跳至主要内容

AWS 解决方案库

使用 Amazon Personalize 提高顾客互动度的指南

概览

本指南允许您对博彩和游戏应用程序体验进行个性化设置，通过自动化的预构建机器学习（ML）算法提高顾客互动度和留存率。尽管许多博彩和游戏应用程序都可以为玩家提供推荐内容，但它们通常缺乏社交媒体和视频流媒体算法所提供的独特个性化体验。博彩和游戏运营商可以采用 Amazon Personalize 的推荐算法，可以通过集成和优化这些算法来提高互动度。这通过低代码管理，创建了可扩展、个性化的全渠道游戏推荐、游戏前和游戏内投注线以及促销优惠体验。

工作原理

这些技术细节包含一张架构图，用于说明如何有效使用本解决方案。该架构图展示了关键组件及其相互作用，并逐步概述了架构的结构和功能。

下载架构图

Well-Architected 支柱

上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。

Amazon Personali ze 允许博彩和游戏客户通过指标归因和 A/B 测试来衡量推荐的影响。指标归因根据顾客互动、游戏数据和指定的互动事件指标创建报告。

亚马逊个性化汇总交互事件的指标计算结果，并将报告发送到亚马逊 CloudWatch 以供查看。A/B测试允许博彩和游戏客户测试亚马逊个性化食谱的性能，使用 CloudWatch 指标通过拆分测试报告配方的功效。Amazon Personal ize 让博彩和游戏客户能够通过事件指标归因来衡量业务成果，用于报告和评估每种事件类型。Amazon Personali ze执行计算并将报告发送到 CloudWatch 或 Amazon S3 以供利益相关者评估业务影响，从而帮助客户制定更受数据驱动的个性化策略。

阅读卓越运营白皮书

AWS 密钥管理服务 (AWS KMS) 对亚马逊个性化中存储和静态的数据进行加密。AWS KMS 还用于加密发送到其他 AWS 服务的数据，包括个人身份信息 (PII)。您可以使用自己的 AWS KMS 客户主密钥 (CMK) 对导入到亚马逊个性化域的数据进行加密。这使您可以控制敏感客户数据的加密。

AWS 身份和访问管理 (IAM) 允许博彩和游戏管理员安全地控制对 AWS 资源的访问和最低权限的访问。这是通过在 AWS 上分配角色，为服务和用户分配精细访问策略和权限，从而为访问提供临时安全凭证而不是长期证书来实现的。您可以将策略附加到角色以控制角色可用的访问权限、操作和资源类型。通过角色可以更轻松地委派访问权限，同时保持对权限的控制。随着业务需求的变化，管理员可以修改角色的策略，而不是各个用户的策略。

Amazon Person alize 不处理其输出中敏感数据的编辑。正确配置加密、 IAM 政策和输入数据处理有助于 A mazon Personaliz e 安全地处理客户数据，同时满足隐私和合规性要求。

阅读安全白皮书

CloudWatch 允许博彩和游戏客户监控和可视化亚马逊个性化、亚马逊 S3 、 Lambda 和 DynamoD B 指标。本指南中使用的 CloudWatch 指标可用于创建警报、通知和可视化。CloudWatch 警报允许为指标设置阈值，并在突破阈值时配置通知或操作。这可以帮助管理员在服务不可用或响应缓慢时采取自动恢复操作。

CloudWatch 日志可用于监控和解决 Lambda 函数的问题。应用程序代码执行日志为调试问题提供了洞察信息。使用 CloudWatch，来自不同 AWS 账户、区域或资源的指标和日志可以汇总到一个地方，从而集中查看分布式应用程序的整体运行状况和性能。

DynamoDB 用作亚马逊个性化的数据库。它会自动将推荐应用程序的数据和流量分散到多个可用区（AZ），以保持韧性。客户互动数据存储在 Amazon S3 中，Amazon S3 提供跨多个可用区的持久数据存储，并复制数据，以帮助确保抵御组件故障或不可用的能力。

阅读可靠性白皮书

亚马逊 Personaliz e 提供高性能的机器学习算法。该服务通过低延迟推荐实时提供个性化体验，并自动扩展资源以应对流量突增，且不会影响性能。

Amazon Personali ze 使用预训练模型提供实时、低延迟的建议，即使在流量激增的重大活动期间也是如此。训练亚马逊个性化模型后，会将其部署到多个可用区。如果一个可用区不可用，A mazon Personaliz e 将继续使用其他可用区中的模型副本运行，不会受到任何干扰。

阅读性能效率白皮书

Amazon Person alize 通过提供控制来指定自动扩展限制和模型再训练计划，从而帮助管理推荐系统成本。Amazon Personal ize 批量推荐不需要活动，并且可以为不需要实时更新的个性化用例节省额外的成本。

通过使用 DynamoDB 进行批量推荐，您可以减少实时的亚马逊个性化通话次数，从而降低功能成本。批量推荐允许您在一次操作中预先针对大量用户或内容计算推荐，并将其存储起来以备日后使用。这比针对每个用户请求生成推荐更具成本效益。

您还可以在 AWS 资源更便宜的非高峰时段安排批量推荐任务。与需要即时响应的实时推荐相比，这有助于降低成本。然后，可以从 Amazon S3 等经济高效的存储中提供预先计算的批量建议，而不必使用更昂贵的计算来重新计算每个请求。

阅读成本优化白皮书

本指南使用托管服务来优化架构图底层资源的使用情况。亚马逊个性化、亚马逊 S3 、 Lambda 和 D ynamoDB 一起使用可以帮助提高可持续性。例如，由 Amazon Personaliz e 生成并存储在 A mazon S3 等经济实惠的存储器中的批量推荐有助于减少为每个用户请求重新计算推荐的需求。这种优化降低了总体计算使用量并提高了效率。

在使用 A mazon Personalize 训练模型之前，Lambda 函数可用于预处理和分析用户数据。与本地数据中心相比，云端工作负载的这种整合进一步降低了资源需求。

阅读可持续发展白皮书

免责声明

示例代码；软件库；命令行工具；概念验证；模板；或其他相关技术（包括由我方人员提供的任何前述项）作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议（以适用者为准）向您提供。您不应将这些 AWS 内容用在您的生产账户中，或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容，例如示例代码，以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源（例如，运行 Amazon EC2 实例或使用 Amazon S3 存储）而产生 AWS 费用。

找到今天要查找的内容了吗？

请提供您的意见，以便我们改进网页内容的质量。