Hol és hogyan használható a Personalizer?
Fontos
2023. szeptember 20-tól nem hozhat létre új Personalizer-erőforrásokat. A Personalizer szolgáltatás 2026. október 1-jén megszűnik.
A Personalizer használata minden olyan helyzetben, amikor az alkalmazásnak ki kell választania a megfelelő műveletet (tartalmat) a megjelenítéshez – a felhasználói élmény javítása, jobb üzleti eredmények elérése vagy a termelékenység javítása érdekében.
A Personalizer megerősítési tanulással választja ki, hogy melyik művelet (tartalom) jelenjen meg a felhasználó számára. A kiválasztás jelentősen változhat a szolgáltatásnak küldött adatok mennyiségétől, minőségétől és eloszlásától függően.
Példák a Personalizer használati eseteire
- Szándék pontosítása és egyértelműsítése: segít a felhasználóknak abban, hogy jobb élményt nyújtsanak, ha szándékuk nem egyértelmű egy személyre szabott lehetőség biztosításával.
- Alapértelmezett javaslatok menükhöz és lehetőségekhez: a robot személyre szabott módon javasolja a legvalószínűbb elemet első lépésként, ahelyett, hogy személytelen menüt vagy alternatív lehetőségek listáját mutatná be.
- Bot vonások > hang: a különböző hangszínt, részletességet és írásstílust használó robotok esetében fontolja meg ezeknek a tulajdonságoknak a különbözőségét.
- Értesítés & riasztás tartalma: döntse el, hogy milyen szöveget használjon a riasztásokhoz, hogy jobban bevonja a felhasználókat.
- Értesítési és riasztási időzítés: személyre szabottan értesülhet arról, hogy mikor küldhet értesítéseket a felhasználóknak, hogy jobban bevonják őket.
A Personalizer használatához szükséges elvárások
A Personalizert olyan helyzetekben alkalmazhatja, ahol megfelel, vagy végrehajthatja az alábbi irányelveket.
| Irányelv | Magyarázat |
|---|---|
| Üzleti cél | Üzleti vagy használhatósági célja van az alkalmazás számára. |
| Tartalom | Van egy hely az alkalmazásban, ahol a környezetfüggő döntés, hogy mit kell mutatni a felhasználóknak javítani fogja ezt a célt. |
| Tartalommennyiség | Hívásonként kevesebb mint 50 műveletet kell rangsorolnia. |
| Adatok összesítése | A legjobb választás lehet és kell tanulni a kollektív felhasználói viselkedés és a teljes jutalom pontszámot. |
| Etikus használat | A gépi tanulás személyre szabása felelősségteljes használati irányelveket és választási lehetőségeket követ. |
| Legjobb egyetlen lehetőség | A környezetfüggő döntés úgy fejezhető ki, mint a legjobb lehetőség (művelet) rangsorolása korlátozott választási lehetőségek közül. |
| Pontozott eredmény | Hogy a rangsorolt választás milyen jól működött az alkalmazáshoz, a felhasználói viselkedés valamely aspektusának mérésével és jutalompontban való kifejezésével határozható meg. |
| Releváns időzítés | A jutalompontszám nem hoz túl sok zavaró vagy külső tényezőt. A kísérlet időtartama elég alacsony ahhoz, hogy a jutalompontszám kiszámolható legyen, amíg az még releváns. |
| Megfelelő környezeti funkciók | A rangsor kontextusát legalább 5 olyan funkció listájaként fejezheti ki, amelyekről úgy gondolja, hogy segítenek a helyes választásban, és nem tartalmaznak felhasználóspecifikus azonosítható adatokat. |
| Megfelelő műveletfunkciók | Az egyes tartalomválasztásokról, műveletekről legalább 5 olyan funkcióval rendelkezik, amelyekről úgy gondolja, hogy segít a Personalizernek a helyes választásban. |
| Napi adatok | Elegendő esemény van ahhoz, hogy az optimális személyre szabáson felül maradjon, ha a probléma idővel elsodródik (például a hírek vagy a divat preferenciái). A Personalizer alkalmazkodni fog a valós világ folyamatos változásához, de az eredmények nem lesznek optimálisak, ha nincs elég esemény és adat, amelyből tanulhat, és új mintákat fedezhet fel és rendezhet el. Olyan használati esetet kell választania, amely elég gyakran fordul elő. Érdemes lehet olyan használati eseteket keresni, amelyek naponta legalább 500 alkalommal fordulnak elő. |
| Történelmi adatok | Az alkalmazás elég ideig megőrizheti az adatokat, hogy legalább 100 000 interakciós előzményt halmozjon fel. Ez lehetővé teszi a Personalizer számára, hogy elegendő adatot gyűjtsön az offline értékelések és a szabályzatoptimalizálás elvégzéséhez. |
Ne használja a Personalizert , ha a személyre szabott viselkedés nem olyan dolog, amelyet az összes felhasználó felfedezhet. Ha például a Personalizer segítségével javasol egy első pizzarendelést egy 20 lehetséges menüelemből álló listából, hasznos, de az, hogy melyik partnert hívja meg a felhasználók partnerlistájából, amikor segítségre van szüksége a gyermekgondozáshoz (például a "Nagymama") nem olyan dolog, amely személyre szabható a felhasználói bázison.
A Personalizer használata webalkalmazásban
A tanulási ciklus webalkalmazáshoz való hozzáadása a következőket tartalmazza:
- Határozza meg, hogy milyen felhasználói élményt kell testre szabnia, milyen műveletekkel és funkciókkal rendelkezik, milyen környezeti funkciókat kell használnia, és milyen jutalomra lesz szüksége.
- Adjon hozzá egy hivatkozást a Személyre szabási SDK-ra az alkalmazásban.
- Hívja meg a Rank API-t, ha készen áll a személyre szabásra.
- Tárolja az eventId azonosítót. A Reward API-val később jutalmat küld.
- Hívja fel az Aktiválást az eseményhez, ha biztos benne, hogy a felhasználó látta a személyre szabott oldalt.
- Várjon, amíg a felhasználó kiválasztja a rangsorolt tartalmat.
- Hívja meg a Reward API-t, és adja meg, hogy a Rank API kimenete milyen jól sikerült.
A Personalizer használata csevegőrobottal
Ebben a példában látni fogja, hogyan használhatja a Személyre szabás parancsot alapértelmezett javaslat készítésére ahelyett, hogy minden alkalommal menük vagy választási lehetőségek sorozatát küldené el a felhasználónak.
- Kérje le a minta kódját .
- Állítsa be a robotmegoldást. Mindenképpen tegye közzé a LUIS-alkalmazást.
- A Rank és Reward API-hívások kezelése a robot számára.
- Adjon hozzá kódot a LUIS-szándék feldolgozásának kezeléséhez. Ha a None értéket adja vissza a rendszer a legfelső szándékként, vagy a legfelső szándék pontszáma az üzleti logika küszöbértéke alatt van, küldje el a szándékok listáját a Personalizernek a szándékok rangsorolásához.
- A szándéklista megjelenítése a felhasználó számára kiválasztható hivatkozásként, az első szándék pedig a Rangsor API-válasz elsőként rangsorolt szándéka.
- Rögzítse a felhasználó kiválasztását, és küldje el a Reward API-hívásban.
Ajánlott robotminták
- A Personalizer Rank API-hívásokat minden alkalommal kezdeményezhet, amikor egyértelműsítésre van szükség, szemben az egyes felhasználók gyorsítótárazási eredményeivel. A egyértelmű szándék eredménye idővel változhat egy személy esetében, és ha lehetővé teszi a Rank API számára a varianciák feltárását, az felgyorsítja az általános tanulást.
- Válasszon olyan interakciót, amely sok felhasználónál gyakori, hogy elegendő adattal rendelkezzen a személyre szabásához. A bevezető kérdések például jobban illeszkednek a beszélgetési gráfban található kisebb pontosításokhoz, amelyekhez csak néhány felhasználó juthat el.
- A Rank API-hívások segítségével engedélyezheti a "first suggestion is right" (első javaslat helyes) beszélgetéseket, ahol a felhasználó a következőt fogja kérdezni: "Tetszik X?" vagy "X-nek érted?" és a felhasználó egyszerűen megerősítheti; ahelyett, hogy lehetőséget adnának a felhasználónak, ahol egy menüből kell választaniuk. Például: Felhasználó:"Szeretnék egy kávét rendelni" Bot:"Szeretne egy dupla eszpresszót?". Így a jutalomjel is erős, mivel közvetlenül az egyetlen javaslatra vonatkozik.
A Personalizer használata javaslati megoldással
Számos vállalat ajánlómotorokat, marketing- és kampányeszközöket, célközönség szegmentálását és fürtözését, együttműködésen alapuló szűrést és egyéb eszközöket használ a nagy katalógusból származó termékek ügyfeleknek való ajánlásához.
A Microsoft Recommenders GitHub-adattár példákat és ajánlott eljárásokat kínál a Jupyter-jegyzetfüzetekként nyújtott javaslati rendszerek létrehozásához. Munkapéldákat kínál az adatok előkészítéséhez, modellek készítéséhez, a javaslatmotorok kiértékeléséhez, finomhangolásához és üzembe helyezéséhez, számos gyakori megközelítéshez, például xDeepFM, SAR, ALS, RBM, DKN.
A Personalizer a jelen állapotában képes a javaslati motorral dolgozni.
- Az ajánlómotorok nagy mennyiségű elemet (például 500 000) használnak, és több száz vagy több ezer lehetőségből ajánlanak egy részhalmazt (például az első 20-t).
- A Personalizer kevés olyan műveletet végez, amely sok információt tartalmaz róluk, és valós időben rangsorolja őket egy adott gazdag környezetben, míg a legtöbb javaslatmotor csak néhány attribútumot használ a felhasználókról, termékekről és azok interakcióiról.
- A Personalizer célja, hogy mindig önállóan vizsgálja meg a felhasználói beállításokat, ami jobb eredményeket eredményez, ha a tartalom gyorsan változik, például hírek, élő események, élő közösségi tartalmak, napi frissítéseket tartalmazó tartalmak vagy szezonális tartalmak.
Gyakran használják egy javaslati motor kimenetét (például egy adott ügyfél 20 legjobb termékét), és ezt használják a Personalizer bemeneti műveleteiként.
Tartalomvédelmi funkciók hozzáadása az alkalmazáshoz
Ha az alkalmazás nagy eltéréseket tesz lehetővé a felhasználók számára megjelenített tartalmakban, és egyes tartalmak egyes felhasználók számára nem biztonságosak vagy nem megfelelőek, érdemes előre megtervezni, hogy a megfelelő biztonsági intézkedések teljesüljenek, hogy a felhasználók ne láthassák az elfogadhatatlan tartalmakat. A legjobb minta a biztosítékok implementálásához: * Szerezze be a rangsorolandó műveletek listáját. * Szűrje ki azokat, amelyek nem életképesek a közönség számára. * Csak rangsorolni ezeket az életképes műveleteket. * A legjobban rangsorolt művelet megjelenítése a felhasználó számára.
Egyes architektúrákban a fenti sorrend megvalósítása nehéz lehet. Ebben az esetben létezik egy alternatív megközelítés a biztonsági intézkedések rangsorolás utáni implementálásához, de rendelkezni kell egy rendelkezéssel, hogy a védelmén kívül eső műveleteket ne használják a Personalizer-modell betanítására.
- Szerezze be a rangsorolandó műveletek listáját a tanulás inaktivált használatával.
- Rangsorolási műveletek.
- Ellenőrizze, hogy a felső művelet működőképes-e.
- Ha a legfelső művelet működőképes, aktiválja a tanulást ehhez a ranghoz, majd mutassa meg a felhasználónak.
- Ha a legfelső művelet nem életképes, ne aktiválja a tanulást ehhez a rangsorhoz, és saját logikája vagy alternatív megközelítése alapján döntse el, hogy mit jelenítsen meg a felhasználónak. Még ha a második legjobb rangsorolási lehetőséget is használja, ne aktiválja a tanulást ehhez a rangsorhoz.