Un détaillant a déployé Amazon Personalize et a observé que les ventes d'articles recommandés augmentent juste après le déploiement, puis diminuent rapidement. Seules les données historiques antérieures à une récente campagne marketing ont été utilisées pour l'entraînement. Quel changement devriez-vous apporter pour améliorer et maintenir les recommandations ?

La capture d'interactions utilisateur en direct via le suivi d'événements permet à Amazon Personalize de s'adapter aux comportements changeants des utilisateurs et aux tendances du marché en temps réel. Le problème décrit, où les ventes diminuent rapidement après une augmentation initiale, indique que le modèle devient obsolète parce qu'il ne reflète pas les données les plus récentes, y compris l'impact des campagnes marketing récentes. L'alimentation continue d'événements en temps réel maintient la pertinence des recommandations. Inclure les métadonnées utilisateur ou passer à HRNN-Metadata pourrait améliorer la qualité des recommandations, mais ne résoudrait pas le problème fondamental de l'obsolescence des données. Remplacer Personalize par SageMaker FM est une solution excessive et ne garantit pas une meilleure adaptation aux données en temps réel sans un pipeline d'ingestion similaire. Ajouter des attributs de type et de valeur d'événement est utile pour des analyses plus fines, mais ne corrige pas l'absence de données d'interaction récentes.