As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Gravar os eventos em tempo real para influenciar as recomendações
*Evento* é uma interação entre um usuário e o catálogo. Pode ser uma interação com um *item*, como um usuário comprando um item ou assistindo a um vídeo, ou pode ser uma *ação*, como solicitar um cartão de crédito ou se inscrever em um programa de associação.
O Amazon Personalize faz recomendações com base somente em dados de eventos em tempo real, somente em dados históricos de eventos ou em uma combinação de ambos. Registre eventos em tempo real à medida que os clientes interagem com as recomendações. Isso cria dados de interações e os mantém atualizados. Também informa o Amazon Personalize sobre os interesses atuais do usuário, o que pode melhorar a relevância das recomendações.
Se o caso de uso de domínio ou a fórmula personalizada for compatível com [personalização em tempo real](use-case-recipe-features.md#about-real-time-personalization), o Amazon Personalize usará eventos em tempo real para atualizar e adaptar as recomendações de acordo com as mudanças de interesse dos usuários.
A forma de registrar eventos em tempo real depende do tipo de dados de interações que você está importando:
+ Para *interações com itens*, você deve registrar eventos em tempo real com a operação de API [PutEvents](API_UBS_PutEvents.md). O Amazon Personalize anexa esses dados aos dados de [interações com itens](interactions-datasets.md) no grupo de conjuntos de dados. Para obter mais informações, consulte [Registrar eventos de interação com ações em tempo real](recording-item-interaction-events.md).
+ Para *interações com ações*, você deve registrar eventos em tempo real com a operação de API [PutActionInteractions](API_UBS_PutActionInteractions.md). O Amazon Personalize anexa esses dados ao [conjunto de dados de interações com ações](action-interactions-datasets.md) no grupo de conjuntos de dados. Somente as fórmulas PERSONALIZED\_ACTIONS usam dados de interações com ações. Para obter mais informações, consulte [Registrar eventos de interação com ações em tempo realRegistrar eventos de interação com ações](recording-action-interaction-events.md).
**Topics**
+ [Como os eventos em tempo real influenciam as recomendações](#recorded-events-influence-recommendations)
+ [Registrar eventos de interação com ações em tempo real](recording-item-interaction-events.md)
+ [Registrar eventos de interação com ações em tempo real](recording-action-interaction-events.md)
+ [Como registrar eventos de usuários anônimos](#recording-anonymous-user-events)
+ [Serviços de rastreamento de eventos de terceiros](#record-events-third-parties)
+ [Exemplos de implementações](#recording-events-sample-architecture)
## Como os eventos em tempo real influenciam as recomendações
Se a fórmula aceitar personalização em tempo real, depois de criar um recomendador ou uma campanha personalizada, o Amazon Personalize, em segundos após a importação, usará novos dados de eventos registrados para itens ou ações existentes. Os seguintes casos de uso e fórmulas aceitam personalização em tempo real:
+ [Recomendado para você (caso de uso ECOMMERCE)](ECOMMERCE-use-cases.md#recommended-for-you-use-case)
+ [Principais opções para você (caso de uso VIDEO\_ON\_DEMAND)](VIDEO_ON_DEMAND-use-cases.md#top-picks-use-case)
+ [Fórmula User-Personalization-v2](native-recipe-user-personalization-v2.md)
+ [Fórmula User-Personalization](native-recipe-new-item-USER_PERSONALIZATION.md)
+ [Fórmula Personalized-Ranking-v2](native-recipe-personalized-ranking-v2.md)
+ [Fórmula de classificações personalizadas](native-recipe-search.md)
+ [Next-Best-Action receita](native-recipe-next-best-action.md)
Se você usar a fórmula Trending-Now, o Amazon Personalize vai considerar automaticamente itens de dados de eventos novos em intervalos configuráveis. Você não precisa criar uma versão da solução. Para obter mais informações, consulte [Fórmula Trending-Now](native-recipe-trending-now.md).
Se o item, a ação ou o usuário do evento for novo, a forma como o Amazon Personalize usa os dados vai depender do caso de uso ou da fórmula. Para obter mais informações, consulte [Atualizar os dados em conjuntos de dados após o treinamento](updating-datasets.md).
## Como registrar eventos de usuários anônimos
**Importante**
Se você não gravar pelo menos um evento com um `sessionId` e um `userId` para um usuário, o Amazon Personalize não usará a atividade rastreada apenas para o `sessionId` durante o treinamento. Após a conclusão do treinamento, as recomendações não serão mais feitas com base nas atividades rastreadas para o `sessionId`. Isso criará um histórico contínuo de eventos para IDs de usuário antes e depois do login.
É possível registrar eventos de interação com itens ou com ações para os usuários antes que eles criem uma conta. Registre eventos para usuários anônimos para construir um histórico contínuo de eventos com coisas que aconteceram antes e depois do login. Isso fornece ao Amazon Personalize mais dados de interações sobre usuários, o que ajuda a gerar recomendações mais relevantes.
Para registrar eventos de usuários anônimos (usuários que não fizeram login), especifique apenas um `sessionId` para cada evento. Seu aplicativo gera um `sessionId` exclusivo quando alguém visita seu site ou usa seu aplicativo pela primeira vez. Você deve usar o mesmo `sessionId` em todos os eventos durante a sessão. O Amazon Personalize usa o `sessionId` para associar eventos ao usuário antes que ele faça login.
O Amazon Personalize não usa eventos de usuários anônimos no treinamento até que sejam associados a um `userId`. Para obter mais informações, consulte [Como criar um histórico contínuo de eventos de usuários anônimos](#recording-events-building-continuous-event-history).
Para fornecer [personalização em tempo real](use-case-recipe-features.md#about-real-time-personalization) para usuários anônimos, especifique o sessionID como o ID do usuário em sua solicitação. [GetRecommendations](API_RS_GetRecommendations.md) GetActionRecommendations
+ Para obter exemplos de código que mostram como registrar eventos de interação do item com a PutEvents operação e um sessionID e um ID de usuário, consulte. [Registrar um único evento de interação com itens](putevents-example.md)
+ Para obter exemplos de código que mostram como registrar eventos de interação da ação com a PutActionInteractions operação e um sessionID e um ID de usuário, consulte. [Registrar um único evento de interação com ações](record-single-action-interaction.md)
### Como criar um histórico contínuo de eventos de usuários anônimos
Para criar um histórico de eventos de um usuário anônimo e fazer com que o Amazon Personalize use os eventos no treinamento, registre no mínimo um evento com um `sessionId` e um `userId`. Com isso, você poderá registrar qualquer quantidade de eventos para o `userId`. Depois de começar a fornecer um `userId`, o `sessionId` pode mudar. Durante o próximo treinamento completo, o Amazon Personalize associa o `userId` ao histórico de usuários anônimos rastreados até o `sessionId` original.
Após a conclusão do novo treinamento, as recomendações passam a ter base nas atividades rastreadas tanto para o `sessionId` dos eventos anônimos quanto de quaisquer eventos rastreados conforme o `userId` deles.
**nota**
Se o usuário não criar uma conta e você quiser que o Amazon Personalize use os dados no treinamento, use o `sessionId` como o `userId` nos eventos. No entanto, se o usuário acabar criando uma conta, você não poderá associar os eventos da navegação anônima ao novo `userId`.
## Serviços de rastreamento de eventos de terceiros
As seguintes plataformas de dados do cliente (CDPs) podem ajudá-lo a coletar dados de eventos do seu aplicativo e enviá-los para o Amazon Personalize.
+ **Amplitude** — Você pode usar o Amplitude para rastrear as ações das pessoas e entender o comportamento dos usuários. Para informações sobre como usar o Amplitude e o Amazon Personalize, consulte a seguinte postagem no blog da AWS Partner Network (APN): [Como medir a eficácia da personalização com o Amplitude e o Amazon Personalize](https://aws.amazon.com/blogs/apn/measuring-the-effectiveness-of-personalization-with-amplitude-and-amazon-personalize/).
+ **Segment**: Você pode usar Segment para enviar seus dados para o Amazon Personalize. Para mais informações sobre a integração do Segment com o Amazon Personalize, consulte [Destino do Amazon Personalize](https://segment.com/docs/connections/destinations/catalog/amazon-personalize/).
## Exemplos de implementações
**Para ver um exemplo de notebook Jupyter que mostra como usar o Amazon Personalize para reagir em tempo real ao comportamento dos usuários usando um rastreador de eventos e a operação, [consulte](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 [PutEvents](API_UBS_PutEvents.md) na pasta getting\_started do repositório. [amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples)** GitHub
Para ver um exemplo que mostra como transmitir eventos de usuários interagindo com recomendações, consulte [streaming\_events](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/operations/streaming_events) no repositório de amostras do Amazon Personalize. GitHub
Para obter um exemplo completo que contém o código-fonte e os arquivos de suporte para implantação em tempo real APIs que ficam entre os recursos do Amazon Personalize e os aplicativos do cliente, consulte [Personalização em tempo real APIs](https://github.com/aws-samples/personalization-apis) no AWS repositório de amostras. GitHub Este projeto inclui como implementar o seguinte:
+ Contexto do usuário e coleção de eventos do usuário
+ Cache de respostas
+ Recomendações de decoração com base nos metadados dos itens
+ Testes A/B
+ Autenticação da API