Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Merekam peristiwa waktu nyata untuk memengaruhi rekomendasi
<a name="recording-events"></a>

 *Peristiwa* adalah interaksi antara pengguna dan katalog Anda. Ini bisa berupa interaksi dengan *item*, seperti pengguna yang membeli item atau menonton video, atau dapat mengambil *tindakan*, seperti mengajukan kartu kredit atau mendaftar dalam program keanggotaan. 

Amazon Personalize dapat membuat rekomendasi berdasarkan data peristiwa waktu nyata saja, data peristiwa historis saja, atau campuran keduanya. Rekam peristiwa real-time saat pelanggan Anda berinteraksi dengan rekomendasi. Ini membangun data interaksi Anda dan membuat data Anda tetap segar. Dan itu memberi tahu Amazon Personalisasi tentang minat pengguna Anda saat ini, yang dapat meningkatkan relevansi rekomendasi. 

Jika kasus penggunaan domain atau resep khusus Anda mendukung [personalisasi waktu nyata](use-case-recipe-features.md#about-real-time-personalization), Amazon Personalize menggunakan peristiwa secara real time untuk memperbarui dan menyesuaikan rekomendasi sesuai dengan minat pengguna yang terus berkembang.

Cara Anda merekam peristiwa waktu nyata tergantung pada jenis data interaksi yang Anda impor:
+ Untuk *interaksi item*, Anda merekam peristiwa real-time dengan operasi [PutEvents](API_UBS_PutEvents.md) API. Amazon Personalize menambahkan data ini ke data [interaksi item di grup kumpulan](interactions-datasets.md) data Anda. Untuk informasi selengkapnya, lihat [Merekam peristiwa interaksi item waktu nyata](recording-item-interaction-events.md).
+ Untuk *interaksi tindakan*, Anda merekam peristiwa real-time dengan operasi [PutActionInteractions](API_UBS_PutActionInteractions.md) API. Amazon Personalize menambahkan data ini ke kumpulan data [interaksi Tindakan di grup kumpulan data](action-interactions-datasets.md) Anda. Hanya resep PERSONALIZED\_ACTIONS yang menggunakan data interaksi tindakan. Untuk informasi selengkapnya, lihat [Merekam peristiwa interaksi aksi waktu nyataMerekam peristiwa interaksi aksi](recording-action-interaction-events.md).

**Topics**
+ [Bagaimana peristiwa waktu nyata memengaruhi rekomendasi](#recorded-events-influence-recommendations)
+ [Merekam peristiwa interaksi item waktu nyata](recording-item-interaction-events.md)
+ [Merekam peristiwa interaksi aksi waktu nyata](recording-action-interaction-events.md)
+ [Merekam acara untuk pengguna anonim](#recording-anonymous-user-events)
+ [Layanan pelacakan acara pihak ketiga](#record-events-third-parties)
+ [Contoh implementasi](#recording-events-sample-architecture)

## Bagaimana peristiwa waktu nyata memengaruhi rekomendasi
<a name="recorded-events-influence-recommendations"></a>

 Jika resep Anda mendukung personalisasi waktu nyata, setelah Anda membuat pemberi rekomendasi atau kampanye khusus, Amazon Personalize menggunakan data peristiwa baru yang direkam untuk item atau tindakan yang ada dalam hitungan detik setelah impor. Kasus penggunaan dan resep berikut mendukung personalisasi waktu nyata:
+ [Direkomendasikan untuk Anda (kasus penggunaan ECOMMERCE)](ECOMMERCE-use-cases.md#recommended-for-you-use-case)
+ [Pilihan teratas untuk Anda (kasus penggunaan VIDEO\_ON\_DEMAND)](VIDEO_ON_DEMAND-use-cases.md#top-picks-use-case)
+ [Resep personalisasi-v2 pengguna](native-recipe-user-personalization-v2.md)
+ [Resep Personalisasi Pengguna](native-recipe-new-item-USER_PERSONALIZATION.md)
+ [Resep peringkat-v2 yang dipersonalisasi](native-recipe-personalized-ranking-v2.md)
+ [Resep Peringkat yang Dipersonalisasi](native-recipe-search.md)
+ [Next-Best-Action resep](native-recipe-next-best-action.md)

Jika Anda menggunakan resep Trending-Now, Amazon Personalize secara otomatis mempertimbangkan item dari data peristiwa baru melalui interval yang dapat dikonfigurasi. Anda tidak perlu membuat versi solusi baru. Untuk informasi selengkapnya, lihat [Resep Trend-Now](native-recipe-trending-now.md). 

 Jika item, tindakan, atau pengguna dalam acara tersebut baru, cara Amazon Personalisasi menggunakan data tergantung pada kasus penggunaan atau resep Anda. Untuk informasi selengkapnya, lihat [Memperbarui data dalam kumpulan data setelah pelatihan](updating-datasets.md). 

## Merekam acara untuk pengguna anonim
<a name="recording-anonymous-user-events"></a>

**penting**  
Jika Anda tidak merekam setidaknya satu peristiwa dengan `sessionId` dan `userId` untuk pengguna, Amazon Personalize tidak akan menggunakan aktivitas yang dilacak hanya pada saat `sessionId` latihan. Dan setelah pelatihan selesai, rekomendasi tidak akan lagi didasarkan pada aktivitas yang dilacak ke. `sessionId` Ini akan membuat riwayat acara berkelanjutan untuk userIds sebelum dan sesudah mereka masuk.

Anda dapat merekam interaksi item atau peristiwa interaksi tindakan untuk pengguna sebelum mereka membuat akun. Rekam peristiwa untuk pengguna anonim untuk membangun riwayat acara berkelanjutan dengan peristiwa dari sebelum dan sesudah mereka masuk. Ini memberikan Amazon Personalisasi lebih banyak data interaksi tentang pengguna, yang dapat membantu menghasilkan rekomendasi yang lebih relevan.

Untuk merekam peristiwa untuk pengguna anonim (pengguna yang belum masuk), untuk setiap peristiwa, tentukan hanya a`sessionId`. Aplikasi Anda menghasilkan unik `sessionId` ketika pengguna pertama kali mengunjungi situs web Anda atau menggunakan aplikasi Anda. Anda harus menggunakan hal yang sama `sessionId` di semua acara sepanjang sesi. Amazon Personalize menggunakan `sessionId` untuk mengaitkan peristiwa dengan pengguna sebelum mereka masuk. 

Amazon Personalize tidak menggunakan peristiwa dari pengguna anonim saat berlatih hingga Anda mengaitkannya dengan file. `userId` Untuk informasi selengkapnya, lihat [Membangun riwayat acara berkelanjutan untuk pengguna anonim](#recording-events-building-continuous-event-history). 

Untuk memberikan [personalisasi real-time](use-case-recipe-features.md#about-real-time-personalization) bagi pengguna anonim, tentukan sessionID sebagai userID dalam permintaan atau Anda. [GetRecommendations](API_RS_GetRecommendations.md) GetActionRecommendations 
+ Untuk contoh kode yang menunjukkan cara merekam peristiwa interaksi item dengan PutEvents operasi dan SessionId dan userID, lihat. [Merekam peristiwa interaksi item tunggal](putevents-example.md) 
+ Untuk contoh kode yang menunjukkan cara merekam peristiwa interaksi tindakan dengan PutActionInteractions operasi dan SessionId serta userId, lihat. [Merekam peristiwa interaksi aksi tunggal](record-single-action-interaction.md)

### Membangun riwayat acara berkelanjutan untuk pengguna anonim
<a name="recording-events-building-continuous-event-history"></a>

 Untuk membuat riwayat acara untuk pengguna anonim dan meminta Amazon Personalisasi menggunakan acara mereka saat pelatihan, rekam setidaknya satu acara dengan a `sessionId` dan a. `userId` Kemudian Anda dapat merekam sejumlah acara untuk`userId`. Setelah Anda mulai memberikan a`userId`, `sessionId` kaleng berubah. Selama pelatihan ulang penuh berikutnya, Amazon Personalize mengaitkannya `userId` dengan riwayat pengguna anonim yang dilacak ke aslinya. `sessionId` 

Setelah pelatihan ulang selesai, rekomendasi akan didasarkan pada aktivitas yang dilacak baik `sessionId` dari peristiwa anonim maupun acara apa pun yang dilacak ke acara mereka. `userId` 

**catatan**  
 Jika pengguna Anda tidak membuat akun dan Anda ingin Amazon Personalize menggunakan data saat pelatihan, Anda dapat menggunakan `sessionId` as the `userId` in events. Namun, jika pengguna akhirnya membuat akun, Anda tidak akan dapat mengaitkan peristiwa dari penjelajahan anonim mereka dengan yang baru`userId`. 

## Layanan pelacakan acara pihak ketiga
<a name="record-events-third-parties"></a>

Platform Data Pelanggan berikut (CDPs) dapat membantu Anda mengumpulkan data peristiwa dari aplikasi Anda dan mengirimkannya ke Amazon Personalize.
+ **Amplitudo** — Anda dapat menggunakan Amplitudo untuk melacak tindakan pengguna untuk membantu Anda memahami perilaku pengguna Anda. Untuk informasi tentang penggunaan Amplitude dan Amazon Personalize, lihat postingan blog Partner Network (APN) AWS berikut[: Mengukur Efektivitas Personalisasi dengan Amplitudo dan Amazon Personalize](https://aws.amazon.com/blogs/apn/measuring-the-effectiveness-of-personalization-with-amplitude-and-amazon-personalize/). 
+ **Segmen** — Anda dapat menggunakan Segmen untuk mengirim data Anda ke Amazon Personalize. Untuk informasi selengkapnya tentang mengintegrasikan Segmen dengan Amazon Personalize, lihat Amazon Personalize [Destination](https://segment.com/docs/connections/destinations/catalog/amazon-personalize/). 

## Contoh implementasi
<a name="recording-events-sample-architecture"></a>

**Untuk contoh notebook Jupyter yang menunjukkan cara menggunakan Amazon Personalize untuk bereaksi terhadap perilaku real-time pengguna menggunakan pelacak peristiwa dan operasi, [lihat [PutEvents](API_UBS_PutEvents.md)](https://github.com/aws-samples/amazon-personalize-samples/blob/master/getting_started/notebooks/2.View_Campaign_And_Interactions.ipynb) 2.VIEW\_CAMPAIGN\_AND\_INTERACTIONS.IPynb di folder getting\_started repositori. [amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples)** GitHub 

 Untuk contoh yang menunjukkan cara melakukan streaming peristiwa dari pengguna yang berinteraksi dengan rekomendasi, lihat [streaming\_events](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/operations/streaming_events) di repositori Amazon Personalize samples. GitHub 

 Untuk contoh lengkap yang berisi kode sumber dan file pendukung untuk digunakan secara real-time APIs yang berada di antara sumber daya Amazon Personalisasi dan aplikasi klien, [lihat Personalisasi Waktu Nyata](https://github.com/aws-samples/personalization-apis) di APIs AWS repositori sampel. GitHub Proyek ini mencakup bagaimana menerapkan hal-hal berikut: 
+ Konteks pengguna dan koleksi acara pengguna
+ Caching respons
+ Rekomendasi dekorasi berdasarkan metadata item
+ Pengujian A/B
+  Otentikasi API