Amazon Personalize FAQ

Amazon Personalize는 AWS Management Console에서 클릭 몇 번이나 간단한 API 호출만으로 설정할 수 있는 간단한 3단계 프로세스를 제공합니다. 1단계에서는 우선 Amazon Personalize에서 Amazon S3 내 사용자 상호 작용 데이터(조회, 클릭, 구매 등의 기록 로그)를 가리키거나 간편한 API 호출을 사용하여 데이터를 업로드하거나 SageMaker Data Wrangler를 사용하여 데이터를 준비하고 가져옵니다. 필요에 따라 카탈로그와 고객층에 대한 추가 정보가 포함된 항목 또는 사용자 데이터세트를 제공할 수 있습니다. 2단계에서는 콘솔에서 몇 번의 클릭이나 API 호출만으로 데이터에 대한 맞춤형 비공개 추천 모델을 훈련시킵니다. 3단계에서는 맞춤형 추천을 가져옵니다. Amazon Personalize Deep Dive 동영상 시리즈를 시청하고 자세히 알아보세요.

계정을 생성하고 Amazon Personalize 개발자 콘솔에 액세스하여 시작하면 콘솔에서 직관적인 설정 마법사를 통해 사용법을 안내해드립니다. 사용자는 JavaScript API 및 Server-Side SDK를 사용하여 실시간 활동 스트림 데이터를 Amazon Personalize로 보내거나 사용자 이벤트의 기록 로그를 사용하여 서비스를 부트스트래핑하는 등 선택할 수 있습니다. 또한 Amazon Simple Storage Service(S3) 또는 SageMaker Data Wrangler를 사용하여 데이터를 가져올 수 있습니다. 단 몇 번의 API 호출을 통해 사용자는 서비스에서 AutoML을 통한 데이터 세트에 대한 올바른 알고리즘을 선택하도록 하거나 수동으로 여러 알고리즘 옵션 중 하나를 선택하여 개인화 모델을 훈련할 수 있습니다. 훈련을 받으면 모델을 단일 API 호출로 배포할 수 있으므로 프로덕션 애플리케이션에서 사용할 수 있습니다. 배포 시 사용자는 프로덕션 서비스에서 서비스를 호출하여 실시간 추천을 가져오고, Amazon Personalize에서 자동으로 조정하여 수요를 충족합니다.

사용자는 Amazon Personalize에 다음 데이터를 제공해야 합니다.

• 사용자 활동 스트림 또는 이벤트 데이터: 웹 사이트/애플리케이션의 사용자 상호 작용 기록 로그가 이벤트 형식으로 캡처되어 한 줄의 코드가 포함된 통합을 통해 Amazon Personalize로 전송됩니다. 여기에는 클릭, 구입, 시청, 장바구니에 추가, 좋아요 등과 같은 주요 이벤트가 포함됩니다. 서비스 온보딩 시 가능한 경우 모든 이벤트/활동 스트림 데이터의 기록 로그 또한 제공할 수 있습니다.
• 카탈로그(항목) 데이터: 책, 비디오, 뉴스 기사 또는 제품을 포함한 모든 유형의 카탈로그가 될 수 있습니다. 각 항목과 연결된 항목 ID 및 메타데이터가 포함됩니다.
• 사용자 데이터: 성별 및 연령과 같은 사용자 인구 데이터를 포함한 사용자 프로필 데이터입니다. 이 데이터는 선택 사항입니다.

Amazon Personalize는 이 데이터를 기반으로 모델을 훈련 및 배포합니다. 간단한 추론 API를 사용하여 런타임에 개별화된 추천 결과를 가져오고 개인화 모델의 유형(예: 사용자 개인화, 관련 항목 또는 개인화된 재지정)에 따라 최종 사용자에게 개인화된 환경을 생성할 수 있습니다.

다음 데이터는 추천 관련성을 개선하는 데 기여할 수 있으며 다음 정보를 포함하는 것이 좋습니다.

• 이벤트 유형(모든 도메인 데이터 세트 그룹 사용 사례에 필요함)
• 이벤트 값
• 상황별 메타데이터
• 항목 및 사용자 메타데이터

Amazon Personalize에서 사용할 수 있는 데이터 유형에 대한 자세한 내용은 Amazon Personalize로 가져올 수 있는 데이터 유형을 참조하세요.

Amazon Personalize를 사용하면 Amazon Personalize에서 사용하기 전에 Amazon SageMaker Data Wrangler를 통해 데이터를 쉽게 가져오고 준비할 수 있습니다. SageMaker Data Wrangler를 사용하여 40개 이상의 지원되는 데이터 소스에서 데이터를 가져오고, 코드를 거의 사용하지 않거나 전혀 없이도 단일 사용자 인터페이스에서 엔드 투 엔드 데이터 준비(데이터 선택, 정리, 탐색, 시각화 및 대규모 처리 포함)를 수행할 수 있습니다. 이 덕분에 Amazon SageMaker Data Wrangler를 사용하면 사용자, 항목 또는 상호작용 데이터 세트를 신속하게 준비할 수 있습니다. 이 과정에서 Amazon Personalize에 특화된 변환 기능과 300개 이상의 범용 내장 데이터 변환 기능을 활용하고 데이터 인사이트를 확보하고 데이터 문제를 수정하여 신속하게 반복합니다. Amazon Personalize 콘솔로 이동하여 데이터 세트 그룹 내에서 데이터 세트를 열고, “데이터 가져오기 및 준비”를 선택한 다음, “Data Wrangler로 데이터 준비”를 선택하기만 하면 됩니다. Amazon SageMaker Data Wrangler를 사용하는 고객에게는 사용량에 따라 추가 요금이 부과됩니다. 요금 페이지를 확인해보세요.

예. Amazon Personalize를 사용하면 ‘새 항목 탐색 가중치’를 지정하여 사용자가 새로운 상품 및 항목을 발견하도록 도울 수 있습니다. Amazon Personalize는 해당 입력 값을 사용하여 사용자에게 표시할 새 콘텐츠와 관련성이 높은 추천 결과 사이의 적절한 균형을 자동으로 조절합니다. 또한 Amazon Personalize는 사용자가 보았지만 상호 작용하지 않도록 선택한 항목에 대한 데이터도 고려합니다. 

Amazon Personalize는 쉽게 시작할 수 있도록 데이터에 대한 분석을 제공합니다. Amazon Personalize는 제공된 데이터를 분석하고 데이터 준비를 개선하는 데 도움이 되는 제안을 제공합니다. 개인화 시스템의 성능은 사용자 및 카탈로그에 있는 항목과의 상호 작용에 대한 고품질 데이터를 모델에 제공할 수 있는지에 달려있습니다. Amazon Personalize는 잠재적인 데이터 결함을 식별하고 고객의 문제 해결을 지원하기 위한 제안을 제공함으로써 더 쉽게 고성능 모델을 훈련하고 문제 해결의 필요성을 줄여줍니다.

Amazon Personalize는 각 사용자에 대해 검색 결과를 개인화하고 검색 요구 사항을 예측하는 데 도움을 주는 자체 관리형 OpenSearch와의 통합 기능을 출시했습니다. OpenSearch의 Amazon Personalize 검색 순위 플러그인은 기계 학습 전문 지식 없이도 Amazon Personalize에서 제공하는 딥 러닝 기능을 활용하고 OpenSearch 검색 결과에 개인화된 순위 재지정을 적용하는 데 도움이 됩니다. 개인화된 검색을 사용하면 기존의 키워드 매칭 접근 방식을 넘어 관심사, 컨텍스트, 과거 상호 작용을 기반으로 특정 사용자의 검색 결과에서 항목의 정확도를 실시간으로 높일 수 있습니다. 또한 모든 검색 쿼리의 개인화 수준을 세밀하게 조정하여 검색 경험을 더욱 효과적으로 제어할 수 있으므로 검색으로부터 최종 사용자 참여도와 전환율을 높일 수 있습니다. 

Amazon Personalize 검색 순위 플러그인은 자체 관리형 OpenSearch와 Amazon OpenSearch 모두에서 사용할 수 있습니다. Amazon OpenSearch 사용을 시작하려면 OpenSearch 도메인을 설정한 다음, AWS 개인화 순위 레시피를 사용하여 Amazon Personalize 캠페인을 설정하기만 하면 됩니다. 그런 다음 Amazon Personalize 검색 순위 플러그인을 도메인과 연결하고, 마지막으로 플러그인을 구성하면 됩니다. OpenSearch 대시보드를 사용하여 검색 결과를 비교할 수도 있습니다.

자체 관리형 OpenSearch 사용을 시작하려면 OpenSearch 클러스터를 설정한 다음, AWS 개인화 순위 레시피로 Amazon Personalize 캠페인을 설정하고, 마지막으로 OpenSearch 내에서 Amazon Personalize 검색 순위 플러그인을 설치 및 구성하면 됩니다. OpenSearch 대시보드를 사용하여 검색 결과를 비교할 수 있습니다.

자세한 내용은 설명서를 참조하세요.

Amazon Personalize 차선책(aws-next-best-action) 레시피를 사용하면 개별 사용자의 선호도, 관심사, 기록을 기반으로 각 개별 사용자에게 추천할 차선책을 실시간으로 결정할 수 있습니다. 추가 기능 서비스, 고객 로열티 프로그램 가입, 뉴스레터 구독 등과 같이 전환을 유도하는 활동을 추천할 수 있습니다. 이를 통해 각 사용자가 사용자 여정 전반에 걸쳐 장기적인 브랜드 참여를 촉진하는 데 도움이 되는 특정 활동을 취하도록 유도하여 경험을 개선할 수 있습니다. 또한 사용자와 관련성이 높은 활동을 추천하여 마케팅 투자 수익을 높일 수 있도록 하므로 수익과 충성도를 높일 수 있습니다. 자세히 알아보십시오.

레시피는 제품 또는 콘텐츠 추천, 개인화된 순위, 사용자 세분화 등 특정 개인화 사용 사례를 위한 Amazon Personalize 알고리즘입니다. 각 레시피는 Amazon Personalize가 모델 훈련 및 구성에 사용하는 알고리즘을 제공합니다.

자세한 내용은 설명서를 참조하세요.

Amazon Personalize 차선책(NBA)을 사용하면 브랜드는 브랜드에 대한 충성도와 전환율을 높이기 위해 개별 사용자가 취해야 할 최적의 활동을 실시간으로 추천할 수 있습니다. 고객은 먼저 활동 목록을 정의하고 필요한 데이터 세트를 업로드합니다. 그 다음에 사용자 지정 NBA 모델을 훈련합니다. 그런 다음 API를 통해 권장 사항을 애플리케이션 또는 마케팅 기술 도구에 통합합니다. 최종 사용자가 실시간 권장 사항을 트리거하면 Personalize NBA 모델은 성향 점수와 함께 각 사용자의 활동 순위 목록을 반환합니다. 활동은 특정 기간에만 관련이 있을 수 있고(예: 연말연시 여행 특가 상품 가입), 고객은 최종 사용자에게 표시되는 활동의 수를 제한(예: Y일 동안 동일한 활동을 X회 이상 보여주지 않음)하고 싶어할 수 있기 때문에 고객은 활동 권장 사항에 제약(예: 필터)을 가할 수 있습니다. 

Amazon Personalize는 두 가지 추론 API(getRecommendations 및 getPersonalizedRanking)를 제공합니다. 이러한 API는 사용자에 대한 추천 itemID 목록, 항목에 대한 유사한 항목 목록 또는 사용자에 대한 항목의 재지정 목록을 반환합니다. itemID는 제품 식별자, videoID 등일 수 있습니다. 이러한 itemID를 사용하여 이미지 및 설명 검색, 디스플레이 렌더링과 같은 단계를 거쳐 최종 사용자 환경을 생성합니다. 경우에 따라 AWS 서비스나 타사의 이메일 전송 서비스 또는 알림 서비스 등을 통합하여 원하는 최종 사용자 환경을 생성할 수도 있습니다.

개인화 API 솔루션에서 애플리케이션과 Amazon Personalize와 같은 추천자 시스템 사이에 위치하는 지연 시간이 짧은 실시간 API 프레임워크에 대해 알아보세요. 또한 이 솔루션은 응답 캐싱, API 게이트웨이 구성, Amazon CloudWatch Evidently를 사용한 A/B 테스트, 추론 시간 항목 메타데이터, 자동 상황 추천 등의 구현 모범 사례를 제공합니다.

Amazon Personalize에는 높은 품질의 추천 결과를 최적화하기 위해 사용할 수 있는 체크포인트 역할을 하는 몇 가지 기능이 내장되어 있습니다.

• 온라인 테스트(A/B 테스트): 이 방법은 모델이 비즈니스 지표에 미치는 영향을 측정할 수 있는 가장 좋은 방법입니다. 또한 가장 일반적인 방법이기도 합니다. 비즈니스 지표와 비교하여 권장 사항을 평가해야 합니다. A/B 테스트 도구가 아직 마련되어 있지 않다면 Amazon CloudWatch Evidently를 고려해 보세요. 개인화 API 프로젝트는 배포 가능한 솔루션과 참조 아키텍처를 제공합니다.
• 오프라인 지표: Amazon Personalize는 각 솔루션 버전과 모델의 예측 정확도를 측정하는 추천자의 오프라인 지표를 계산합니다. 이러한 지표를 사용하여 다른 버전과 비교하여 솔루션 버전의 품질이 나아갈 방향성을 파악할 수 있습니다. 오프라인 지표는 Personalize 데이터 세트를 훈련 및 테스트 세트로 분할하여 계산됩니다. 이를 통해 모델 훈련에 사용되는 하이퍼 파라미터 및 알고리즘을 수정했을 때 얻을 수 있는 효과를 과거 데이터와 비교하여 확인할 수 있습니다.
• 온라인 지표: 실제 환경에서 제공되는 실시간 추천 결과와 사용자의 상호 작용에서 관찰된 경험적 결과입니다. Amazon Personalize 모델을 기존 추천 시스템과 비교할 때, 초기 단계에는 과거 데이터가 기존 접근 방식의 영향을 많이 받은 상태입니다. 따라서 실제로 테스트를 시작하기 전에 몇 주 동안 온라인 테스트를 실행하여 Amazon Personalize의 추천 결과를 확인하여 생성된 상호 작용 데이터를 기반으로 모델을 훈련 및 평가하는 것이 좋습니다.

시스템에 전송된 모든 이벤트의 영향을 고려하여 모든 Amazon Personalize 추천의 비즈니스 결과를 측정할 수 있습니다. 그런 다음 하나 이상의 추천 결과의 영향을 시각화하고 평가하여 보다 데이터에 기반한 개인화 전략을 개발할 수 있습니다. Amazon Personalize 콘솔 또는 API에서 평가 및 보고하려는 상호 작용(이벤트 유형) 목록인 ‘지표 속성’을 정의합니다. 예를 들어 권장 사항에 대한 클릭률(CTR)과 총 구매 수라는 두 가지 지표를 추적하려고 할 수 있습니다. 각 이벤트 유형에 대해 합계 또는 횟수를 평가할 지표나 함수를 정의하기만 하면 Amazon Personalize가 계산을 수행하여 CloudWatch 또는 S3 계정으로 보고서를 전송합니다.

모든 Amazon Personalize 모델은 고객의 데이터 세트마다 고유하며 다른 AWS 계정이나 Amazon Retail, Amazon Prime 또는 기타 사업부와 공유되지 않습니다. 다른 고객을 위한 모델을 훈련 또는 전파하기 위해 데이터가 사용되지는 않으며, 고객 모델의 입력 및 출력은 전적으로 해당 계정의 소유입니다. 고객과 Amazon Personalize 간의 모든 상호 작용은 암호화를 통해 보호됩니다. Amazon Personalize에서 처리하는 모든 사용자, 항목, 상호 작용 데이터는 AWS Key Management Service를 통해 고객 키를 사용하여 추가로 암호화되며, 저장 및 전송 중에는 고객이 서비스를 사용 중인 AWS 리전에서 암호화될 수 있습니다. 관리자는 AWS Identity and Access Management(IAM) 권한 정책을 통해 Amazon Personalize에 대한 엑세스를 제어할 수 있으므로 민감한 정보가 안전하게 기밀로 유지됩니다.

• 사용자 개인화: 사용자의 프로필, 행동, 선호도 및 기록에 조정된 추천 결과를 제공합니다. 이는 고객 참여와 만족도를 높이는 데 가장 일반적으로 사용됩니다. 또한 전환율을 높일 수 있습니다.
• 맞춤형 순위: 사용자 선호도 또는 기록을 기반으로 카테고리 또는 검색 응답에서 항목의 순위가 다시 매겨집니다. 이는 특정 사용자에게 관련 항목 또는 콘텐츠를 표시하여 더 나은 고객 경험을 보장하기 위해 사용됩니다. Amazon Personalize는 수익, 프로모션 또는 인기 품목과 같은 비즈니스 우선 순위에 맞춰 최적화하여 순위를 다시 매길 수 있도록 지원합니다.
• 유사 품목: 탐색, 상향 판매 및 교차 판매 기회를 장려하는 추천 관련 품목을 제공합니다. 유사한 상품 추천은 사용자가 새로운 콘텐츠를 검색하거나 카탈로그에서 기존 제품을 비교하는 데 도움이 됩니다.
• 차선책: 개인의 행동과 필요에 따라 적절한 사용자에게 실시간으로 적합한 활동을 추천합니다. 이를 통해 사용자 참여를 극대화하고 전환율을 높일 수 있습니다.
• 현재 인기 항목: 속보 기사, 인기 소셜 콘텐츠, 신작 영화 등 사용자들 사이에서 가장 빠른 속도로 인기를 얻고 있는 콘텐츠를 추천합니다.
• 사용자 세분화: 특정 항목 또는 카테고리에 가장 관심이 있는 사용자를 대상으로 메시지 및 알림을 제공합니다. 이를 통해 기업은 마케팅 캠페인에 대한 참여도를 높이고 하이퍼 타겟팅 메시지를 통해 유지율을 높일 수 있습니다.

Amazon Personalize는 수월한 온보딩과 사용 경험을 제공할 수 있도록 최적화를 위해 노력하며 고객 피드백과 장기 로드맵 목표를 기반으로 지속적으로 개선되고 있습니다. 이 목록에서는 기본적인 ML 사례를 넘어 큰 영향을 미칠 수 있는 몇 가지 Amazon Personalize 기능을 확인할 수 있습니다. 전체 기능 목록은 기능 페이지를 확인하세요.

• 사용자 세분화: 최종 사용자를 선호도에 따라 지능적으로 분류하고 특정 고객 그룹에 그들이 공감할 수 있는 타겟 메시지를 작성합니다. 데모를 시청하여 자세히 알아보세요.
• 도메인 최적화 추천자: 일반적인 비즈니스 사용 사례에 맞게 사전 구축된 추천자를 사용하여 시장 출시 시간을 단축할 수 있습니다. 이 데모를 확인하고 자세히 알아보세요.
• 새 항목 추천: 사용자 선호도에 대한 데이터가 부족한 경우 새 제품 및 콘텐츠에 대한 양호한 품질의 추천 결과를 생성합니다.
• 실시간 또는 일괄 추천: 변화하는 의도에 실시간으로 대응하거나 일괄 지향 워크플로에 대량 추천을 제공합니다.
• 활동 추천: 항목이나 콘텐츠 이상으로 추천을 확장하여 사용자 충성도와 전환율을 높일 수 있습니다. 사용자의 선호도, 요구 사항, 과거 행동을 기반으로 개별 사용자에게 제안할 최선의 활동을 결정합니다.
• 개인화된 검색: 사용자의 고유한 관심사, 선호도, 과거 상호 작용을 기반으로 관련 검색 결과를 실시간으로 표시하여 사용자 검색 경험을 개선합니다.
• 비정형 텍스트 지원: 자연어 처리 및 관심 기반 모델링으로 주요 정보를 자동으로 추출합니다.
• 상황별 권장 사항: 사용자 세그먼트, 디바이스 유형, 위치 또는 시간과 같은 컨텍스트를 사용한 추천 결과를 생성하여 추천 결과를 개선합니다.
• 비즈니스 규칙: 각 사용자의 프로모션 콘텐츠 비율을 제어하는 필터 및 프로모션을 비롯한 비즈니스 규칙을 적용합니다.
• 인기 추천: 사용자들 사이에서 가장 빠른 속도로 인기를 얻고 있는 상품을 추천합니다.
• 추천 결과의 영향: 페이지 보기, 비디오 시작, 클릭, 장바구니에 추가, 구매 등과 같은 이벤트의 전체 비즈니스 영향을 측정합니다.

최신 요금 정보는 Amazon Personalize 요금 페이지를 참조하세요.

Amazon Personalize는 사용한 만큼만 비용을 지불하면 되고, 최소 요금 및 사전 약정은 없습니다. 다음은 비용 관리 방법에 대한 몇 가지 팁입니다.

실시간 업데이트에 대한 요구 사항에 따라 결과 캐싱 고려하기

 비즈니스 요구 사항만을 기준으로 재훈련하기

처리량/지연 시간 목표에 부정적인 영향을 미치지 않는 한 최소 프로비저닝 TPS를 낮게 설정하여 자동 크기 조정의 기능을 최대한 활용하기

사용 사례가 이메일 마케팅과 같은 다운스트림 일괄 프로세스와 일치하는 경우 일괄 추천을 사용하는 것이 좋습니다. 일괄 추천은 솔루션 버전을 기준으로 실행되므로 캠페인이 필요하지 않습니다. 참고: 일괄 추천은 사용자 지정 추천 데이터 세트에서만 사용할 수 있습니다.

Amazon Personalize Monitor 프로젝트는 캠페인 프로비저닝을 최적화하고 유휴/중단된 캠페인에 대해 알리거나 해당 캠페인을 삭제하기 위한 몇 가지 비용 최적화 기능을 제공합니다.