Wat is Personalizer?

Azure Personalizer is een cloudservice waarmee u voor uw toepassingen het beste inhoudsitem kunt selecteren om voor uw gebruikers weer te geven. U kunt de Personalizer-service gebruiken om te bepalen welk product aan gebruikers moet worden voorgesteld of om de optimale positie voor een advertentie te bepalen. Nadat de inhoud is weergegeven aan de gebruiker, bewaakt de uw toepassing de reactie van de gebruiker en wordt er een score gerapporteerd aan de Personalizer-service. Dit garandeert continue verbetering van het machine learning-model en het vermogen van Personalizer om het beste inhoudsitem te selecteren op basis van de contextinformatie die het ontvangt.

Deze documentatie bevat de volgende artikeltypen:

• Quickstarts zijn aan de slag-instructies om u te begeleiden bij het indienen van aanvragen bij de service.
• Instructiegidsen bevatten instructies voor het gebruik van de service op specifiekere of aangepaste manieren.
• Concepten bieden uitgebreide uitleg over de servicefunctionaliteit en -functies.
• Zelfstudies zijn langere handleidingen die laten zien hoe u de service als onderdeel kunt gebruiken in bredere bedrijfsoplossingen.

Voordat u aan de slag gaat, kunt u Personalizer uitproberen met deze interactieve demo.

Hoe selecteert Personalizer het beste inhoudsitem?

Personalizer gebruikt bekrachtigend leren om het beste item (actie) te selecteren op basis van gezamenlijk gedrag en scores toe te kennen aan alle gebruikers. Acties zijn de inhoudsitems, zoals nieuwsartikelen, specifieke films of producten.

Met de Positie-aanroep wordt het actie-item in combinatie met de functies van de actie en contextfuncties gebruikt om het bovenste actie-item te selecteren:

• Acties met functies: inhoudsitems met specifieke functies voor elk item
• Contextfuncties: functies van uw gebruikers, hun context of hun omgeving wanneer ze uw app gebruiken

Met de Positie-aanroep wordt de id van elk inhoudsitem, actie, geretourneerd om in het veld Beloningsactie-id aan de gebruiker te tonen.

De actie die aan de gebruiker wordt weergegeven, wordt gekozen aan de hand van machine learning-modellen die de totale hoeveelheid beloningen over een bepaalde periode proberen te maximaliseren.

Voorbeeldscenario's

Bekijk een aantal scenario's waarin Personalizer kan worden gebruikt om de beste inhoud te selecteren om aan een gebruiker weer te geven.

Personalizer gebruikt bekrachtigend leren om de beste actie te selecteren. Dit wordt ook wel de beloningsactie-id genoemd. Voor het machine learning-model wordt het volgende gebruikt:

• Een getraind model: eerder ontvangen informatie van de Personalizer-service die wordt gebruikt om het machine learning-model te verbeteren
• Huidige gegevens: specifieke acties met functies en contextfuncties

Wanneer kan ik Personalizer gebruiken

De Positie-API van Personalizer wordt steeds aangeroepen wanneer in uw toepassing inhoud wordt getoond. Dit wordt een gebeurtenis genoemd, voorzien van een gebeurtenis-id.

De belonings-API van Personalizer kan in real time worden aangeroepen of later, zodat het beter bij uw infrastructuur past. U bepaalt de beloningsscore op basis van uw zakelijke behoeften. De beloningsscore ligt tussen 0 en 1. Dat kan één waarde zijn, zoals 1 voor goed en 0 voor slecht, of een getal dat wordt geproduceerd door een algoritme dat u maakt voor uw bedrijfsdoelen en metrische gegevens.

Inhoudsvereisten

Gebruik Personalizer wanneer uw inhoud:

• Heeft een beperkte set acties of items (maximaal ~50) om uit te kiezen in elk gepersonaliseerde gebeurtenis. Gebruik een aanbevelingsengine om de lijst elke keer dat u Rang aanroep in de Personalizer-service in te korten tot 50 items als u een grotere lijst hebt.
• Informatie bevat waarmee de inhoud die u wilt classificeren, wordt beschreven: acties met functies en contextfuncties.
• Minimaal 1000 aan inhoud gerelateerde gebeurtenissen per dag nodig heeft om Personalizer te activeren. Als Personalizer niet de minimaal vereiste hoeveelheid verkeer ontvangt, duurt het langer om met de service het beste inhoudsitem te bepalen.

Omdat voor Personalizer collectieve gegevens in bijna realtime worden gebruikt om het beste inhoudsitem te retourneren, wordt het volgende niet uitgevoerd met de service:

• Gebruikersprofielgegevens bewaren en beheren
• De voorkeuren of geschiedenis van afzonderlijke gebruikers aan logboeken toevoegen
• Opgeschoonde en gelabelde inhoud vereisen

Ontwerpen voor Personalizer en Personalizer implementeren

1. Ontwerp en plan voor inhoud, acties en context. Bepaal het beloningsalgoritme voor de beloningsscore.

2. Elke Personalizer-resource die u maakt, wordt als één leerlus beschouwd. De lus ontvangt zowel de Positie- als de Beloningsaanroep voor die inhoud of gebruikerservaring.

   Resourcetype	Doel
   Leerlingmodus E0	Train het Personalizer-model zonder dat dit gevolgen heeft voor uw bestaande toepassing. Implementeer vervolgens het onlineleergedrag naar een productieomgeving
   Standard, S0	Onlineleergedrag in een productieomgeving
   Gratis, F0	Onlineleergedrag proberen in een niet-productieomgeving

3. Voeg Personalizer toe aan uw toepassing, website of systeem:

   1. Voeg een Positie-aanroep toe aan Personalizer in uw toepassing, website of systeem om het beste inhoudsitem te bepalen voordat de gebruiker de inhoud te zien krijgt.
   2. Toon gebruikers het beste inhoudsitem. Dit item is de geretourneerde beloningsactie-id.
   3. Pas bedrijfslogica toe op verzamelde informatie over het gedrag van de gebruiker om de beloningsscore te bepalen, zoals:

   Gedrag	Berekende beloningsscore
   De gebruiker heeft het beste inhoudsitem (beloningsactie-id) geselecteerd	1
   De gebruiker heeft andere inhoud geselecteerd	0
   De gebruiker heeft zijn of haar acties gepauzeerd en doelloos rondgekeken voordat hij of zij het beste inhoudsitem (beloningsactie-id) selecteerde	0,5

   1. Een beloningsaanroep toevoegen om een beloningsscore tussen 0 en 1 te verzenden
      • Direct na weergave van uw inhoud
      • Of op een later moment in een offlinesysteem
   2. Evalueer uw lus met een offline-evaluatie na een bepaalde gebruiksperiode. Met een offline-evaluatie kunt u de effectiviteit van de Personalizer-service testen en beoordelen zonder uw code te hoeven wijzigen of de gebruikerservaring aan te tasten.

Naslaginformatie

• Personalizer C#/.NET-SDK
• Personalizer Go-SDK
• Personalizer JavaScript-SDK
• Personalizer Python-SDK
• REST-API's

Volgende stappen