本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 衡量 Amazon Personalize 推荐的影响
<a name="measuring-recommendation-impact"></a>

当您的客户与推荐交互时，您可以衡量 Amazon Personalize 推荐如何帮助您实现目标。您可以确定哪些市场活动和推荐器对关键绩效指标影响更大。例如，您可以确定哪个资源产生的观看时间最长、点击数最多或购买数最多。您还可以将 Amazon Personalize 建议的效果与第三方服务生成的建议效果进行比较。

 当您知道哪个市场活动或推荐器产生的影响更大时，您可以采取行动来进一步从其推荐中受益。例如，您可以提高用户对网站上的推荐内容的兴趣，以提高参与度。或者，您也可以在市场活动中展示这些推荐，例如个性化电子邮件或定向广告。

 如果您发现某个资源没有产生预期的影响，则可以采取措施来改进推荐。例如，您可以使用 Amazon Personalize 控制台来分析用于创建资源的训练数据，以便改进数据，然后再次导入数据。有关分析数据的更多信息，请参阅[分析 Amazon Personalize 数据集中的数据质量和数量](analyzing-data.md)。

以下内容可帮助您衡量建议的影响：
+ [指标归因](metric-attributions.md)：Amazon Personalize 指标归因可根据您指定的指标以及您导入的物品交互和物品数据创建报告。例如，用户观看的影片总时长或单击事件的总数。在您创建指标归因后，Amazon Personalize 会自动向亚马逊发送有关来自 [PutEvents](API_UBS_PutEvents.md) API 操作的事件的指标和增量批量数据 CloudWatch。对于批量数据，您可以选择将报告发布到 Amazon S3 存储桶。
+  [A/B 测试](ab-testing-recommendations.md)：使用 Amazon Personalize 推荐进行 A/B 测试涉及向不同的用户群展示不同类型的推荐并比较结果。您可以使用 A/B 测试来帮助比较和评估不同的推荐策略、评估模型性能以及衡量建议的影响。

**Topics**
+ [使用指标归因衡量建议的影响](metric-attributions.md)
+ [通过 A/B 测试衡量推荐的影响](ab-testing-recommendations.md)