個人化工具的使用案例
重要
從 2023 年 9 月 20 日起，您將無法建立新的個人化工具資源。 個人化工具服務將于 2026 年 10 月 1 日淘汰。
什麼是透明度附注？
AI 系統不僅包含技術，也包含將使用這項技術的人員、受其影響的人員，以及部署所在的環境。 建立適合其預期用途的系統，需要瞭解技術的運作方式、其功能和限制，以及如何達到最佳效能。
Microsoft 提供 透明度注意事項 ，協助您瞭解 AI 技術的運作方式。 這包括系統擁有者可以做出影響系統效能和行為的選擇，以及思考整個系統的重要性，包括技術、人員和環境。 您可以在開發或部署自己的系統時使用透明度附注，或與將使用或受到系統影響的人員共用。
透明度附注是 Microsoft 更廣泛努力的一部分，可讓我們的 AI 原則付諸實施。 若要深入瞭解，請參閱 Microsoft AI 準則 。
個人化工具簡介
Azure AI 個人化服務工具是雲端式服務，可協助應用程式選擇最佳內容項目來向使用者顯示。 您可以使用個人化工具來判斷要建議給購物者的產品，或找出廣告的最佳位置。 向使用者顯示內容之後，您的應用程式會監視使用者的反應，並將獎勵分數回報給個人化工具。 獎勵分數是用來使用增強式學習持續改善機器學習模型。 這可增強個人化工具根據針對每個專案收到的內容資訊，在後續互動中選取最佳內容專案的能力。
如需詳細資訊，請參閱
關鍵字詞
| 詞彙 | 定義 |
|---|---|
| 學習迴圈 | 您可以為應用程式的每個部分建立稱為學習迴圈的個人化工具資源，以受益于個人化。 如果您有多個個人化體驗，請為每個建立迴圈。 |
| 線上模型 | 個人化工具的預設 學習行為 ，您的學習迴圈會使用機器學習來建置模型，以預測 您內容的最佳動作 。 |
| 學徒模式 | 學習 行為 ，可協助暖開機個人化工具模型來定型，而不會影響應用程式結果和動作。 |
| 獎勵 | 測量使用者如何回應排名 API 傳回的獎勵動作識別碼，以分數介於 0 到 1 之間。 0 到 1 值是由商務邏輯所設定，根據選擇如何協助您達成個人化的商業目標。 學習迴圈不會將此獎勵儲存為個別使用者歷程記錄。 |
| 探索 | 個人化工具服務正在探索時機，而不是傳回最佳動作，而是為使用者選擇不同的動作。 個人化工具服務可避免漂移、停滯，並可藉由探索來適應進行中的使用者行為。 |
如需詳細資訊和其他重要詞彙，請參閱 個人化工具術語 和 概念檔 。
範例使用案例
使用個人化工具的一些常見客戶動機是：
- 使用者參與 ：選擇內容以增加點擊率來擷取使用者興趣，或排定下一個最佳動作的優先順序，以改善平均營收。 其他增加使用者參與的機制可能包括在動態頻道或播放清單中選取影片或音樂。
- 內容優化 ：影像可以針對產品優化（例如從一組選項中選取電影海報），以優化點選連結，或者 UI 版面配置、色彩、影像和模糊可以在網頁上優化，以增加轉換和購買。
- 使用折扣和優待券 將轉換最大化：若要取得利潤和轉換的最佳平衡，請選擇應用程式將提供給使用者的折扣，或決定要從建議引擎結果醒目提示哪些產品，以最大化轉換。
- 最大化正面行為變更 ：選取在通知、傳訊或簡訊推送中要傳送的健康提示問題，以最大化正面行為變更。
- 藉由在使用者尋找檔、手冊或資料庫專案時，強調最相關的下一個最佳動作或適當的內容，以提高客戶服務和技術支援的生產力 。
選擇使用案例時的考慮
- 使用學習個人化內容和使用者介面的服務很有用。 不過，如果個人化在真實世界中產生有害的副作用，也可能被誤用。 請考慮個人化如何協助使用者達成其目標。
- 如果個人化工具未建議特定專案，請考慮真實世界中的負面後果，因為系統會以對大部分系統使用者的行為模式有偏差來定型。
- 請考慮個人化工具探索行為可能造成損害的情況。
- 請仔細考慮衍生性或不可逆轉的個人化選擇，且不應由短期訊號和獎勵決定。
- 請勿將動作提供給不應選擇的個人化工具。 例如，如果對匿名或未成年使用者提出建議，則應將不適當的電影篩選出動作，以個人化。
以下是上述指引在套用個人化工具的一些案例中，以及其作用方式：
- 請避免針對特定貸款、金融和保險產品使用個人化工具進行排名供應專案，其中個人化功能受到監管，根據個人不知道、無法取得或無法爭議的資料：和選擇需要多年資訊「超越點擊」，以真正評估對企業和使用者的建議有多好。
- 仔細考慮將學校課程和教育機構的個人化重點，其中建議沒有足夠的探索可能會傳播偏見，並減少使用者對其他選項的認識。
- 避免使用個人化工具以演算法方式合成內容，目標是影響民主和公民參與的意見，因為它在長期是衍生的，而且如果使用者訪問的目標要得到通知，就不會受到影響。