Ein Einzelhändler hat Amazon Personalize implementiert und festgestellt, dass die Verkäufe von empfohlenen Artikeln direkt nach der Bereitstellung sprunghaft ansteigen, dann aber schnell wieder fallen. Für das Training wurden nur historische Daten von vor einer kürzlich durchgeführten Marketingkampagne verwendet. Welche Änderung sollten Sie vornehmen, um die Empfehlungen zu verbessern und aufrechtzuerhalten?

Der anfängliche Anstieg und der anschließende Rückgang der Verkäufe deuten darauf hin, dass die Empfehlungen schnell veraltet sind. Amazon Personalize kann seine Empfehlungen kontinuierlich verbessern, indem es Echtzeit-Interaktionen von Benutzern über den Event Tracker erfasst. Dies ermöglicht es dem Modell, sich an sich ändernde Benutzerpräferenzen und neue Artikel anzupassen, was zu relevanteren und dauerhafteren Empfehlungen führt. Das Hinzufügen von Benutzer-Metadaten oder das Wechseln zu HRNN-Metadata würde die Empfehlungen verbessern, aber nicht das Problem der Veralterung beheben. Eine SageMaker-Implementierung wäre ein erheblicher Mehraufwand und würde nicht unbedingt eine bessere Leistung liefern als Personalize bei korrekter Konfiguration. Das Hinzufügen von Ereignistyp- und Ereigniswert-Attributen ist zwar nützlich, aber ohne die Erfassung von Live-Interaktionen bleibt das Kernproblem der veralteten Daten bestehen.