Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Aufzeichnung von Ereignissen in Echtzeit zur Beeinflussung von Empfehlungen
Ein *Ereignis* ist eine Interaktion zwischen einem Benutzer und Ihrem Katalog. Dabei kann es sich um eine Interaktion mit einem *Artikel* handeln, z. B. wenn ein Benutzer einen Artikel kauft oder sich ein Video anschaut, oder es kann sich um eine *Aktion handeln*, z. B. um die Beantragung einer Kreditkarte oder die Registrierung für ein Mitgliedschaftsprogramm.
Amazon Personalize kann Empfehlungen nur auf der Grundlage von Echtzeitereignisdaten, nur historischen Ereignisdaten oder einer Mischung aus beidem aussprechen. Zeichnen Sie Ereignisse in Echtzeit auf, während Ihre Kunden mit Empfehlungen interagieren. Dadurch werden Ihre Interaktionsdaten erweitert und Ihre Daten auf dem neuesten Stand gehalten. Und es informiert Amazon Personalize über die aktuellen Interessen Ihrer Nutzer, wodurch die Relevanz von Empfehlungen verbessert werden kann.
Wenn Ihr Domain-Anwendungsfall oder Ihr benutzerdefiniertes Rezept [Personalisierung in Echtzeit](use-case-recipe-features.md#about-real-time-personalization) unterstützt, verwendet Amazon Personalize Ereignisse in Echtzeit, um Empfehlungen zu aktualisieren und an das sich ändernde Interesse eines Benutzers anzupassen.
Wie Sie Ereignisse in Echtzeit aufzeichnen, hängt von der Art der Interaktionsdaten ab, die Sie importieren:
+ Bei *Artikelinteraktionen* zeichnen Sie Ereignisse in Echtzeit mit dem [PutEvents](API_UBS_PutEvents.md) API-Vorgang auf. Amazon Personalize hängt diese Daten an die [Artikelinteraktionsdaten](interactions-datasets.md) in Ihrer Datensatzgruppe an. Weitere Informationen finden Sie unter [Aufzeichnen von Artikelinteraktionsereignissen in Echtzeit](recording-item-interaction-events.md).
+ Bei *Aktionsinteraktionen* zeichnen Sie Ereignisse in Echtzeit mit dem [PutActionInteractions](API_UBS_PutActionInteractions.md) API-Vorgang auf. Amazon Personalize hängt diese Daten an den Datensatz [Aktionsinteraktionen in Ihrer Datensatzgruppe](action-interactions-datasets.md) an. Nur die PERSONALIZED\_ACTIONS-Rezepte verwenden Daten zu Aktionsinteraktionen. Weitere Informationen finden Sie unter [Aufzeichnung von Action-Interaktionsereignissen in EchtzeitAufzeichnen von Aktionsereignissen](recording-action-interaction-events.md).
**Topics**
+ [Wie Ereignisse in Echtzeit Empfehlungen beeinflussen](#recorded-events-influence-recommendations)
+ [Aufzeichnen von Artikelinteraktionsereignissen in Echtzeit](recording-item-interaction-events.md)
+ [Aufzeichnung von Action-Interaktionsereignissen in Echtzeit](recording-action-interaction-events.md)
+ [Ereignisse für anonyme Benutzer aufzeichnen](#recording-anonymous-user-events)
+ [Event-Tracking-Dienste von Drittanbietern](#record-events-third-parties)
+ [Beispielimplementierungen](#recording-events-sample-architecture)
## Wie Ereignisse in Echtzeit Empfehlungen beeinflussen
Wenn Ihr Rezept Personalisierung in Echtzeit unterstützt, verwendet Amazon Personalize nach dem Erstellen einer Empfehlung oder einer benutzerdefinierten Kampagne innerhalb von Sekunden nach dem Import neue aufgezeichnete Eventdaten für bestehende Artikel oder Aktionen. Die folgenden Anwendungsfälle und Rezepte unterstützen die Personalisierung in Echtzeit:
+ [Für Sie empfohlen (E-COMMERCE-Anwendungsfall)](ECOMMERCE-use-cases.md#recommended-for-you-use-case)
+ [Top-Tipps für Sie (Anwendungsfall VIDEO\_ON\_DEMAND)](VIDEO_ON_DEMAND-use-cases.md#top-picks-use-case)
+ [Rezept für Benutzerpersonalisierung V2](native-recipe-user-personalization-v2.md)
+ [Rezept für Benutzerpersonalisierung](native-recipe-new-item-USER_PERSONALIZATION.md)
+ [Personalisiertes Ranking-V2-Rezept](native-recipe-personalized-ranking-v2.md)
+ [Rezept für personalisiertes Ranking](native-recipe-search.md)
+ [Next-Best-Action Rezept](native-recipe-next-best-action.md)
Wenn Sie das Trending-Now-Rezept verwenden, berücksichtigt Amazon Personalize in konfigurierbaren Intervallen automatisch Artikel aus neuen Ereignisdaten. Sie müssen keine neue Lösungsversion erstellen. Weitere Informationen finden Sie unter [Trending-Now-Rezept](native-recipe-trending-now.md).
Wenn der Artikel, die Aktion oder der Benutzer in der Veranstaltung neu ist, hängt die Art und Weise, wie Amazon Personalize die Daten verwendet, von Ihrem Anwendungsfall oder Rezept ab. Weitere Informationen finden Sie unter [Aktualisierung von Daten in Datensätzen nach dem Training](updating-datasets.md).
## Ereignisse für anonyme Benutzer aufzeichnen
**Wichtig**
Wenn Sie nicht mindestens ein Ereignis mit einem `sessionId` und `userId` für einen Benutzer aufzeichnen, verwendet Amazon Personalize die aufgezeichnete Aktivität nicht nur für das `sessionId` Training. Und nach Abschluss der Schulung basieren die Empfehlungen nicht mehr auf Aktivitäten, die `sessionId` bis zum erfasst wurden. Dadurch wird ein kontinuierlicher Ereignisverlauf für Benutzer-IDs vor und nach der Anmeldung erstellt.
Sie können Artikelinteraktionen oder Aktionsereignisse für Benutzer aufzeichnen, bevor diese ein Konto erstellen. Zeichnen Sie Ereignisse für anonyme Benutzer auf, um einen kontinuierlichen Ereignisverlauf mit Ereignissen vor und nach der Anmeldung zu erstellen. Dadurch erhält Amazon Personalize mehr Interaktionsdaten über den Benutzer, was dazu beitragen kann, relevantere Empfehlungen zu generieren.
Um Ereignisse für anonyme Benutzer (Benutzer, die sich nicht angemeldet haben) aufzuzeichnen, geben Sie für jedes Ereignis nur a `sessionId` an. Ihre Anwendung generiert ein eindeutiges Zeichen`sessionId`, wenn ein Benutzer Ihre Website zum ersten Mal besucht oder Ihre Anwendung verwendet. Sie müssen während der gesamten Sitzung `sessionId` bei allen Veranstaltungen dasselbe verwenden. Amazon Personalize verwendet die`sessionId`, um Ereignisse mit dem Benutzer zu verknüpfen, bevor er sich anmeldet.
Amazon Personalize verwendet beim Training keine Ereignisse von anonymen Benutzern, bis Sie sie mit einem `userId` verknüpfen. Weitere Informationen finden Sie unter [Aufbau eines kontinuierlichen Ereignisverlaufs für anonyme Benutzer](#recording-events-building-continuous-event-history).
Um anonyme Benutzer [in Echtzeit zu personalisieren](use-case-recipe-features.md#about-real-time-personalization), geben Sie die SessionID als userId in Ihrer OR-Anfrage an. [GetRecommendations](API_RS_GetRecommendations.md) GetActionRecommendations
+ Codebeispiele, die zeigen, wie Elementinteraktionsereignisse mit dem PutEvents Vorgang und einer SessionID und userId aufgezeichnet werden, finden Sie unter. [Aufzeichnen eines Interaktionsereignisses mit einem einzelnen Objekt](putevents-example.md)
+ Codebeispiele, die zeigen, wie Aktionsereignisse mit dem PutActionInteractions Vorgang und einer SessionID und userId aufgezeichnet werden, finden Sie unter. [Aufzeichnen eines einzelnen Aktionsinteraktionsereignisses](record-single-action-interaction.md)
### Aufbau eines kontinuierlichen Ereignisverlaufs für anonyme Benutzer
Um einen Ereignisverlauf für einen anonymen Benutzer zu erstellen und Amazon Personalize seine Ereignisse beim Training verwenden zu lassen, zeichnen Sie mindestens ein Ereignis mit a `sessionId` und a `userId` auf. Anschließend können Sie eine beliebige Anzahl von Ereignissen für die `userId` aufzeichnen. Nachdem Sie mit der Bereitstellung von begonnen haben`userId`, `sessionId` können sie sich ändern. Bei der nächsten vollständigen Umschulung verknüpft Amazon Personalize den `userId` mit dem anonymen Benutzerverlauf, der bis zum Original zurückverfolgt wurde. `sessionId`
Nach Abschluss der Umschulung basieren die Empfehlungen auf Aktivitäten, die sowohl von den anonymen Ereignissen als auch `sessionId` von allen Ereignissen, die bis zu ihren Ereignissen verfolgt wurden. `userId`
**Anmerkung**
Wenn Ihr Benutzer kein Konto erstellt und Sie möchten, dass Amazon Personalize die Daten beim Training verwendet, können Sie das `sessionId` als Ereignis `userId` verwenden. Wenn der Benutzer jedoch irgendwann ein Konto erstellt, können Sie die Ereignisse aus seinem anonymen Surfen nicht mit seinem neuen `userId` Konto verknüpfen.
## Event-Tracking-Dienste von Drittanbietern
Die folgenden Kundendatenplattformen (CDPs) können Ihnen helfen, Ereignisdaten aus Ihrer Anwendung zu sammeln und an Amazon Personalize zu senden.
+ **Amplitude** — Sie können Amplitude verwenden, um Benutzeraktionen zu verfolgen und so das Verhalten Ihrer Benutzer besser zu verstehen. Informationen zur Verwendung von Amplitude und Amazon Personalize finden Sie im folgenden Blogbeitrag des AWS Partner Network (APN): [Measuring the Effectiveness of Personalization with Amplitude and](https://aws.amazon.com/blogs/apn/measuring-the-effectiveness-of-personalization-with-amplitude-and-amazon-personalize/) Amazon Personalize.
+ **Segment** — Sie können Segment verwenden, um Ihre Daten an Amazon Personalize zu senden. Weitere Informationen zur Integration von Segment mit Amazon Personalize finden Sie unter [Amazon Personalize](https://segment.com/docs/connections/destinations/catalog/amazon-personalize/) Destination.
## Beispielimplementierungen
**Ein Beispiel für ein Jupyter-Notizbuch, das zeigt, wie Amazon Personalize verwendet wird, um auf das Echtzeitverhalten von Benutzern zu reagieren, die einen Event Tracker und den [PutEvents](API_UBS_PutEvents.md) Vorgang verwenden, finden Sie unter [2.view\_campaign\_and\_interactions.ipynb im Ordner getting\_started](https://github.com/aws-samples/amazon-personalize-samples/blob/master/getting_started/notebooks/2.View_Campaign_And_Interactions.ipynb) des Repositorys. [amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples)** GitHub
Ein Beispiel, das zeigt, wie Ereignisse von Benutzern gestreamt werden, die mit Empfehlungen interagieren, finden Sie unter [streaming\_events](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/operations/streaming_events) im Amazon Personalize Personalize-Beispiel-Repository. GitHub
Ein vollständiges Beispiel, das den Quellcode und die unterstützenden Dateien für die Echtzeitbereitstellung enthält APIs , die sich zwischen Ihren Amazon Personalize Personalize-Ressourcen und Client-Anwendungen befinden, finden Sie unter [Real-Time Personalization APIs](https://github.com/aws-samples/personalization-apis) im AWS GitHub Beispiel-Repository. Dieses Projekt beinhaltet die Implementierung von Folgendem:
+ Erfassung von Benutzerkontext und Benutzerereignissen
+ Zwischenspeichern von Antworten
+ Dekorationsempfehlungen auf der Grundlage von Artikelmetadaten
+ A/B-Tests
+ API-Authentifizierung