Un rivenditore ha implementato Amazon Personalize e ha osservato che le vendite degli articoli consigliati aumentano subito dopo l'implementazione, ma poi diminuiscono rapidamente. Per l'addestramento sono stati utilizzati solo dati storici precedenti a una recente campagna di marketing. Quale modifica dovresti apportare per migliorare e sostenere i consigli?

La risposta corretta è acquisire le interazioni utente in tempo reale con Amazon Personalize utilizzando l'event tracker per alimentare gli eventi in tempo reale. Il problema descritto, ovvero un aumento iniziale delle vendite seguito da un rapido calo, suggerisce che i consigli diventano rapidamente obsoleti. Utilizzare solo dati storici precedenti a una campagna di marketing significa che il modello non è a conoscenza delle preferenze attuali degli utenti o dell'impatto della campagna. L'acquisizione di interazioni in tempo reale (come clic, acquisti, visualizzazioni) tramite l'event tracker consente ad Amazon Personalize di aggiornare continuamente i profili utente e i modelli, fornendo raccomandazioni più pertinenti e tempestive che si adattano al comportamento corrente. Includere i metadati utente e passare alla ricetta HRNN-Metadata potrebbe migliorare la qualità dei consigli, ma non risolverebbe il problema della tempestività. Sostituire la soluzione con SageMaker e FM è un approccio più complesso e non affronta direttamente la necessità di dati in tempo reale per Personalize. Aggiungere attributi event type e event value al dataset delle interazioni è una buona pratica per arricchire i dati, ma non garantisce che i dati siano aggiornati in tempo reale.