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。

# 測量 Amazon Personalize 建議的影響
<a name="measuring-recommendation-impact"></a>

當您的客戶與建議互動時，您可以衡量 Amazon Personalize 建議如何協助您達成目標。您可以識別哪些行銷活動和推薦者對關鍵績效指標的影響最大。例如，您可以識別哪些資源產生最多觀看分鐘、最多點選次數或最多購買次數。您也可以將 Amazon Personalize 建議的效能與第三方服務產生的建議進行比較。

 當您知道哪個行銷活動或推薦者產生了最大的影響時，您可以採取動作來進一步受益於其建議。例如，您可能會提高網站上的建議顯著性，以增加參與度。或者，您可能會在行銷活動中提供建議，例如個人化電子郵件或目標性廣告。

 如果您識別的資源沒有預期的影響，您可以採取動作來改善建議。例如，您可以使用 Amazon Personalize 主控台來分析用來建立資源的訓練資料、進行建議的資料改善，然後再次匯入資料。如需分析資料的詳細資訊，請參閱 [分析 Amazon Personalize 資料集中的資料品質和數量](analyzing-data.md)。

以下可協助您衡量建議的影響：
+ [指標屬性](metric-attributions.md)：Amazon Personalize 指標屬性會根據您指定的指標以及您匯入的項目互動和項目資料來建立報告。例如，使用者監看的電影總長度，或點選事件總數。建立指標屬性後，Amazon Personalize 會自動從 [PutEvents](API_UBS_PutEvents.md) API 操作將事件指標和增量大量資料傳送至 Amazon CloudWatch。對於大量資料，您可以選擇將報告發佈至 Amazon S3 儲存貯體。
+  [A/B 測試](ab-testing-recommendations.md)：使用 Amazon Personalize 建議執行 A/B 測試涉及顯示不同使用者群組不同類型的建議並比較結果。您可以使用 A/B 測試來協助比較和評估不同的建議策略、評估模型效能，以及測量建議的影響。

**Topics**
+ [使用指標屬性測量建議影響](metric-attributions.md)
+ [使用 A/B 測試測量建議影響](ab-testing-recommendations.md)