Casos de uso do Personalizador
Importante
A partir de 20 de setembro de 2023, não será mais possível criar novos recursos do Personalizador. O serviço Personalizador está sendo desativado no dia 1º de outubro de 2026.
O que é uma Nota de Transparência?
Um sistema de IA inclui não apenas a tecnologia, mas também as pessoas que a usarão, que serão afetadas por ele e o ambiente em que ele é implantado. Criar um sistema adequado para sua finalidade pretendida requer uma compreensão de como a tecnologia funciona, suas funcionalidades e limitações e como obter o melhor desempenho.
A Microsoft fornece Notas de Transparência para ajudar você a entender como nossa tecnologia de IA funciona. Essa tecnologia inclui as escolhas que os proprietários do sistema podem fazer para influenciar o desempenho e o comportamento do sistema e a importância de pensar em todo o sistema, incluindo a tecnologia, as pessoas e o ambiente. Você pode usar Notas de Transparência ao desenvolver ou implantar seu sistema ou compartilhá-las com as pessoas que usarão ou serão afetadas pelo seu sistema.
As Notas de Transparência fazem parte de um esforço mais amplo da Microsoft para colocar nossos princípios de IA em prática. Para saber mais, confira Princípios de IA da Microsoft.
Introdução ao Personalizador
O Personalizador de IA do Azure é um serviço baseado em nuvem que ajuda seus aplicativos a escolher o melhor item de conteúdo para mostrar aos seus usuários. Você pode usar o Personalizador para determinar qual produto deve ser sugerido aos compradores ou para descobrir o posicionamento ideal para um anúncio. Depois que o conteúdo é mostrado ao usuário, o aplicativo monitora a reação do usuário e relata de volta uma pontuação de recompensa ao Personalizador. A pontuação de recompensa é usada para melhorar continuamente o modelo de machine learning usando o aprendizado de reforço. Isso aprimora a capacidade do Personalizador de selecionar o melhor item de conteúdo nas interações subsequentes com base nas informações contextuais que recebe para cada um.
Para obter mais informações, consulte:
Principais termos
| Termo | Definição |
|---|---|
| Loop de aprendizado | Você cria um recurso do Personalizador, chamado de loop de aprendizado, para cada parte do aplicativo que pode se beneficiar da personalização. Caso você tenha mais de uma experiência para personalização, crie um loop para cada uma. |
| Modelo online | O comportamento de aprendizado padrão do Personalizador, em que o loop de aprendizado usa o machine learning para criar o modelo que prevê a ação principal para o conteúdo. |
| Modo Aprendiz | Um comportamento de aprendizado que ajuda a iniciar o treinamento de um modelo do Personalizador sem afetar os resultados e as ações dos aplicativos. |
| Recompensas | Uma medida de como o usuário respondeu à ID da ação de recompensa retornada da API de Classificação, como uma pontuação entre 0 e 1. O valor de 0 a 1 é definido pela lógica de negócios, com base em como a opção ajudou a atingir as metas de negócios de personalização. O loop de aprendizado não armazena essa recompensa como um histórico de usuário individual. |
| Exploração | O serviço Personalizador faz uma exploração quando, em vez de retornar a melhor ação, escolhe uma ação diferente para o usuário. O serviço Personalizador evita desvios e estagnação e pode se adaptar ao comportamento contínuo do usuário com a exploração. |
Para obter mais informações e termos-chave adicionais, consulte a Terminologia do Personalizador e a documentação conceitual.
Casos de uso de exemplo
Algumas motivações comuns do cliente para usar o Personalizador são:
- Envolvimento do usuário: capture o interesse do usuário escolhendo o conteúdo para aumentar o clickthrough ou para priorizar a próxima melhor ação para melhorar a receita média. Outros mecanismos para aumentar o envolvimento do usuário podem incluir a seleção de vídeos ou músicas em um canal dinâmico ou playlist.
- Otimização de conteúdo: as imagens podem ser otimizadas para um produto (como selecionar um pôster de filme de um conjunto de opções) para otimizar o clique ou o layout da interface do usuário, cores, imagens e desfoques podem ser otimizados em uma página da Web para aumentar a conversão e a compra.
- Maximizar as conversões usando descontos e cupons: para obter o melhor saldo de margem e conversão, escolha quais descontos o aplicativo fornecerá aos usuários ou decida qual produto destacar dos resultados de um mecanismo de recomendação para maximizar a conversão.
- Maximizar a alteração positiva do comportamento: selecione qual pergunta de dica de bem-estar enviar uma notificação, mensagens ou SMS push para maximizar a alteração positiva do comportamento.
- Aumente a produtividade no atendimento ao cliente e no suporte técnico destacando as próximas melhores ações mais relevantes ou o conteúdo apropriado quando os usuários estão procurando documentos, manuais ou itens de banco de dados.
Considerações ao escolher um caso de uso
- Usar um serviço que aprende a personalizar conteúdo e interfaces do usuário é útil. No entanto, também pode ser mal aplicado se a personalização criar efeitos colaterais nocivos no mundo real. Considere como a personalização também ajuda os usuários a atingir suas metas.
- Considere quais são as consequências negativas no mundo real se o Personalizador não estiver sugerindo itens específicos porque o sistema é treinado com um viés para os padrões de comportamento da maioria dos usuários do sistema.
- Considere situações em que o comportamento de exploração do Personalizador pode causar danos.
- Considere cuidadosamente a personalização de opções que são consequentes ou irreversíveis e que não devem ser determinadas por sinais e recompensas de curto prazo.
- Não forneça ações para o Personalizador que não devem ser escolhidas. Por exemplo, filmes inadequados devem ser filtrados das ações de personalização ao fazer uma recomendação para um usuário anônimo ou menor de idade.
Estes são alguns cenários em que as diretrizes acima desempenharão uma função em se, e como, aplicar o Personalizador:
- Evite usar o Personalizador para classificar ofertas em produtos específicos de empréstimos, financeiros e seguros, em que os recursos de personalização são regulamentados, com base nos dados que as pessoas não sabem, não podem obter ou não podem contestar; e escolhas que precisam de anos e informações "além do clique" para realmente avaliar o quão boas eram as recomendações para a empresa e os usuários.
- Considere cuidadosamente personalizar destaques de cursos escolares e de instituições de ensino em que as recomendações sem exploração suficiente podem propagar vieses e reduzir a conscientização dos usuários sobre outras opções.
- Evite usar o Personalizador para sintetizar o conteúdo algoritmicamente com o objetivo de influenciar opiniões na democracia e na participação cívica, pois essa é uma consequência a longo prazo e pode ser manipuladora se o objetivo do usuário para a visita for informado, não influenciado.