Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Mengukur dampak rekomendasi Amazon Personalize
Saat pelanggan berinteraksi dengan rekomendasi, Anda dapat mengukur bagaimana rekomendasi Amazon Personalisasi membantu Anda mencapai tujuan Anda. Anda dapat mengidentifikasi kampanye dan pemberi rekomendasi mana yang paling berdampak pada metrik kinerja utama. Misalnya, Anda dapat mengidentifikasi sumber daya mana yang menghasilkan menit paling banyak ditonton, klik terbanyak, atau pembelian terbanyak. Dan Anda dapat membandingkan kinerja rekomendasi Amazon Personalize dengan yang dihasilkan oleh layanan pihak ketiga.
Ketika Anda tahu kampanye atau pemberi rekomendasi mana yang menghasilkan dampak paling besar, Anda dapat mengambil tindakan untuk mendapatkan manfaat lebih lanjut dari rekomendasinya. Misalnya, Anda dapat meningkatkan keunggulan rekomendasi di situs Anda untuk mendorong lebih banyak keterlibatan. Atau Anda mungkin menampilkan rekomendasi dalam kampanye pemasaran, seperti email yang dipersonalisasi atau iklan bertarget.
Jika Anda mengidentifikasi sumber daya yang tidak memiliki dampak yang diharapkan, Anda dapat mengambil tindakan untuk meningkatkan rekomendasi. Misalnya, Anda dapat menggunakan konsol Amazon Personalize untuk menganalisis data pelatihan yang digunakan untuk membuat sumber daya, melakukan peningkatan data yang disarankan, dan kemudian mengimpor data lagi. Untuk informasi selengkapnya tentang menganalisis data, lihatMenganalisis kualitas dan kuantitas data dalam kumpulan data.
Berikut ini dapat membantu Anda mengukur dampak rekomendasi:
-
Atribusi metrik: Atribusi metrik Amazon Personalisasi membuat laporan berdasarkan metrik yang Anda tentukan serta interaksi item serta data item yang Anda impor. Misalnya, total panjang film yang ditonton oleh pengguna, atau jumlah total acara klik. Setelah Anda membuat atribusi metrik, Amazon Personalize secara otomatis mengirimkan metrik pada peristiwa dari PutEvents operasi API dan data massal tambahan ke Amazon. CloudWatch Untuk data massal, Anda dapat memilih untuk mempublikasikan laporan ke bucket Amazon S3.
-
Pengujian A/B: Melakukan pengujian A/B dengan rekomendasi Amazon Personalize melibatkan menampilkan berbagai kelompok pengguna berbagai jenis rekomendasi dan membandingkan hasil. Anda dapat menggunakan pengujian A/B untuk membantu membandingkan dan mengevaluasi berbagai strategi rekomendasi, mengevaluasi kinerja model, dan mengukur dampak rekomendasi.
Topik
