Condividi tramite

Terminologia di Personalizza esperienze

  • Articolo

Importante

A partire dal 20 settembre 2023 non sarà possibile creare nuove risorse di Personalizza esperienze. Il servizio Personalizza esperienze verrà ritirato il 1° ottobre 2026.

Personalizza esperienze usa la terminologia dell'apprendimento per rinforzo. Questi termini vengono usati nel portale di Azure e nelle API.

Terminologia concettuale

  • Ciclo di apprendimento: è possibile creare una risorsa di Personalizza esperienze, detta ciclo di apprendimento, per ogni parte dell'applicazione che potrà beneficiare dalla personalizzazione. Nel caso di più esperienze da personalizzare, creare un ciclo per ognuna.

  • Modello: un modello di Personalizza esperienze acquisisce tutti i dati appresi sul comportamento dell'utente, ottenendo i dati di training dalla combinazione degli argomenti inviati alle chiamate a Classifica e Ricompensa e con un comportamento di training determinato dai criteri di apprendimento.

  • Modalità online: comportamento di apprendimento predefinito per Personalizza esperienze che prevede che il ciclo di apprendimento usi il Machine Learning per creare il modello che prevede l'azione principale per il contenuto.

  • Modalità apprendista: comportamento di apprendimento che consente di avviare a caldo un modello di Personalizza esperienze per eseguire il training senza effetti sui risultati e sulle azioni delle applicazioni.

Comportamento di apprendimento

  • Modalità online: restituire l'azione migliore. Il modello risponderà alle chiamate Classificazione con l'azione migliore e userà le chiamate Ricompensa per apprendere e migliorare le selezioni nel tempo.
  • Modalità apprendista: imparare come apprendista. Il modello apprenderà osservando il comportamento del sistema esistente. Le chiamate Classificazione restituiranno sempre il 'azione predefinita dell'applicazione (baseline).

Configurazione di Personalizza esperienze

Personalizza esperienze viene configurato dal portale di Azure.

  • Ricompense: configurare i valori predefiniti per il tempo di attesa della ricompensa, la ricompensa predefinita e i criteri di aggregazione delle ricompense.

  • Esplorazione: configurare la percentuale di chiamate Classificazione da usare per l'esplorazione

  • Frequenza di aggiornamento del modello frequenza con cui viene ripetuto il training del modello.

  • Conservazione dei dati: numero di giorni di dati da archiviare. Questa impostazione può influire sulle valutazioni offline, usate per migliorare il ciclo di apprendimento.

Usare le API Classificazione e Ricompensa

  • Classificazione: in base alle azioni con caratteristiche e alle caratteristiche del contesto usare l'esplorazione o lo sfruttamento per restituire l'azione principale (elemento del contenuto).

    • Azioni: le azioni sono elementi di contenuto, come prodotti o promozioni, tra cui scegliere. Personalizza esperienze sceglie l'azione principale (ID azione ricompensa restituita) da mostrare agli utenti tramite l'API Classificazione.

    • Contesto: per ottenere una classificazione più accurata, fornire informazioni sul contesto, ad esempio:

      • L'utente.
      • Il dispositivo che usa.
      • Ora corrente.
      • Altri dati sulla situazione corrente.
      • Dati cronologici sull'utente o sul contesto.

      Le specifiche applicazioni possono avere informazioni diverse sul contesto.

    • Caratteristiche: un'unità di informazioni su un elemento di contenuto o su un contesto utente. Assicurarsi di usare solo caratteristiche aggregate. Non usare orari specifici, ID utente o altri dati non aggregati come caratteristiche.

      • Una caratteristica di azione sono i metadati relativi al contenuto.
      • Una caratteristica di contesto sono i metadati relativi al contesto in cui viene presentato il contenuto.

  • Esplorazione: il servizio Personalizza esperienze usa l'esplorazione quando, invece di restituire l'azione ottimale, ne sceglie una diversa per l'utente. Il servizio Personalizza esperienze evita scenari di deriva e di stallo e può adattarsi al comportamento in corso dell'utente tramite esplorazione.

  • Azione migliore acquisita: il servizio Personalizza esperienze usa il modello corrente per decidere l'azione migliore in base ai dati passati.

  • Durata dell'esperimento: il periodo di tempo durante il quale Personalizza esperienze aspetta una ricompensa, a partire dal momento in cui si verifica la chiamata Classificazione per tale evento.

  • Eventi inattivi: un evento inattivo si verifica quando viene effettuata una chiamata Classificazione ma non è certo se l'utente vedrà il risultato a causa delle decisioni dell'applicazione client. Gli eventi inattivi consentono di creare e archiviare i risultati della personalizzazione e quindi di decidere di rimuoverli in seguito senza influire sul modello di Machine Learning.

  • Ricompensa: la misura del tipo di risposta data dall'utente all'ID dell'azione di ricompensa restituita dall'API Classificazione, sotto forma di punteggio compreso tra 0 e 1. Il valore da 0 a 1 viene impostato dalla logica di business in base all'efficacia della scelta per realizzare gli obiettivi aziendali della personalizzazione. Il ciclo di apprendimento non archivia questa ricompensa come cronologia utente singola.

Valutazioni

Valutazioni offline

  • Valutazione: una valutazione offline determina i criteri di apprendimento migliori per il ciclo in base ai dati dell'applicazione.

  • Criteri di apprendimento: la modalità di training di un modello per ogni evento scelta da Personalizza esperienze verrà determinata da alcuni parametri che influiscono sul funzionamento dell'algoritmo di Machine Learning. Un nuovo ciclo di apprendimento inizia con criteri di apprendimento predefiniti, che possono produrre prestazioni moderate. Quando si eseguono valutazioni, Personalizza esperienze crea nuovi criteri di apprendimento ottimizzati in modo specifico per i casi d'uso del ciclo. Personalizza esperienze offrirà prestazioni notevolmente migliori con criteri ottimizzati per ogni ciclo specifico, generati durante la valutazione. I criteri di apprendimento sono denominati Impostazioni di apprendimento in Modello e impostazioni di apprendimento per la risorsa Personalizza esperienze nel portale di Azure.

Valutazioni della modalità apprendista

La modalità apprendista fornisce le metriche di valutazione seguenti:

  • Linea di base - Ricompensa media: ricompense media dell'impostazione predefinita (linea di base) dell'applicazione.
  • Personalizza esperienze - Ricompensa media: è possibile che sia stata raggiunta la media delle ricompense totali di Personalizza esperienze.
  • Media mobile ricompense: rapporto tra ricompensa di base e ricompensa di Personalizza esperienze normalizzato sugli ultimi 1000 eventi.

Passaggi successivi