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。

# 使用指标归因衡量建议的影响
<a name="metric-attributions"></a>

 要衡量物品建议的影响，您可以创建指标归因。*指标归因*可根据您导入的物品交互和物品数据以及您指定的指标创建报告。例如，用户观看的影片总时长或单击事件的总数。Amazon Personalize 在 15 分钟的时间段内汇总计算结果。对于流媒体互动数据和增量批量数据，Amazon Personalize 会自动向亚马逊发送指标报告 CloudWatch。对于批量数据，您可以选择将报告发布到 Amazon S3 存储桶。

 对于您导入的每个交互，都要包含源数据，以比较不同的市场活动、推荐器和第三方。您可以包括向用户或事件源（例如第三方）展示的建议的建议 ID。

 例如，您可能有一个视频流应用程序，它显示来自两个不同 Amazon Personalize 推荐器的电影推荐。如果您想查看哪个推荐器产生的观看事件最多，可以创建指标归因来跟踪观看事件的总数。然后，您可以在用户与建议交互时记录观看事件，并将 `recommendationId` 包含在每个事件中。Amazon Personalize 使用 `recommendationId` 来识别每个推荐器。在记录事件时，您可以查看中两个推荐者每 15 分钟汇总的观看活动总数。 CloudWatch有关显示如何为事件添加 `recommendationId` 或 `eventAttributionSource` 的代码示例，请参阅[事件指标和归因报告](event-metrics.md)。

**Topics**
+ [指标归因的准则和要求](metric-attribution-requirements.md)
+ [创建 Amazon Personalize 指标归因](creating-metric-attribution.md)
+ [更新 Amazon Personalize 指标归因](updating-metric-attribution.md)
+ [删除 Amazon Personalize 指标归因](deleting-metric-attribution.md)
+ [在中查看指标数据的图表 CloudWatch](metric-attribution-results-cloudwatch.md)
+ [将指标归因报告发布到 Amazon S3](metric-attribution-results-s3.md)