Pemberitahuan akhir dukungan: Pada 30 Oktober 2026, AWS akan mengakhiri dukungan untuk Amazon Pinpoint. Setelah 30 Oktober 2026, Anda tidak akan lagi dapat mengakses konsol Amazon Pinpoint atau sumber daya Amazon Pinpoint (titik akhir, segmen, kampanye, perjalanan, dan analitik). Untuk informasi selengkapnya, lihat Amazon Pinpoint akhir dukungan. Catatan: APIs terkait dengan SMS, suara, push seluler, OTP, dan validasi nomor telepon tidak terpengaruh oleh perubahan ini dan didukung oleh AWS End User Messaging.
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Tambahkan rekomendasi model pemberi rekomendasi ke pesan di Amazon Pinpoint
Untuk menggunakan model pemberi rekomendasi dengan Amazon Pinpoint, Anda mulai dengan membuat solusi Amazon Personalize dan menerapkan solusi tersebut sebagai kampanye Amazon Personalize. Kemudian, Anda membuat konfigurasi untuk model pemberi rekomendasi di Amazon Pinpoint. Dalam konfigurasi, Anda menentukan setelan yang menentukan cara mengambil dan memproses data rekomendasi dari kampanye Amazon Personalize. Ini termasuk apakah akan memanggil AWS Lambda fungsi untuk melakukan pemrosesan tambahan data yang diambil.
Amazon Personalize adalah AWS layanan yang dirancang untuk membantu Anda membuat model ML yang memberikan rekomendasi real-time yang dipersonalisasi untuk pelanggan yang menggunakan aplikasi Anda. Amazon Personalize memandu Anda melalui proses pembuatan dan pelatihan model ML, lalu menyiapkan dan menerapkan model tersebut sebagai kampanye Amazon Personalize. Anda kemudian dapat mengambil rekomendasi real-time yang dipersonalisasi dari kampanye. Untuk mempelajari lebih lanjut tentang Amazon Personalisasi, lihat Panduan Pengembang Amazon Personalisasi.
AWS Lambda adalah layanan komputasi yang dapat Anda gunakan untuk menjalankan kode tanpa menyediakan atau mengelola server. Anda mengemas kode Anda dan mengunggahnya AWS Lambda sebagai fungsi Lambda. AWS Lambda kemudian menjalankan fungsi ketika fungsi dipanggil. Fungsi dapat dipanggil secara manual oleh Anda, secara otomatis sebagai respons terhadap peristiwa, atau sebagai tanggapan atas permintaan dari aplikasi atau layanan, termasuk Amazon Pinpoint. Untuk informasi tentang membuat dan memanggil fungsi Lambda, lihat Panduan Developer AWS Lambda.
Setelah membuat konfigurasi Amazon Pinpoint untuk model pemberi rekomendasi, Anda dapat menambahkan rekomendasi dari model ke pesan yang Anda kirim dari kampanye dan perjalanan. Anda melakukannya dengan menggunakan template pesan yang berisi variabel pesan untuk atribut yang direkomendasikan. Atribut yang direkomendasikan adalah titik akhir dinamis atau atribut pengguna yang dirancang untuk menyimpan data rekomendasi. Anda menentukan atribut ini ketika Anda membuat konfigurasi untuk model pemberi rekomendasi.
Anda dapat menggunakan variabel untuk atribut yang direkomendasikan dalam jenis templat pesan berikut:
-
Template email, untuk pesan email yang Anda kirim dari kampanye atau perjalanan.
-
Templat pemberitahuan push, untuk pemberitahuan push yang Anda kirim dari kampanye.
-
Template SMS, untuk pesan teks SMS yang Anda kirim dari kampanye.
Untuk informasi selengkapnya tentang menggunakan model pemberi rekomendasi dengan Amazon Pinpoint, lihat Model Machine Learning di Panduan Pengguna Amazon Pinpoint.
Jika Anda mengonfigurasi Amazon Pinpoint untuk menjalankan fungsi Lambda yang memproses data rekomendasi, Amazon Pinpoint akan melakukan tugas umum berikut setiap kali mengirimkan rekomendasi yang dipersonalisasi dalam pesan untuk kampanye atau perjalanan:
-
Mengevaluasi dan memproses pengaturan konfigurasi dan isi pesan dan template pesan.
-
Menentukan bahwa template pesan terhubung ke model pemberi rekomendasi.
-
Mengevaluasi pengaturan konfigurasi untuk menghubungkan ke dan menggunakan model. Ini ditentukan oleh sumber daya Model Recommender untuk model.
-
Mendeteksi satu atau beberapa variabel pesan untuk atribut yang direkomendasikan yang ditentukan oleh pengaturan konfigurasi untuk model.
-
Mengambil data rekomendasi dari kampanye Amazon Personalize yang ditentukan dalam pengaturan konfigurasi untuk model. Ini menggunakan GetRecommendationspengoperasian Amazon Personalize Runtime API untuk melakukan tugas ini.
-
Menambahkan data rekomendasi yang sesuai ke atribut dinamis yang direkomendasikan (
RecommendationItems) untuk setiap penerima pesan. -
Memanggil fungsi Lambda Anda dan mengirimkan data rekomendasi untuk setiap penerima ke fungsi tersebut untuk diproses.
Data dikirim sebagai objek JSON yang berisi definisi titik akhir untuk setiap penerima. Setiap definisi endpoint mencakup
RecommendationItemsbidang yang berisi array terurut dari nilai 1-5. Jumlah nilai dalam array tergantung pada pengaturan konfigurasi untuk model. -
Menunggu fungsi Lambda Anda untuk memproses data dan mengembalikan hasilnya.
Hasilnya adalah objek JSON yang berisi definisi titik akhir yang diperbarui untuk setiap penerima. Setiap definisi endpoint diperbarui berisi
Recommendationsobjek baru. Objek ini berisi 1—10 bidang, satu untuk setiap atribut kustom yang direkomendasikan yang Anda tentukan dalam pengaturan konfigurasi untuk model. Masing-masing bidang ini menyimpan data rekomendasi yang disempurnakan untuk titik akhir. -
Menggunakan definisi titik akhir yang diperbarui untuk setiap penerima untuk mengganti setiap variabel pesan dengan nilai yang sesuai untuk penerima tersebut.
-
Mengirim versi pesan yang berisi rekomendasi yang dipersonalisasi untuk setiap penerima pesan.
Untuk menyesuaikan dan menyempurnakan rekomendasi dengan cara ini, mulailah dengan membuat fungsi Lambda yang memproses definisi titik akhir yang dikirim oleh Amazon Pinpoint, dan mengembalikan definisi titik akhir yang diperbarui. Selanjutnya, tetapkan kebijakan fungsi Lambda ke fungsi tersebut dan otorisasi Amazon Pinpoint untuk menjalankan fungsi tersebut. Kemudian, konfigurasikan model pemberi rekomendasi di Amazon Pinpoint. Saat Anda mengonfigurasi model, tentukan fungsi yang akan dipanggil dan tentukan atribut yang disarankan untuk digunakan.
