個人化工具的使用案例
重要
從 2023 年 9 月 20 日起,您將無法建立新的個人化工具資源。 個人化工具服務將於 2026 年 10 月 1 日淘汰。
什麼是透明度資訊?
AI 系統不僅包括技術,還包括將使用該技術的人員、將受其影響的人員,以及部署所在的環境。 建立適合其預期用途的系統,需要了解技術的運作方式、其功能和限制,以及如何達到最佳效能。
Microsoft 提供透明度資訊,以協助您了解 AI 技術的運作方式。 這包括系統擁有者可以進行、會影響系統效能和行為的選擇,以及考量整個系統的重要性,包括技術、人員和環境。 您可以在開發或部署自己的系統時使用透明度資訊,或將該資訊與將使用或受到系統影響的人員共用。
透明度資訊是 Microsoft 將我們的 AI 準則付諸實踐更廣泛工作的一部分。 若要深入了解,請參閱 Microsoft AI 準則。
個人化工具簡介
Azure AI 個人化服務工具是雲端式服務,可協助應用程式選擇最佳內容項目來向使用者顯示。 您可使用個人化工具來判斷要向購物者推薦哪些產品,或找出廣告的最佳位置。 將內容顯示給使用者之後,您的應用程式會監視使用者反應,並向個人化工具回報獎勵分數。 獎勵分數是用來使用增強式學習持續改善機器學習模型。 這可增強個人化工具根據針對每個項目收到的內容資訊,在後續互動中選取最佳內容項目的能力。
如需詳細資訊,請參閱
關鍵字詞
詞彙 | 定義 |
---|---|
學習迴圈 | 您可建立個人化工具資源,稱為學習迴圈,適用於可從個人化獲益的應用程式各個部分。 如果您有多個要個人化的經驗,請為每個經驗各建立一個迴圈。 |
線上模型 | 個人化工具的預設學習行為,其中您的學習迴圈會使用機器學習來建立模型,以預測內容的頂端動作。 |
新手模式 | 學習行為可協助您在不影響應用程式結果和動作的情況下,開始定型個人化工具模型。 |
獎勵 | 可測量使用者與排名 API 所傳回獎勵動作的對應程度,以 0 到 1 之間的分數來表示。 0 到 1 的值是由商務邏輯根據所做選擇對協助達成個人化商務目標有多大幫助而做出設定。 學習迴圈不會將這個獎勵儲存為個別的使用者歷程記錄。 |
探索 | 個人化工具服務在為使用者選擇不同動作時會進行探索,而不是傳回最佳動作。 個人化工具服務可避開變化、停滯,並可藉由探索來適應不斷發展的使用者行為。 |
如需詳細資訊和其他重要詞彙,請參閱個人化工具詞彙和概念文件。
範例使用案例
使用個人化工具的一些常見客戶動機是:
- 使用者參與:激發使用者的興趣,方法是選擇可增加點選連結的內容,或排定下一個最佳動作的優先順序,以改善平均營收。 增加使用者參與的其他機制可能包括在動態頻道或播放清單中選取影片或音樂。
- 內容最佳化:影像可以針對產品最佳化 (例如從一組選項中選取電影海報),以最佳化點選連結,或者 UI 版面配置、色彩、影像和簡介可以在網頁上最佳化,以增加轉換和購買。
- 使用折扣和優惠券將轉換最大化:若要取得利潤和轉換的最佳平衡,請選擇應用程式將提供給使用者的折扣,或決定要從建議引擎結果中突顯哪些產品,以將轉換最大化。
- 將正面行為變更最大化:選取要在通知、傳訊或簡訊推送中傳送的健康提示問題,以將正面行為變更最大化。
- 藉由在使用者尋找文件、手冊或資料庫項目時,突顯最相關的下一個最佳動作或適當的內容,為客戶服務和技術支援增加生產力。
選擇使用案例時的考量
- 使用可經由學習將內容和使用者介面個人化的服務,確實很有幫助。 不過,如果個人化在真實世界中產生有害的副作用,也可能被錯誤套用。 考量個人化如何協助使用者達成其目標。
- 考量如果因為系統是使用系統使用者大部分行為模式的偏差來定型,使得個人化工具未建議特定項目,在真實世界中的負面後果。
- 考量個人化工具的探索行為可能造成損害的情況。
- 請仔細考量衍生性或無法復原,以及不應由短期訊號和獎勵決定的個人化選擇。
- 請勿對個人化工具提供不應選擇的動作。 例如,為匿名或未成年使用者提供建議時,應從個人化的動作中篩選掉不適當的電影。
以下是上述指導在是否以及如何套用個人化工具方面的一些案例:
- 避免對特定貸款、金融和保險產品使用個人化工具進行供應項目排名,其中的個人化功能會根據個人不知道、無法取得或無法爭議的資料受到管制;且選擇需要多年時間和「點按之外」的資訊,才能真正評估建議對企業和使用者的適用程度。
- 仔細考量將學校課程和教育機構重點個人化,其中的建議若未經足夠的探索可能會傳播偏見,並減少使用者對其他選項的意識。
- 避免為了影響民主和公民參與意見的目標而使用個人化工具來以演算法方式合成內容,因為它在長期是必然,而且如果使用者造訪的目標是為了要得到通知而非受影響,則可加以操縱。