選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

使用指標屬性測量建議影響 - Amazon Personalize

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

使用指標屬性測量建議影響

若要測量項目建議的影響,您可以建立指標屬性。指標屬性會根據您匯入的項目互動和項目資料,以及您指定的指標來建立報告。例如,使用者觀看的電影總長度,或點擊事件總數。Amazon Personalize 會在 15 分鐘的時段內彙總計算。對於串流互動資料和增量大量資料,Amazon Personalize 會自動將指標報告傳送至 Amazon CloudWatch。對於大量資料,您可以選擇將報告發佈到 Amazon S3 儲存貯體。

對於您匯入的每個互動,請包含來源資料來比較不同的行銷活動、推薦者和第三方。您可以包含顯示使用者或事件來源的建議建議 ID,例如第三方。

例如,您可能有一個影片串流應用程式,顯示來自兩個不同 Amazon Personalize 推薦者的電影建議。如果您想要查看哪個推薦者產生最多的監看事件,您可以建立指標屬性來追蹤監看事件的總數。然後,您可以在使用者與建議互動時記錄監看事件,並在每個事件recommendationId中包含 。Amazon Personalize 使用 recommendationId來識別每個建議者。當您記錄事件時,您可以檢視 CloudWatch 中兩個推薦人的每 15 分鐘彙總的觀看事件總數。如需示範如何為事件包含 recommendationIdeventAttributionSource的程式碼範例,請參閱 事件指標和屬性報告

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。