Kişiselleştirme için kullanım örnekleri
Önemli
20 Eylül 2023 tarihinden itibaren yeni Kişiselleştirme kaynakları oluşturamayacaksınız. Kişiselleştirme hizmeti 1 Ekim 2026'da kullanımdan kaldırılıyor.
Saydamlık Notu nedir?
Yapay zeka sistemi yalnızca teknolojiyi değil, onu kullanacak kişileri, bundan etkilenecek kişileri ve dağıtıldığı ortamı da içerir. Hedeflenen amaca uygun bir sistem oluşturmak için teknolojinin nasıl çalıştığı, özellikleri ve sınırlamaları ve en iyi performansı nasıl elde etmek gerektiğini anlamak gerekir.
Microsoft, yapay zeka teknolojimizin nasıl çalıştığını anlamanıza yardımcı olmak için Saydamlık Notları sağlar. Bu, sistem sahiplerinin sistem performansını ve davranışını etkileyen seçimler ve teknoloji, insanlar ve ortam dahil olmak üzere tüm sistem hakkında düşünmenin önemini içerir. Kendi sisteminizi geliştirirken veya dağıtırken Saydamlık Notları'nı kullanabilir veya bunları sisteminizi kullanacak veya etkilenecek kişilerle paylaşabilirsiniz.
Saydamlık Notları, Microsoft'un yapay zeka ilkelerimizi uygulamaya koymaya yönelik daha geniş bir çabanın bir parçasıdır. Daha fazla bilgi edinmek için bkz . Microsoft Yapay Zeka İlkeleri.
Kişiselleştirmeye Giriş
Azure AI Kişiselleştirme, uygulamalarınızın kullanıcılarınızı göstermek için en iyi içerik öğesini seçmesine yardımcı olan bulut tabanlı bir hizmettir. Kişiselleştirme'yi kullanarak alışveriş yapanlara hangi ürünü önereceklerini belirleyebilir veya bir reklam için en uygun konumu belirleyebilirsiniz. İçerik kullanıcıya gösterildikten sonra uygulamanız kullanıcının tepkisini izler ve kişiselleştiriciye bir ödül puanı bildirir. Ödül puanı, pekiştirme öğrenmesi kullanarak makine öğrenmesi modelini sürekli geliştirmek için kullanılır. Bu, Kişiselleştirme'nin her biri için aldığı bağlamsal bilgilere göre sonraki etkileşimlerde en iyi içerik öğesini seçme becerisini geliştirir.
Daha fazla bilgi için bkz.
Önemli terimler
| Süre | Tanım |
|---|---|
| Öğrenme Döngüsü | Uygulamanızın kişiselleştirmeden yararlanabilecek her bölümü için öğrenme döngüsü olarak adlandırılan bir Kişiselleştirme kaynağı oluşturursunuz. Kişiselleştirmek için birden fazla deneyiminiz varsa, her biri için bir döngü oluşturun. |
| Çevrimiçi model | Öğrenme döngünüzün makine öğrenmesini kullanarak içeriğiniz için en önemli eylemi tahmin eden modeli oluşturması, Kişiselleştirme için varsayılan öğrenme davranışıdır. |
| Çırak modu | Uygulamaların sonuçlarını ve eylemlerini etkilemeden eğitmek için bir Kişiselleştirme modelinin sıcak başlatılmasına yardımcı olan öğrenme davranışı. |
| Ödül | Kullanıcının Derece API'sinin döndürülen ödül eylem kimliğine 0 ile 1 arasında bir puan olarak nasıl yanıt verdiğine ilişkin bir ölçü. 0-1 değeri, seçimin kişiselleştirme iş hedeflerinize ulaşmanıza nasıl yardımcı olduğuna bağlı olarak iş mantığınız tarafından ayarlanır. Öğrenme döngüsü bu ödülü bireysel kullanıcı geçmişi olarak depolamaz. |
| Keşif | Kişiselleştirme hizmeti, en iyi eylemi döndürmek yerine kullanıcı için farklı bir eylem seçtiğinde bunu araştırıyor. Kişiselleştirme hizmeti kaymayı, durgunlukları önler ve keşfederek devam eden kullanıcı davranışlarına uyum sağlayabilir. |
Daha fazla bilgi ve ek temel terimler için lütfen Kişiselleştirme Terminolojisi ve kavramsal belgelerine bakın.
Kullanım örnekleri
Kişiselleştirme'yi kullanmaya yönelik bazı yaygın müşteri motivasyonları şunlardır:
- Kullanıcı etkileşimi: Tıklamayı artırmak veya ortalama geliri artırmak için bir sonraki en iyi eyleme öncelik vermek için içerik seçerek kullanıcı ilgisini yakalayın. Kullanıcı katılımını artırmaya yönelik diğer mekanizmalar arasında dinamik bir kanalda veya çalma listesinde video veya müzik seçme yer alabilir.
- İçerik iyileştirme: Resimler, tıklamayı iyileştirmek için bir ürün (bir dizi seçenekten film posteri seçmek gibi) için iyileştirilebilir veya kullanıcı arabirimi düzeni, renkler, resimler ve bulanıklıklar, dönüştürme ve satın alma işlemini artırmak için bir web sayfasında iyileştirilebilir.
- İndirimleri ve kuponları kullanarak dönüşümleri en üst düzeye çıkarma: En iyi marj ve dönüşüm bakiyesini elde etmek için uygulamanın kullanıcılara hangi indirimleri sağlayacağını seçin veya dönüştürmeyi en üst düzeye çıkarmak için öneri altyapısının sonuçlarından hangi ürünü vurgulamak istediğinize karar verin.
- Olumlu davranış değişikliğini en üst düzeye çıkarma: Olumlu davranış değişikliğini en üst düzeye çıkarmak için bildirim, mesajlaşma veya SMS gönderiminde hangi sağlıklı yaşam ipucu sorusunun göndereceğini seçin.
- Kullanıcılar belge, el kitabı veya veritabanı öğesi ararken en uygun sonraki en iyi eylemleri veya uygun içeriği vurgulayarak müşteri hizmetlerinde ve teknik destekte üretkenliği artırın.
Kullanım örneği seçerken dikkat edilmesi gerekenler
- İçeriği ve kullanıcı arabirimlerini kişiselleştirmeyi öğrenen bir hizmet kullanmak yararlıdır. Ancak, kişiselleştirme gerçek dünyada zararlı yan etkiler oluşturursa da yanlış uygulanabilir. Kişiselleştirmenin kullanıcılarınızın hedeflerine ulaşmasına nasıl yardımcı olduğunu düşünün.
- Sistem, sistem kullanıcılarının çoğunluğunun davranış desenlerine karşı bir sapmayla eğitildiği için Kişiselleştirici belirli öğeleri önermediyse gerçek dünyadaki olumsuz sonuçların ne olabileceğini düşünün.
- Kişiselleştirme'nin keşif davranışının zarara neden olabileceği durumları göz önünde bulundurun.
- Sonuç olarak veya geri alınamaz olan ve kısa vadeli sinyaller ve ödüller tarafından belirlenmemesi gereken seçimleri kişiselleştirmeyi dikkatlice düşünün.
- Kişiselleştirme'ye seçilmemesi gereken eylemler sağlamayın. Örneğin, uygunsuz filmler anonim veya reşit olmayan bir kullanıcı için öneride bulunuyorsa kişiselleştirme eylemlerinin dışına filtrelenmelidir.
Yukarıdaki kılavuzun Kişiselleştirme'nin uygulanıp uygulanmayacağı ve nasıl uygulanacağı konusunda rol oynayacağı bazı senaryolar aşağıda verilmiştir:
- Kişiselleştirme özelliklerinin düzenlendiği belirli kredi, finansal ve sigorta ürünleriyle ilgili teklifleri derecelendirmek için Kişiselleştirici'yi kullanmaktan kaçının; kişilerin bilmediği, elde edebildiği veya itiraz edebildiği veriler temelinde; ve işletme ve kullanıcılar için iyi önerilerin ne kadar iyi olduğunu gerçekten değerlendirmek için yıllara ve bilgilere "tıklamanın ötesinde" ihtiyaç duyan seçimler.
- Yeterli araştırma yapılmadan önerilerin yanlılığı yayabileceği ve kullanıcıların diğer seçeneklerle ilgili farkındalığını azaltabileceği okul kurslarının ve eğitim kurumlarının önemli noktalarını kişiselleştirmeyi dikkatlice düşünün.
- Kişiselleştirici'yi kullanarak içeriği algoritmik olarak sentezleyerek demokrasi ve sivil katılımdaki görüşleri etkileme amacıyla kullanmaktan kaçının, çünkü bu uzun vadede sonuç olarak ortaya çıkar ve kullanıcının ziyaret amacının etkilenmemesi durumunda manipülatif olabilir.