Поделиться через


Варианты использования Персонализатора

Важно!

Начиная с 20 сентября 2023 г. вы не сможете создавать новые ресурсы Персонализатора. Служба Персонализатора отменяется 1 октября 2026 года.

Что такое информационная статья?

В систему ИИ входит не только технология, но и ее пользователи, люди, на которых она повлияет, а также среда, в которой она будет развернута. Чтобы создать систему, подходящую для целевого использования, необходимо понимать, как работает технология, какие она имеет возможности и ограничения и как добиться оптимальной производительности.

Корпорация Майкрософт предоставляет информационные статьи, чтобы вам было проще понять, как работает наша технология ИИ. В них описываются варианты выбора, посредством которых владельцы систем могут влиять на эффективность и поведение систем. Кроме того, в них мы рассказываем о важности комплексного подхода к разработке систем с учетом аспектов, касающихся технологий, людей и окружающей среды. Вы можете использовать информационные статьи при разработке или развертывании собственной системы, а также предоставить к ним доступ пользователям, которые будут использовать вашу систему или которых она затрагивает.

Информационные статьи предоставляются в рамках инициативы корпорации Майкрософт по внедрению принципов ИИ на практике. Дополнительные сведения см. на странице Принципы ИИ корпорации Майкрософт.

Общие сведения о Персонализаторе

Персонализатор ИИ Azure — это облачная служба, которая помогает приложениям выбрать лучший элемент содержимого для отображения пользователей. Персонализатор позволяет определить, какой продукт предложить покупателям или как лучше расположить рекламу. Когда пользователь просмотрит содержимое, приложение отследит его реакцию и сообщит оценку вознаграждения Персонализатору. Оценка вознаграждения используется для непрерывного улучшения модели машинного обучения с помощью обучения с подкреплением. Это повышает способность Персонализатора при дальнейших взаимодействиях выбирать лучший элемент содержимого на основе контекстной информации, которую он получает для каждого пользователя.

Дополнительные сведения см. в разделе:

Ключевые термины

Термин Определение
Цикл обучения Вы создаете ресурс Персонализатора, называемый циклом обучения, для каждой части вашего приложения, которой персонализация может принести пользу. Если у вас есть несколько сред для персонализации, создайте цикл для каждой из них.
Онлайн-модель Заданный по умолчанию режим обучения Персонализатора, при котором цикл обучения использует машинное обучение для построения модели, которая прогнозирует наилучшее действие для вашего содержимого.
Режим ученика Режим обучения, который помогает выполнить горячую перезагрузку модели Персонализатора, чтобы ее обучение не влияло на результаты и действия приложений.
Награды Показатель, демонстрирующий реакцию пользователя на идентификатор действия вознаграждения, возвращенный API ранжирования, в виде оценки от 0 до 1. Бизнес-логика задает значение от 0 до 1 в ​​зависимости от того, как этот выбор помог достичь ваших бизнес-целей персонализации. Цикл обучения не сохраняет эту награду как индивидуальную историю пользователя.
Разведки Служба "Персонализатор" рассматривает возможности вместо возвращения лучшего действия, выбирая другое действие для пользователя. Эта служба позволяет избежать смещения и застоя и может адаптироваться к текущему поведению пользователя путем изучения.

Дополнительные сведения и дополнительные ключевые термины см. в терминологии Персонализатора и концептуальной документации.

Примеры вариантов использования

Ниже приведены некоторые распространенные причины использования Персонализатора клиентами:

  • Вовлеченность пользователей. Интерес пользователей привлекается за счет выбора контента, позволяющего повысить частоту выбора рекламного объявления или приоритизировать следующее лучшее действие, чтобы повысить средний доход. Другие механизмы повышения вовлеченности пользователей могут включать выбор видео или музыки в динамическом канале или списке воспроизведения.
  • Оптимизация содержимого. Изображения можно оптимизировать с учетом продукта (например, выбор плаката фильма из набора вариантов), чтобы повысить частоту выбора рекламного объявления. Можно также оптимизировать макет пользовательского интерфейса, цвета, изображения и размытия на веб-странице, чтобы увеличить число конверсий и покупок.
  • Максимальное увеличение конверсий с помощью скидок и купонов. Чтобы как можно лучше сбалансировать коэффициент доходности и конверсии, выберите, какие скидки приложение будет предоставлять пользователям, или решите, какой продукт выделять в результатах подсистемы рекомендаций, чтобы максимально увеличить конверсию.
  • Максимальное положительное изменение поведения. Выберите вопрос для советов по оздоровлению, который будет отправляться в уведомлениях, мгновенных сообщениях, SMS или push-уведомлениях, чтобы добиться максимально положительного изменения поведения.
  • Увеличение производительности. Повысьте эффективность обслуживания клиентов и технической поддержки, выделяя наиболее подходящие действия или соответствующее содержимое, когда пользователи ищут документы, руководства или элементы базы данных.

Рекомендации по выбору варианта использования

  • Работать со службой, которая учится персонализировать содержимое и пользовательские интерфейсы, полезно. Однако ее тоже можно применять неправильно, если персонализация в реальности создает вредные побочные эффекты. Подумайте о том, как персонализация помогает пользователям достигать своих целей.
  • Подумайте, какими могут быть реальные негативные последствия, если Персонализатор не рекомендует конкретные товары, так как при обучении модели упор был сделан на модели поведения, характерные для большинства пользователей системы.
  • Рассмотрите ситуации, когда нацеленность Персонализатора на исследования может нанести вред.
  • Тщательно изучите персонализированный выбор, который влечет важные или необратимые последствия — он не должен определяться краткосрочными сигналами и вознаграждениями.
  • Не предоставляйте Персонализатору действия, которые не следует выбирать. Например, недопустимые фильмы должны быть исключены из списка персонализируемых действий при подготовке рекомендаций для анонимных или юных пользователей.

Ниже приведены некоторые ситуации, в которых приведенное выше руководство поможет вам решить, нужно ли применять Персонализатор и как это сделать правильно:

  • Старайтесь не использовать Персонализатор для ранжирования предложений по конкретным кредитам, финансовым и страховым продуктам, где функции персонализации регулируются на основе данных, о которых люди не знают, которые не могут получить или обсудить. Не используйте его и для выбора рекомендаций, оценить реальную полезность которых для бизнеса и пользователей можно только по прошествии лет и при наличии более детальной информации, к которой невозможно быстро получить доступ.
  • Тщательно рассмотрите возможность персонализации учебных курсов и учебных заведений, где рекомендации без достаточного исследования могут распространять предубеждения и мешать пользователям узнавать о других вариантах.
  • Старайтесь не использовать Персонализатор для синтеза содержимого на основе алгоритмов, чтобы влиять на мнения о демократических принципах и гражданской позиции, так как в долговременной перспективе это может повлечь последствия и может восприниматься как попытка манипулирования, если пользователь пришел за информацией, а не для того, чтобы ему навязывали мнение.

Следующие шаги