Kişiselleştirme nedir?

Azure kişiselleştirici, uygulamalarınızın kullanıcılarınızı göstermek için en iyi içerik öğesini seçmesini sağlayan bulut tabanlı bir hizmettir. Alışverişçilere hangi ürünün önereceğini belirlemek veya bir tanıtım için en iyi konumu öğrenmek için kişiselleştirici hizmetini kullanabilirsiniz. İçerik kullanıcıya gösterildikten sonra, uygulamanız kullanıcının yeniden eylemini izler ve kişiselleştirici hizmetine geri dönüş puanı bildirir. Bu, makine öğrenimi modelinin sürekli gelişmesini ve kişiselleştirici 'nin aldığı bağlamsal bilgileri temel alan en iyi içerik öğesini seçme yeteneğini sağlar.

Bu belge aşağıdaki makale türlerini içerir:

• Hızlı başlangıçlarda, hizmette istek yapma konusunda size kılavuzluk eden başlangıç yönergeleri bulunur.
• Nasıl yapılır kılavuzlarında , hizmetin daha belirli veya özelleştirilmiş yollarla kullanılmasına ilişkin yönergeler bulunur.
• Kavramlar , hizmet işlevselliği ve özelliklerinin ayrıntılı açıklamalarını sağlar.
• Öğreticiler daha fazla iş çözümlerinde hizmeti bir bileşen olarak nasıl kullanacağınızı gösteren kılavuzlardır.

Başlamadan önce Bu etkileşimli tanıtım Ile kişiselleştiricikullanmayı deneyin.

Kişiselleştirici en iyi içerik öğesini nasıl seçer?

Kişiselleştirici, tüm kullanıcılar arasında toplu davranışa ve yeniden puanları temel alan en iyi öğeyi (eylem) seçmek için pekiştirmeye dayalı Learning kullanır. Eylemler, haber makaleleri, belirli filmler veya ürünler gibi içerik öğeleridir.

Sıralama çağrısı, eylem öğesini ve eylem özelliklerini ve en üstteki eylem öğesini seçmek için bağlam özelliklerini alır:

• Özelliklerle Ilgili eylemler -her bir öğeye özgü özelliklerle içerik öğeleri
• Bağlam özellikleri -uygulamanızın kullanımı sırasında kullanıcılarınızın özellikleri, bağlamları veya ortamları

Sıralama çağrısı, geri dönüş EYLEMI kimliği alanında kullanıcıya gösterilecek içerik öğesi, eylem kimliğini döndürür.

Kullanıcıya gösterilen eylem makine öğrenimi modelleriyle seçilir ve bu, zaman içinde toplam yeniden kullanım miktarını en üst düzeye çıkarmaya çalışır.

Örnek senaryolar

Kişiselleştirmenin, bir kullanıcı için işlenecek en iyi içeriği seçmek üzere kullanılabileceği birkaç senaryoya göz atalım.

Kişiselleştirici, ödül eylem kimliği olarak bilinen tek bir en iyi eylemi seçmek için pekiştirmeye dayalı öğrenimi kullandı. Machine Learning modeli şunları kullanır:

• Makine öğrenimi modelini geliştirmek için kullanılan Kişiselleştir hizmetinden daha önce bir eğitilen model-bilgi alındı
• Özelliklerle ve bağlam özellikleriyle geçerli veriye özgü eylemler

Kişiselleştirici ne zaman kullanılır?

Kişiselleştirici 'in sıralama API 'si , uygulamanız içeriği her sunışınızda çağrılır. Bu, olay kimliği ile belirtilen bir olay olarak bilinir.

Kişiselleştiriciye yönelik Reward API 'si gerçek zamanlı olarak çağrılabilir veya altyapınıza daha iyi uyum sağlamak için gecikebilir. İş gereksinimlerinize göre ödül puanı ' nı belirlersiniz. Ödül puanı 0 ile 1 arasındadır. Bu, iyi için 1 ve hatalı için 0 gibi tek bir değer ya da iş hedeflerinizi ve ölçümünüzü göz önünde bulundurarak oluşturduğunuz bir algoritma tarafından üretilen bir sayı olabilir.

İçerik gereksinimleri

İçeriğiniz için kişiselleştirici kullanın:

• Her bir kişiselleştirme olayında arasından seçim yapmak için sınırlı bir eylem veya öğe kümesi (en fazla ~ 50) vardır. Daha büyük bir listeniz varsa, kişiselleştirici hizmetinde sıralama her çağırdığınızda listeyi 50 öğe olarak azaltmak için bir öneri altyapısı kullanın .
• , Derecelendirilir, Özellikler ve bağlam özellikleriyle Eylemler hakkında bilgi içerir.
• Kişiselleştirici için en az ~ 1k/gün içeriğe ilişkin olay ile ilgili olaylar geçerlidir. Kişiselleştirici gereken en düşük trafiği almazsa, hizmet en iyi tek içerik öğesini belirlemede daha uzun sürer.

Kişiselleştirici, tek en iyi içerik öğesini döndürmek için neredeyse gerçek zamanlı olarak toplu bilgiler kullandığından, hizmet şunları yapmaz:

• Kullanıcı profili bilgilerini kalıcı yapın ve yönetin
• Bireysel kullanıcıların tercihlerini veya geçmişini günlüğe kaydet
• Temizlenen ve etiketlenmiş içerik gerektir

Kişiselleştirici için tasarlama ve uygulama

1. İçeriği, eylemleri ve bağlamı tasarlayın ve planlayın. Ödül puanı için yeniden dengeleme algoritmasını saptayın.

2. oluşturduğunuz her bir kişiselleştirici kaynağı bir Learning döngüsü olarak kabul edilir. Döngü, bu içerik veya Kullanıcı deneyimi için hem derecelendirme hem de yeniden çağrıları alacaktır.

   Kaynak türü	Amaç
   Acemi modu E0	Mevcut uygulamanızı etkilemeden kişiselleştirici modeli eğitme, ardından çevrimiçi öğrenme davranışına bir üretim ortamına dağıtma
   Stand S0	Üretim ortamında çevrimiçi öğrenme davranışı
   Süz F0	Üretim dışı bir ortamda çevrimiçi öğrenme davranışını deneyin

3. Uygulamanıza, Web sitenize veya sisteminize kişiselleştirici ekleyin:

   1. İçerik kullanıcıya gösterilmeden önce en iyi, tek içerik öğesini belirleyebilmek için, uygulamanızda, Web sitenizde veya sisteminizde kişiselleştiriciye bir Derecelendirme çağrısı ekleyin.
   2. Kullanıcıya döndürülen geri dönüş EYLEMI kimliği olan en iyi, tek içerik öğesini görüntüleyin.
   3. Kullanıcı mantığını , kullanıcının nasıl davrandığını öğrenmek, örneğin:

   Davranış	Hesaplanan ödül puanı
   Kullanıcı en iyi, tek içerik öğesini seçti (ödül eylemi kimliği)	1
   Kullanıcı diğer içeriği seçti	0
   Kullanıcı duraklatıldı, en iyi, tek içerik öğesini (ödül eylemi kimliği) seçmeden önce kararsız bir şekilde kaydırıldı	0,5

   1. 0 ile 1 arasında bir ödül puanı gönderen bir Ödül çağrısı ekleyin
      • İçeriğinizi göstermenizin hemen ardından
      • Veya daha sonra çevrimdışı bir sistemde
   2. Döngüyü bir kullanım süresi sonra çevrimdışı değerlendirme ile değerlendirin. Çevrimdışı değerlendirme, kodunuzu değiştirmeden veya kullanıcı deneyimini etkilemeden Kişiselleştirme Hizmetinin etkinliğini test etmek ve değerlendirmek için size olanak sağlar.

Başvuru

• Kişiselleştirme C#/.NET SDK'sı
• Kişiselleştirme Go SDK'sı
• Kişiselleştirme JavaScript SDK'sı
• Kişiselleştirme Python SDK'sı
• REST API'leri

Sonraki adımlar