기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 추천 사항에 영향을 미치기 위한 실시간 이벤트 기록
*이벤트*는 사용자와 카탈로그 간의 상호 작용입니다. 항목을 구매하거나 비디오를 보는 사용자와 같은 *항목*과의 상호 작용이거나 신용 카드 신청 또는 멤버십 프로그램 등록과 같은 *작업*을 수행할 수 있습니다.
Amazon Personalize는 실시간 이벤트 데이터만 기반으로 하거나 과거 이벤트 데이터만 기반으로 하거나 이 둘을 혼합하여 추천할 수 있습니다. 고객이 추천에 반응을 보이면 실시간 이벤트를 기록하세요. 이렇게 하면 상호 작용 데이터가 쌓이고 데이터를 최신으로 유지할 수 있습니다. 그리고 Amazon Personalize에 사용자의 현재 관심사를 알려주므로, 추천 관련성을 높일 수 있습니다.
도메인 사용 사례 또는 사용자 지정 레시피가 [실시간 개인 맞춤](use-case-recipe-features.md#about-real-time-personalization)을 지원하는 경우 Amazon Personalize는 실시간으로 이벤트를 사용하여 사용자의 변화하는 관심에 따라 추천을 업데이트하고 조정합니다.
실시간 이벤트를 기록하는 방법은 가져오는 상호 작용 데이터의 유형에 따라 다릅니다.
+ *항목 상호 작용*의 경우 [PutEvents](API_UBS_PutEvents.md) API 작업을 통해 실시간 이벤트를 기록합니다. Amazon Personalize는 이 데이터를 데이터세트 그룹의 [항목 상호 작용](interactions-datasets.md) 데이터에 추가합니다. 자세한 내용은 [실시간 항목 상호 작용 이벤트 기록](recording-item-interaction-events.md) 단원을 참조하십시오.
+ *작업 상호 작용*의 경우 [PutActionInteractions](API_UBS_PutActionInteractions.md) API 작업을 통해 실시간 이벤트를 기록합니다. Amazon Personalize는 이 데이터를 데이터 세트 그룹의 [작업 상호 작용 데이터 세트](action-interactions-datasets.md)에 추가합니다. PERSONALIZED\_ACTIONS 레시피만 작업 상호 작용 데이터를 사용합니다. 자세한 내용은 [실시간 작업 상호 작용 이벤트 기록작업 상호 작용 이벤트 기록](recording-action-interaction-events.md) 단원을 참조하십시오.
**Topics**
+ [실시간 이벤트가 추천에 미치는 영향](#recorded-events-influence-recommendations)
+ [실시간 항목 상호 작용 이벤트 기록](recording-item-interaction-events.md)
+ [실시간 작업 상호 작용 이벤트 기록](recording-action-interaction-events.md)
+ [익명 사용자를 위한 이벤트 기록](#recording-anonymous-user-events)
+ [타사 이벤트 추적 서비스](#record-events-third-parties)
+ [샘플 구현](#recording-events-sample-architecture)
## 실시간 이벤트가 추천에 미치는 영향
레시피가 실시간 개인 맞춤을 지원하는 경우 추천자 또는 사용자 지정 캠페인을 생성한 후 Amazon Personalize는 가져온 후 몇 초 내에 기존 항목 또는 작업에 대해 기록된 새 이벤트 데이터를 사용합니다. 실시간 개인 맞춤을 지원하는 사용 사례 및 레시피는 다음과 같습니다.
+ [추천 제품(ECOMMERCE 사용 사례)](ECOMMERCE-use-cases.md#recommended-for-you-use-case)
+ [가장 적합한 추천 제품(VIDEO\_ON\_DEMAND 사용 사례)](VIDEO_ON_DEMAND-use-cases.md#top-picks-use-case)
+ [User-Personalization-v2 레시피](native-recipe-user-personalization-v2.md)
+ [사용자-개인 맞춤 레시피](native-recipe-new-item-USER_PERSONALIZATION.md)
+ [Personalized-Ranking-v2 레시피](native-recipe-personalized-ranking-v2.md)
+ [개인 맞춤형- 순위 레시피](native-recipe-search.md)
+ [차선책-작업 레시피](native-recipe-next-best-action.md)
지금-유행 레시피를 사용하는 경우 Personalize는 구성 가능한 간격으로 새 이벤트 데이터의 항목을 자동으로 고려합니다. 새 솔루션 버전을 생성할 필요는 없습니다. 자세한 내용은 [지금-유행 레시피](native-recipe-trending-now.md) 단원을 참조하십시오.
이벤트의 항목, 작업 또는 사용자가 신규인 경우 Amazon Personalize에서 데이터를 사용하는 방법은 사용 사례나 레시피에 따라 다릅니다. 자세한 내용은 [학습 후 데이 세트의 데이터 업데이트](updating-datasets.md) 단원을 참조하십시오.
## 익명 사용자를 위한 이벤트 기록
**중요**
사용자에 대해 `sessionId`및 `userId`가 포함된 이벤트를 최소 하나 이상 기록하지 않는 경우 Personalize는 학습 시 `sessionId`에 대해서만 추적되는 활동을 사용하지 않습니다. 또한 학습이 완료된 후에는 더 이상 `sessionId`에 대해 추적된 활동을 기반으로 추천이 제공되지 않습니다. 이를 통해 사용자 로그인 전후에 userId에 대한 지속적인 이벤트 기록이 생성됩니다.
사용자가 계정을 생성하기 전에 항목 상호 작용 또는 작업 상호 작용 이벤트를 기록할 수 있습니다. 익명 사용자의 이벤트를 기록하여 로그인 전후의 이벤트로 지속적인 이벤트 기록을 작성할 수 있습니다. 이를 통해 Personalize는 사용자에 대한 더 많은 상호작용 데이터를 제공하므로 관련성이 더 높은 추천을 생성하는 데 도움이 될 수 있습니다.
익명 사용자(로그인하지 않은 사용자)에 대한 이벤트를 기록하려면 각 이벤트에 `sessionId`만 지정합니다. 애플리케이션은 사용자가 웹 사이트를 처음 방문하거나 애플리케이션을 사용할 때 고유한 `sessionId`을 생성합니다. 세션 전체의 모든 이벤트에서 동일한 `sessionId`을 사용해야 합니다. Personalize는 사용자가 로그인하기 전에 `sessionId`를 사용하여 이벤트를 해당 사용자와 연결합니다.
Personalize는 익명 사용자의 이벤트를 `userId`와 연결할 때까지 익명 사용자의 이벤트를 사용하지 않습니다. 자세한 내용은 [익명 사용자를 위한 지속적인 이벤트 이력 작성](#recording-events-building-continuous-event-history) 단원을 참조하십시오.
익명 사용자에게 [실시간 개인화](use-case-recipe-features.md#about-real-time-personalization)를 제공하려면 [GetRecommendations](API_RS_GetRecommendations.md) 또는 GetActionRecommendations 요청에 sessionId를 userId로 지정합니다.
+ PutEvents 작업과 sessionId 및 userId를 사용하여 항목 상호 작용 이벤트를 기록하는 방법을 보여주는 코드 샘플은 [단일 항목 상호 작용 이벤트 기록](putevents-example.md) 섹션을 참조하세요.
+ PutActionInteractions 작업과 sessionId 및 userId를 사용하여 작업 상호 작용 이벤트를 기록하는 방법을 보여주는 코드 샘플은 [단일 작업 상호 작용 이벤트 기록](record-single-action-interaction.md) 섹션을 참조하세요.
### 익명 사용자를 위한 지속적인 이벤트 이력 작성
익명 사용자를 위한 이벤트 기록을 작성하고 Personalize가 학습 시 해당 이벤트를 사용하도록 하려면 `sessionId`과 `userId`가 모두 포함된 이벤트를 최소 하나 이상 기록합니다. 그러면 `userId`에 대한 이벤트를 원하는 수만큼 기록할 수 있습니다. `userId`를 제공하기 시작한 후 `sessionId`가 변경될 수 있습니다. 다음 전체 재학습 시 Personalize는 `userId`을 `sessionId`원본에 대해 추적된 익명 사용자 기록과 연결합니다.
재학습이 완료되면 익명 이벤트의 `sessionId`과 해당 `userId`에 대해 추적된 모든 이벤트 모두에 대해 추적된 활동을 기반으로 추천이 제공됩니다.
**참고**
사용자가 계정을 생성하지 않은 상태에서 Personalize가 학습 시 데이터를 사용하도록 하려는 경우 이벤트에 `sessionId`을 `userId`로 사용할 수 있습니다. 단, 사용자가 결국 계정을 만들면 익명 브라우징에서 발생한 이벤트를 새 `userId`와 연결할 수 없습니다.
## 타사 이벤트 추적 서비스
다음 고객 데이터 플랫폼(CDP)을 사용하면 애플리케이션에서 이벤트 데이터를 수집하고 Personalize로 보내는 데 도움이 될 수 있습니다.
+ **Amplitude** — Amplitude를 사용하면 사용자 행동을 추적하여 사용자의 행동을 이해할 수 있습니다. Amplitude 및 Personalize를 사용하는 방법에 대한 자세한 내용은 다음 AWS 파트너 네트워크(APN) 블로그 게시물: [Amplitude와 Personalize를 통한 개인 맞춤의 효율성 측정](https://aws.amazon.com/blogs/apn/measuring-the-effectiveness-of-personalization-with-amplitude-and-amazon-personalize/)을 참조하세요.
+ **세그먼트** — 세그먼트를 사용하면 Personalize로 데이터를 보낼 수 있습니다. 세그먼트를 Personalize와 통합하는 방법에 대한 자세한 내용은 [Personalize 목적지](https://segment.com/docs/connections/destinations/catalog/amazon-personalize/) 단원을 참조하세요.
## 샘플 구현
Amazon Personalize로 이벤트 트래커 및 [PutEvents](API_UBS_PutEvents.md) 작업을 사용하여 사용자의 실시간 행동에 대응하는 방법을 보여주는 샘플 Jupyter Notebook은 [amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples) GitHub 리포지토리의 **getting\_started** 폴더에 있는 [2.view\_Campaign\_and\_Interactions.ipynb](https://github.com/aws-samples/amazon-personalize-samples/blob/master/getting_started/notebooks/2.View_Campaign_And_Interactions.ipynb)를 참조하세요.
추천과 상호 작용하는 사용자의 이벤트를 스트리밍하는 방법을 보여주는 예제는 Amazon Personalize 샘플 GitHub 리포지토리의 [streaming\_events](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/operations/streaming_events)를 참조하세요.
Amazon Personalize 리소스와 클라이언트 애플리케이션 사이에 있는 실시간 APIs를 배포하기 위한 소스 코드와 지원 파일이 포함된 전체 예제는 AWS 샘플 GitHub 리포지토리의 [실시간 개인화 APIs](https://github.com/aws-samples/personalization-apis)를 참조하세요. 이 프로젝트에는 다음을 구현하는 방법이 포함되어 있습니다.
+ 사용자 컨텍스트 및 사용자 이벤트 컬렉션
+ 응답 캐싱
+ 항목 메타데이터를 기반으로 추천 꾸미기
+ A/B 테스트
+ API 인증