Messung der Wirkung von Empfehlungen mit einer metrischen Zuordnung

Um die Wirkung von Artikelempfehlungen zu messen, können Sie eine metrische Zuordnung erstellen. Mit einer metrischen Zuordnung werden Berichte erstellt, die auf den Artikelinteraktionen und Artikeldaten, die Sie importieren, sowie auf den von Ihnen angegebenen Metriken basieren. Zum Beispiel die Gesamtlänge der von Benutzern angesehenen Filme oder die Gesamtzahl der Klickereignisse. Amazon Personalize aggregiert Berechnungen über einen Zeitraum von 15 Minuten. Für gestreamte Interaktionsdaten und inkrementelle Massendaten sendet Amazon Personalize automatisch Metrikberichte an Amazon. CloudWatch Für Massendaten können Sie wählen, ob Sie Berichte in einem Amazon S3 S3-Bucket veröffentlichen möchten.

Fügen Sie für jede Interaktion, die Sie importieren, Quelldaten hinzu, um verschiedene Kampagnen, Empfehlungsgeber und Drittanbieter zu vergleichen. Sie können die Empfehlungs-ID der Empfehlungen, die Sie dem Benutzer gezeigt haben, oder die Ereignisquelle, z. B. die eines Drittanbieters, angeben.

Möglicherweise haben Sie eine Video-Streaming-App, die Filmempfehlungen von zwei verschiedenen Amazon Personalize Personalize-Empfehlungsgebern anzeigt. Wenn Sie herausfinden möchten, welcher Empfehlungsgeber die meisten Wiedergabeereignisse generiert, könnten Sie eine metrische Zuordnung erstellen, die die Gesamtzahl der Wiedergabeereignisse erfasst. Dann könnten Sie die Wiedergabeereignisse aufzeichnen, wenn Nutzer mit Empfehlungen interagieren, und diese recommendationId in jedes Ereignis einbeziehen. Amazon Personalize verwendet dierecommendationId, um jeden Empfehlungsgeber zu identifizieren. Während Sie Ereignisse aufzeichnen, können Sie sich die Gesamtsumme der Ereignisse ansehen, die alle 15 Minuten für beide Empfehlungsgeber zusammengefasst wurden. CloudWatch Codebeispiele, die zeigen, wie Sie ein recommendationId oder ein eventAttributionSource für ein Ereignis angeben, finden Sie unter. Ereignismetriken und Attributionsberichte