Casos de uso para Personalizer
Importante
A partir del 20 de septiembre de 2023, no podrá crear nuevos recursos de Personalizer. El servicio Personalizer se va a retirar el 1 de octubre de 2026.
¿Qué es una nota de transparencia?
Los sistemas de inteligencia artificial incluyen no solo la tecnología, sino también las personas que la usarán, las personas que se verán afectadas por ella y el entorno en el que se implementa. La creación de un sistema adecuado a su finalidad requiere comprender cómo funciona la tecnología, sus capacidades y limitaciones, y cómo conseguir el mejor rendimiento.
Microsoft proporciona notas sobre transparencia para ayudarle a comprender cómo funciona nuestra tecnología de inteligencia artificial. Esto incluye las elecciones que los propietarios del sistema pueden hacer que influyan en el rendimiento y el comportamiento del sistema y la importancia de pensar en todo el sistema, incluida la tecnología, las personas y el entorno. Puede usar notas sobre transparencia al desarrollar o implementar su propio sistema, o compartirlas con las personas que usarán o se verán afectadas por el sistema.
Las notas sobre transparencia forman parte de un esfuerzo más amplio en Microsoft para poner en práctica nuestros principios de inteligencia artificial. Para más información, consulte Principios de inteligencia artificial de Microsoft.
Introducción a Personalizer
Azure AI Personalizer es un servicio basado en la nube que ayuda a las aplicaciones a elegir el mejor elemento de contenido y mostrárselo a los usuarios. Se puede usar Personalizer para determinar qué producto sugerir a los compradores o para averiguar la posición óptima de un anuncio. Después de que el contenido se muestra al usuario, la aplicación supervisa la reacción del usuario y devuelve una puntuación de recompensa a Personalizer. La puntuación de recompensa se usa para mejorar continuamente el modelo de Machine Learning mediante el aprendizaje de refuerzo. Esto mejora la capacidad de Personalizer de seleccionar el mejor elemento de contenido en interacciones posteriores en función de la información contextual que recibe para cada uno.
Para más información, consulte:
Términos clave
| Término | Definición |
|---|---|
| Ruta de aprendizaje | Puede crear un recurso de Personalizer, denominado ruta de aprendizaje, para todas las partes de la aplicación que pueden beneficiarse de la personalización. Si tiene varias experiencias de personalización, cree un bucle para cada una de ellas. |
| Modo en línea | Comportamiento de aprendizaje predeterminado de Personalizer en el que el bucle de aprendizaje utiliza el aprendizaje automático para compilar el modelo que predice la acción superior para su contenido. |
| Modo de aprendiz | Comportamiento de aprendizaje que ayuda a arrancar en caliente un modelo de Personalizer para entrenar sin que afecte a las acciones y los resultados de las aplicaciones. |
| Recompensas | una medida de la forma en que el usuario respondió al id. de acción de Reward devuelta por API Rank, en forma de puntuación entre 0 y 1. El valor de 0 a 1 lo establece la lógica de negocios, en función de la forma en que la elección ha ayudado a lograr los objetivos empresariales de personalización. El bucle de aprendizaje no almacena esta recompensa como historial de usuario individual. |
| Exploración | el servicio Personalizer está explorando cuando, en lugar de devolver la mejor acción, elige otra acción para el usuario. El servicio Personalizer evita el desfase, estancamiento y puede adaptarse al comportamiento del usuario en curso mediante la exploración. |
Para obtener más información y términos clave adicionales, consulte la documentación conceptual y terminología de Personalizer.
Casos de uso de ejemplo
Algunas motivaciones comunes de los clientes para usar Personalizer son:
- Involucración del usuario: capture el interés del usuario eligiendo contenido para aumentar el número de clics, o para priorizar la siguiente mejor acción para mejorar el promedio de ingresos. Otros mecanismos para aumentar la involucración del usuario pueden incluir la selección de vídeos o música en un canal dinámico o lista de reproducción.
- Optimización de contenido: las imágenes se pueden optimizar para un producto (por ejemplo, seleccionar un póster de película de un conjunto de opciones) para optimizar el número de clics o el diseño de la interfaz de usuario, los colores, las imágenes y los blurbs se pueden optimizar en una página web para aumentar la conversión y la compra.
- Maximizar las conversiones con descuentos y cupones: para obtener el mejor equilibrio de margen y conversión, elija qué descuentos proporcionará la aplicación a los usuarios, o decida qué producto resaltar de los resultados de un motor de recomendaciones para maximizar la conversión.
- Maximizar el cambio de comportamiento positivo: seleccione qué pregunta de sugerencia de bienestar enviar en una notificación, mensajería o SMS inserción para maximizar el cambio de comportamiento positivo.
- Aumentar la productividad en el servicio al cliente y el soporte técnico resaltando las siguientes acciones recomendadas más relevantes o el contenido adecuado cuando los usuarios buscan documentos, manuales o elementos de base de datos.
Consideraciones al elegir un caso de uso
- El uso de un servicio que aprende a personalizar contenido e interfaces de usuario resulta útil. Sin embargo, también se puede aplicar erróneamente si la personalización crea efectos secundarios dañinos en el mundo real. Tenga en cuenta cómo la personalización también ayuda a los usuarios a lograr sus objetivos.
- Piense en las consecuencias negativas del mundo real si Personalizer no sugiere elementos concretos porque el sistema está entrenado con un sesgo en los patrones de comportamiento de la mayoría de los usuarios del sistema.
- Piense en las situaciones en las que el comportamiento de exploración de Personalizer podría causar daños.
- Considere cuidadosamente la posibilidad de personalizar las opciones que son consecuenciales o irreversibles, y que no deben determinarse mediante señales y recompensas a corto plazo.
- No proporcione acciones a Personalizer que no deban elegirse. Por ejemplo, se deben eliminar las películas inapropiadas de las acciones de personalización si va a hacer una recomendación para un usuario anónimo o menor de edad.
Estos son algunos escenarios en los que las instrucciones anteriores desempeñarán un papel en si, y cómo, para aplicar Personalizer:
- Evite el uso de Personalizer para clasificar las ofertas de productos específicos de préstamos, finanzas y seguros, donde las características de personalización están reguladas, en función de datos que las personas no conocen, no pueden obtener o no pueden disputar; y las opciones que necesitan años e información "más allá del clic" para evaluar realmente lo buenas que fueron las recomendaciones para la empresa y los usuarios.
- Considere detenidamente la posibilidad de personalizar los aspectos destacados de los cursos escolares y las instituciones educativas donde las recomendaciones sin suficiente exploración podrían propagar sesgos y reducir el conocimiento de los usuarios de otras opciones.
- Evite usar Personalizer para sintetizar contenido de forma algorítmica con el objetivo de influir en las opiniones en la democracia y la participación ciudadana, ya que es consecuencia a largo plazo, y puede ser manipulativo si el objetivo del usuario para la visita es ser informado, no influenciado.