기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Personalize란 무엇인가요?
Personalize는 데이터를 사용하여 사용자를 위한 항목 추천을 생성하는 완전 관리형 기계 학습 서비스입니다. 또한 특정 항목 또는 항목 메타데이터에 대한 사용자의 선호도를 기반으로 사용자 세그먼트를 생성할 수 있습니다.
일반적인 사용 사례는 다음과 같습니다.
+ **동영상 스트리밍 앱 개인 낮춤** — 사전 구성되거나 사용자 지정이 가능한 Personalize 리소스를 사용하여 스트리밍 앱에 여러 유형의 개인 맞춤형 동영상 추천을 추가할 수 있습니다. 예: 가장 적합한 추천 제품, X와 유사한 제품, 가장 인기 있는 제품 동영상 추천 등.******
+ **전자상거래 앱에 제품 추천 추가** — 사전 구성되거나 사용자 지정이 가능한 Personalize 리소스를 사용하여 여러 유형의 개인 맞춤형 제품 추천을 소매 앱에 추가할 수 있습니다. 예: 추천 제품, 자주 함께 구매한 제품 및 X를 본 고객도 보는 제품 제품 추천.******
+ **앱에 실시간 차선책 작업 추천 추가** – 사용자 지정 가능한 Amazon Personalize 리소스를 사용하여 사용자가 행동을 기반으로 행할 가능성이 가장 높은 작업을 추천할 수 있습니다. 예를 들어, 로열티 프로그램 등록, 모바일 앱 다운로드 또는 홍보 이메일 구독을 위한 실시간 추천을 추가할 수 있습니다.
+ **개인 맞춤형 이메일 생성** — 사용자 지정 가능한 Personalize 리소스를 사용하여 이메일 목록에 있는 모든 사용자를 위한 배치 추천을 생성할 수 있습니다. 그런 다음 [AWS 서비스](#related-services) 또는 [타사 서비스](#third-parties)를 사용하여 카탈로그의 항목을 추천하는 개인 맞춤형 이메일을 사용자에게 보낼 수 있습니다.
+ **타겟 마케팅 캠페인 생성** — Personalize를 사용하여 카탈로그의 항목과 상호작용할 가능성이 가장 높은 사용자 세그먼트를 생성할 수 있습니다. 그런 다음 [AWS 서비스](#related-services) 또는 [타사](#third-parties) 서비스를 사용하여 다양한 항목을 다양한 사용자 세그먼트에 홍보하는 타겟 마케팅 캠페인을 만들 수 있습니다.
+ **검색 결과 개인 맞춤** — 사용자 지정 가능한 Personalize 리소스를 사용하여 사용자에 맞게 검색 결과를 개인 맞춤할 수 있습니다. 예를 들어, Personalize는 [OpenSearch](personalize-opensearch.md)로 생성한 검색 결과의 순위를 다시 매길 수 있습니다.
대부분의 사용 사례에서 Amazon Personalize는 주로 항목 상호 작용 데이터를 기반으로 추천을 생성합니다. 항목 상호 작용 데이터는 사용자가 카탈로그의 항목과 상호 작용하면서 생성됩니다. 사용자가 다른 항목을 클릭하는 경우를 예로 들 수 있습니다. 항목 상호 작용 데이터는 CSV 파일의 과거 대량 상호 작용 레코드와 사용자가 카탈로그와 상호 작용할 때 발생한 실시간 이벤트 모두에서 가져올 수 있습니다. Amazon Personalize는 장르, 가격, 성별 등 항목과 사용자의 데이터를 사용하기도 합니다. 또한 차선책 작업 시나리오에서는 작업 및 작업 상호 작용 데이터를 사용합니다.
대량 데이터를 가져올 때 Amazon SageMaker AI Data Wrangler를 사용하여 40개 이상의 소스에서 데이터를 가져와서 Amazon Personalize에 사용할 수 있도록 준비할 수 있습니다. 자세한 내용은 [Amazon SageMaker AI Data Wrangler를 사용하여 대량 데이터를 준비하고 가져오기](preparing-importing-with-data-wrangler.md) 단원을 참조하십시오.
Personalize에는 실시간 개인 맞춤을 위한 API 작업과 대량 추천 및 사용자 세그먼트를 위한 배치 작업이 포함되어 있습니다. 비즈니스 도메인에 대한 사용 사례 최적화 추천으로 빠르게 시작하거나 구성 가능한 사용자 지정 리소스를 직접 생성할 수 있습니다.
**Topics**
+ [Personalize 요금](#whatis-pricing)
+ [Personalize를 처음 사용하는 사용자를 위한 지침](first-time-user.md)
+ [관련 AWS 서비스 및 솔루션](#related-services)
+ [타사 서비스](#third-parties)
+ [자세히 알아보기](#experienced-user)
+ [AWS SDK에서 Personalize 사용](sdk-general-information-section.md)
## Personalize 요금
Personalize에는 최소 요금 및 선수금이 없습니다. [AWS 프리 티](https://aws.amazon.com/free/)어는 가용 AWS 리전당 최대 20GB의 데이터 처리, 적격 AWS 리전당 최대 100시간의 훈련 시간, 최대 180,000개의 권장 사항 요청의 월별 할당량을 제공합니다. 프리 티어는 처음 2개월 동안 유효합니다.
전체적인 요금 및 가격 목록은 [Personalize 요금](https://aws.amazon.com/personalize/pricing/) 단원을 참조하세요.
## 관련 AWS 서비스 및 솔루션
Personalize는 다른 AWS 서비스 및 솔루션과 원활하게 통합됩니다. 예를 들어, 다음을 수행할 수 있습니다.
+ Amazon SageMaker AI Data Wrangler(Data Wrangler)를 사용하여 40개 이상의 소스에서 Amazon Personalize 데이터세트로 데이터를 가져올 수 있습니다. Data Wrangler는 Amazon SageMaker AI Studio의 기능으로, 데이터를 가져오고, 준비하고, 변환하고, 분석할 수 있는 엔드 투 엔드 솔루션을 제공합니다. 자세한 내용은 [Amazon SageMaker AI Data Wrangler를 사용하여 대량 데이터를 준비하고 가져오기](preparing-importing-with-data-wrangler.md) 단원을 참조하십시오.
+ AWS Amplify 를 사용하여 항목 상호 작용 이벤트를 기록합니다. Amplify에는 웹 클라이언트 애플리케이션의 이벤트를 기록하기 위한 JavaScript 라이브러리가 포함되어 있습니다. 그리고 서버 코드에서 이벤트를 기록하기 위한 라이브러리도 포함되어 있습니다. 자세한 내용은 [Amplify 설명서](https://docs.amplify.aws/)를 참조하세요.
+ [기계 학습을 통한 개인 맞춤형 경험 유지 관리](https://aws.amazon.com/solutions/implementations/maintaining-personalized-experiences-with-ml/)를 통해 Personalize 작업을 자동화하고 예약합니다. 이 AWS 솔루션 구현은 데이터 가져오기, 솔루션 버전 학습, 배치 워크플로를 비롯한 Personalize 워크플로를 자동화해줍니다.
## 타사 서비스
Personalize는 다양한 타사 서비스와 잘 연동됩니다.
+ **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.
+ **Braze** — Braze를 사용하면 카탈로그의 항목을 추천하는 개인 맞춤형 이메일을 사용자에게 보낼 수 있습니다. Braze는 시장을 선도하는 메시징 플랫폼(이메일, 푸시, SMS)입니다. Personalize와 Braze를 통합하는 방법을 보여주는 워크숍은 [Personalize 워크숍](https://www.braze.com/docs/partners/message_personalization/dynamic_content/personalized_recommendations/amazon_personalize/workshop)을 참조하세요.
+ **Optimizely**를 사용하면 Personalize 추천에서 A/B 테스트를 수행할 수 있습니다.
+ **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/)를 참조하세요.
전체 파트너 목록은 [Personalize 파트너](https://aws.amazon.com/personalize/partners/)를 참조하세요.
## 자세히 알아보기
Personalize에 대한 추가 정보는 다음 리소스에서 확인할 수 있습니다.
+ Personalize가 사용 사례에 적합한지 판단하는 데 도움이 되는 참조 요약 정보는 [Personalize 샘플](https://github.com/aws-samples/amazon-personalize-samples) 리포지토리의 [Personalize 치트 시트](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md)를 참조하세요.
+ Personalize를 사용하는 방법에 대한 동영상 시리즈는 YouTube에서 제공되는 [Personalize 심층 분석 동영상 시리즈](https://www.youtube.com/watch?v=3gJmhoLaLIo)를 참조하세요.
+ 자세한 자습서 및 코드 샘플은 [mazon-personalize-samples GitHub 리포지토리](https://github.com/aws-samples/amazon-personalize-samples)를 참조하세요.