pro váš obsah, používá strojové učení. |
| Režim učňů | Chování učení , které pomáhá vytrénovat model personalizace, aniž by to mělo vliv na výsledky a akce aplikací. |
| Odměny | Míra toho, jak uživatel odpověděl na ID vrácené akce v rozhraní Rank API, jako skóre mezi 0 a 1. Hodnota 0 až 1 je nastavená vaší obchodní logikou na základě toho, jak volba pomohla dosáhnout vašich obchodních cílů přizpůsobení. Smyčka učení neukládá tuto odměnu jako historii jednotlivých uživatelů. |
| Průzkum | Služba Personalizace zkoumá, kdy místo vrácení nejlepší akce zvolí pro uživatele jinou akci. Služba Personalizace se vyhne posunu, nečinnosti a může se přizpůsobit průběžnému chování uživatelů prozkoumáním. |
Další informace a další klíčové termíny najdete v terminologii personalizace a koncepční dokumentaci.
Příklady případů použití
Mezi běžné motivace zákazníků při používání personalizace patří:
- Zapojeníuživatelůch Mezi další mechanismy pro zvýšení zapojení uživatelů může patřit výběr videí nebo hudby v dynamickém kanálu nebo seznamu stop.
- Optimalizace obsahu: Obrázky lze optimalizovat pro produkt (například výběr filmového plakátu ze sady možností) pro optimalizaci klikání nebo rozložení uživatelského rozhraní, barvy, obrázky a blurby lze optimalizovat na webové stránce, aby se zvýšil převod a nákup.
- Maximalizace převodů pomocí slev a kupónů: Pokud chcete získat nejlepší zůstatek marže a převodu, zvolte, které slevy bude aplikace poskytovat uživatelům, nebo se rozhodnete, který produkt se má zvýraznit z výsledků modulu doporučení, aby se maximalizoval převod.
- Maximalizovat změnu pozitivního chování: Vyberte otázku s tipem na wellness, kterou chcete odeslat v oznámení, zasílání zpráv nebo nabízení SMS, abyste maximalizovali pozitivní změnu chování.
- Zvýšení produktivity v zákaznických službách a technické podpoře tím, že zvýrazní nejrelevantní další nejlepší akce nebo příslušný obsah, když uživatelé hledají dokumenty, příručky nebo položky databáze.
Důležité informace o výběru případu použití
- Použití služby, která se učí přizpůsobit obsah a uživatelská rozhraní, je užitečné. Může se však také chybně použít, pokud přizpůsobení vytváří škodlivé vedlejší účinky v reálném světě. Zvažte, jak přizpůsobení pomáhá vašim uživatelům dosáhnout jejich cílů.
- Zvažte, jaké negativní důsledky mohou být v reálném světě, pokud Personalizace nenavrhuje konkrétní položky, protože systém je trénován s předsudky chování většiny systémových uživatelů.
- Představte si situace, kdy chování personalizace může způsobit škodu.
- Pečlivě zvažte přizpůsobení voleb, které jsou následné nebo nevratné, a které by neměly být určeny krátkodobými signály a odměnami.
- Nezadávejte akce pro personalizaci, které by neměly být vybrány. Nevhodné filmy by například měly být filtrovány z akcí, které se mají přizpůsobit, pokud se jedná o doporučení pro anonymního nebo nespravovaného uživatele.
Tady je několik scénářů, ve kterých výše uvedené pokyny hrají roli v tom, jestli a jak použít personalizaci:
- Vyhněte se použití personalizace pro hodnocení nabídek na konkrétní půjčky, finanční a pojistné produkty, kde jsou upraveny funkce přizpůsobení na základě údajů, o kterých jednotlivci neví, nemohou získat nebo nemůžou sporovat; a volby, které potřebují roky a informace "nad rámec kliknutí", aby skutečně posoudily, jak dobrá doporučení byla pro firmu a uživatele.
- Pečlivě zvažte přizpůsobení zvýraznění školních kurzů a vzdělávacích institucí, kde doporučení bez dostatečného průzkumu mohou šířit předsudky a snižovat povědomí uživatelů o dalších možnostech.
- Vyhněte se použití personalizace k syntetizaci obsahu algoritmicky s cílem ovlivnit názory v demokracii a občanské účasti, protože to je v dlouhodobém horizontu následkem, a může být manipulativní, pokud je cílem uživatele pro návštěvu být informovaný, neovlivněný.