Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Registro de los eventos en tiempo real para influir en las recomendaciones
Un *evento* es una interacción entre un usuario y el catálogo. Puede ser una interacción con un *elemento*, como un usuario que compra un artículo o ve un vídeo, o se puede realizar una *acción*, como solicitar una tarjeta de crédito o registrarse en un programa de miembros.
Amazon Personalize puede hacer recomendaciones basadas únicamente en datos de eventos en tiempo real, únicamente en datos históricos de eventos o en una combinación de ambos. Registre los eventos en tiempo real a medida que los clientes interactúan con las recomendaciones. De esta forma, se construyen los datos de las interacciones y se mantienen actualizados. Además, se informa a Amazon Personalize sobre los intereses actuales del usuario, lo que puede mejorar la relevancia de las recomendaciones.
Si el caso de uso o la receta personalizada de su dominio admiten la [personalización en tiempo real](use-case-recipe-features.md#about-real-time-personalization), Amazon Personalize utiliza eventos en tiempo real para actualizar y adaptar las recomendaciones según los intereses cambiantes del usuario.
La forma de registrar los eventos en tiempo real depende del tipo de datos de interacciones que importe:
+ En el caso de las *interacciones de elementos*, se registran eventos en tiempo real con la operación de la API [PutEvents](API_UBS_PutEvents.md). Amazon Personalize adjunta estos datos a los datos [de interacciones de acción](interactions-datasets.md) en el grupo de conjuntos de datos. Para obtener más información, consulte [Registro de eventos de interacción de elemento en tiempo real](recording-item-interaction-events.md).
+ En el caso de las *interacciones de acción*, se registran eventos en tiempo real con la operación de la API [PutActionInteractions](API_UBS_PutActionInteractions.md). Amazon Personalize anexa estos datos al [conjunto de datos de interacciones de acción](action-interactions-datasets.md) en su grupo de conjuntos de datos. Solo las recetas PERSONALIZED\_ACTIONS utilizan datos de interacciones de acción. Para obtener más información, consulte [Registro de eventos de interacción de acciones en tiempo realRegistro de eventos de interacción de acciones](recording-action-interaction-events.md).
**Topics**
+ [Influencia de los eventos en tiempo real en las recomendaciones](#recorded-events-influence-recommendations)
+ [Registro de eventos de interacción de elemento en tiempo real](recording-item-interaction-events.md)
+ [Registro de eventos de interacción de acciones en tiempo real](recording-action-interaction-events.md)
+ [Registro de eventos para usuarios anónimos](#recording-anonymous-user-events)
+ [Servicios de seguimiento de eventos de terceros](#record-events-third-parties)
+ [Implementaciones de ejemplo](#recording-events-sample-architecture)
## Influencia de los eventos en tiempo real en las recomendaciones
Si su receta admite la personalización en tiempo real, después de crear un recomendador o una campaña personalizada, Amazon Personalize utiliza los nuevos datos de eventos registrados para los elementos o acciones existentes segundos después de la importación. Los siguientes casos de uso y recetas permiten la personalización en tiempo real:
+ [Recomendaciones (caso de uso de ECOMMERCE)](ECOMMERCE-use-cases.md#recommended-for-you-use-case)
+ [Mejores opciones (caso de uso de VIDEO\_ON\_DEMAND)](VIDEO_ON_DEMAND-use-cases.md#top-picks-use-case)
+ [Receta User-Personalization-v2](native-recipe-user-personalization-v2.md)
+ [Receta User-Personalization](native-recipe-new-item-USER_PERSONALIZATION.md)
+ [Receta Personalized-Ranking-v2](native-recipe-personalized-ranking-v2.md)
+ [Receta Personalized-Ranking](native-recipe-search.md)
+ [Next-Best-Action receta](native-recipe-next-best-action.md)
Si utiliza la receta Trending-Now, Amazon Personalize tiene en cuenta automáticamente los elementos de los datos de nuevos eventos en intervalos configurables. No tiene que crear una nueva versión de la solución. Para obtener más información, consulte [Receta Trending-Now](native-recipe-trending-now.md).
Si el elemento, la acción o el usuario del evento es nuevo, la forma en que Amazon Personalize utilice los datos dependerá de su caso de uso o receta. Para obtener más información, consulte [Actualización de datos en conjuntos de datos después del entrenamiento](updating-datasets.md).
## Registro de eventos para usuarios anónimos
**importante**
Si no registra al menos un evento con un usuario `sessionId` y `userId` para un usuario, Amazon Personalize no utilizará la actividad rastreada únicamente hasta `sessionId` durante el entrenamiento. Y una vez finalizado el entrenamiento, las recomendaciones ya no se basarán en la actividad rastreada hasta `sessionId`. Esto creará un historial de eventos continuo para los ID de usuario antes y después de que inicien sesión.
Puede registrar eventos de interacción de elementos o de acciones para los usuarios antes de que creen una cuenta. Registre eventos para usuarios anónimos para crear un historial de eventos continuo con eventos anteriores y posteriores al inicio de sesión. Esto proporciona a Amazon Personalize más datos de interacciones sobre el usuario, lo que puede ayudar a generar recomendaciones más relevantes.
Para registrar eventos de usuarios anónimos (usuarios que no han iniciado sesión), especifique solo un `sessionId` para cada evento. La aplicación genera un `sessionId` único cuando un usuario visita por primera vez su sitio web o utiliza su aplicación. Debe usar el mismo `sessionId` en todos los eventos de la sesión. Amazon Personalize usa el `sessionId` para asociar eventos con el usuario antes de que inicie sesión.
Amazon Personalize no utiliza eventos de usuarios anónimos durante el entrenamiento hasta que los asocie a `userId`. Para obtener más información, consulte [Creación de un historial de eventos continuo para usuarios anónimos](#recording-events-building-continuous-event-history).
Para proporcionar una [personalización en tiempo real](use-case-recipe-features.md#about-real-time-personalization) a los usuarios anónimos, especifique el SessionID como el UserID en su solicitud o solicitud. [GetRecommendations](API_RS_GetRecommendations.md) GetActionRecommendations
+ Para ver ejemplos de código que muestran cómo registrar eventos de interacción de elementos con la PutEvents operación y un SessionID y un UserID, consulte. [Registro de un solo evento de interacción de elementos](putevents-example.md)
+ Para ver ejemplos de código que muestran cómo registrar eventos de interacción de acciones con la PutActionInteractions operación y un SessionID y un UserID, consulte. [Registro de un solo evento de interacción de acciones](record-single-action-interaction.md)
### Creación de un historial de eventos continuo para usuarios anónimos
Para crear un historial de eventos para un usuario anónimo y hacer que Amazon Personalize utilice sus eventos durante el entrenamiento, registre al menos un evento con `sessionId` y `userId`. A continuación, puede registrar cualquier número de eventos para `userId`. Después de comenzar a proporcionar `userId`, `sessionId` puede cambiar. Durante el siguiente reentrenamiento completo, Amazon Personalize asocia `userId` con el historial de usuarios anónimos rastreado al `sessionId` original.
Una vez finalizado el reentrenamiento, las recomendaciones se basarán en la actividad rastreada tanto de `sessionId` de los eventos anónimos como de cualquier evento rastreado hasta su `userId`.
**nota**
Si el usuario no ha creado una cuenta y quiere que Amazon Personalize utilice los datos durante el entrenamiento, puede utilizar `sessionId` como `userId` en los eventos. Sin embargo, si el usuario finalmente crea una cuenta, no podrá asociar los eventos de su navegación anónima con el nuevo `userId`.
## Servicios de seguimiento de eventos de terceros
Las siguientes plataformas de datos de clientes (CDPs) pueden ayudarle a recopilar datos de eventos de su solicitud y enviarlos a Amazon Personalize.
+ **Amplitude**: puede utilizar Amplitude para realizar un seguimiento de las acciones de los usuarios y así comprender su comportamiento. Para obtener información sobre el uso de Amplitude y Amazon Personalize, consulte la siguiente entrada del blog de la red de socios (APN) de AWS : [Medición de la eficacia de la personalización con Amplitude y Amazon Personalize](https://aws.amazon.com/blogs/apn/measuring-the-effectiveness-of-personalization-with-amplitude-and-amazon-personalize/).
+ **Segment**: puede usar Segment para enviar sus datos a Amazon Personalize. Para obtener más información sobre la integración de Segment con Amazon Personalize, consulte [Destino de Amazon Personalize](https://segment.com/docs/connections/destinations/catalog/amazon-personalize/).
## Implementaciones de ejemplo
**Para ver un ejemplo de bloc de notas de Jupyter que muestra cómo usar Amazon Personalize para reaccionar ante el comportamiento en tiempo real de los usuarios que utilizan un rastreador de eventos y la [PutEvents](API_UBS_PutEvents.md) operación, consulte [2.view\_Campaign\_and\_Interactions.ipynb en la carpeta getting\_started](https://github.com/aws-samples/amazon-personalize-samples/blob/master/getting_started/notebooks/2.View_Campaign_And_Interactions.ipynb) del repositorio. [amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples)** GitHub
Para ver un ejemplo que muestre cómo transmitir eventos de usuarios que interactúan con las recomendaciones, consulte [streaming\_events](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/operations/streaming_events) en el repositorio de muestras de Amazon Personalize. GitHub
Para ver un ejemplo completo que contiene el código fuente y los archivos auxiliares para la implementación en tiempo real APIs que se encuentran entre los recursos de Amazon Personalize y las aplicaciones cliente, consulte [Personalización APIs en tiempo real](https://github.com/aws-samples/personalization-apis) en el GitHub repositorio de AWS muestras. Este proyecto incluye cómo implementar lo siguiente:
+ Contexto de usuario y recopilación de eventos de usuario
+ Almacenamiento en caché de respuestas
+ Recomendaciones de decoración basadas en los metadatos de los elementos
+ Pruebas A/B
+ Autenticación de API