Un minorista necesita un sistema de recomendaciones que proporcione recomendaciones a los usuarios existentes basándose en el historial de navegación de cada usuario y que filtre los artículos que el usuario ya compró. ¿Qué solución cumple estos requisitos con el menor esfuerzo de desarrollo?

La opción correcta es la que utiliza Amazon Personalize con el recetario USERPERSONALIZATION. Este recetario está diseñado específicamente para generar recomendaciones personalizadas para usuarios individuales basándose en su historial de interacciones, lo que se alinea con el requisito de usar el historial de navegación. Amazon Personalize también permite crear filtros en tiempo real para excluir artículos ya comprados, lo que satisface el segundo requisito con un esfuerzo de desarrollo mínimo, ya que es una característica incorporada del servicio. Las opciones que implican construir modelos en SageMaker (filtrado colaborativo basado en usuarios o filtrado colaborativo neuronal) requieren un esfuerzo de desarrollo y mantenimiento significativamente mayor en comparación con Amazon Personalize, que es un servicio totalmente gestionado. La opción de PERSONALIZEDRANKING no es la más adecuada porque su propósito principal es reordenar una lista de artículos dada, no generar recomendaciones desde cero.