本指南演示了 AWS 服务如何帮助您自动收集客户的第一方和第三方数据，在不共享原始数据的情况下实现协作，以及如何使用机器学习生成预测性细分。使用这些预测性细分通过各种渠道（包括移动推送、应用内推送、电子邮件、短信或自定义渠道）发送量身定制的消息，以提升您与客户之间的互动。
请注意：[免责声明]
架构图
第 1 步
Amazon Pinpoint 可捕获预测性细分所需的客户互动第一方数据。这些数据使用 Amazon Kinesis Data Firehose 加载到 Amazon Simple Storage Service（Amazon S3）中。
第 2 步
使用 AWS Glue Data Catalog 对存储在 Amazon S3 中的第一方数据进行编目，并将其作为表格提供给 AWS Clean Rooms。
第 3 步
清理并标准化第三方合作伙伴数据，并将该数据存储在合作伙伴 AWS 账户内的 Amazon S3 桶中。使用 Glue Data Catalog 对文件进行编目，并将其作为表格提供给 AWS Clean Rooms。
第 4 步
设置 AWS Clean Rooms 协作，将第三方账户作为数据提供者，将第一方账户作为查询运行者。
第 5 步
在 AWS Clean Rooms 中运行数据协作查询，并将查询结果存储在第一方数据账户中。
第 6 步
（可选）将数据集上传到完全托管的图形数据库 Amazon Neptune，以可视化数据关系（例如跨设备用户数据或家庭数据）。
第 7 步
（可选）使用 Amazon QuickSight 来构建控制面板、可视化您的分析并生成见解。
第 8 步
使用 Amazon SageMaker 构建、训练和部署机器学习（ML）模型，这些模型可根据第一方和第三方数据生成预测性细分。
第 9 步
在 Amazon Pinpoint 中导入生成的预测细分，以在 Amazon Pinpoint 活动中利用生成的细分。
第 1 步
Amazon Pinpoint 可捕获预测性细分所需的客户互动第一方数据。这些数据使用 Amazon Kinesis Data Firehose 加载到 Amazon Simple Storage Service（Amazon S3）中。
第 2 步
使用 AWS Glue Data Catalog 对存储在 Amazon S3 中的第一方数据进行编目，并将其作为表格提供给 AWS Clean Rooms。
第 3 步
清理并标准化第三方合作伙伴数据，并将该数据存储在合作伙伴 AWS 账户内的 Amazon S3 桶中。使用 Glue Data Catalog 对文件进行编目，并将其作为表格提供给 AWS Clean Rooms。
第 4 步
设置 AWS Clean Rooms 协作，将第三方账户作为数据提供者，将第一方账户作为查询运行者。
第 5 步
在 AWS Clean Rooms 中运行数据协作查询，并将查询结果存储在第一方数据账户中。
第 6 步
（可选）将数据集上传到完全托管的图形数据库 Amazon Neptune，以可视化数据关系（例如跨设备用户数据或家庭数据）。
第 7 步
（可选）使用 Amazon QuickSight 来构建控制面板、可视化您的分析并生成见解。
第 8 步
使用 Amazon SageMaker 构建、训练和部署机器学习（ML）模型，这些模型可根据第一方和第三方数据生成预测性细分。
第 9 步
在 Amazon Pinpoint 中导入生成的预测细分，以在 Amazon Pinpoint 活动中利用生成的细分。
Well-Architected 支柱
当您在云中构建系统时，AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool，您可以通过回答每个支柱的一组问题，根据这些最佳实践来检查您的工作负载。
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。
-
卓越运营阅读卓越运营白皮书
借助 Amazon CloudWatch，您可以收集和跟踪所有操作指标、日志文件并设置故障警报。该服务允许您保持对操作细节的可见性，例如在 AWS Clean Rooms 上运行的查询。
-
安全性阅读安全白皮书
本指南中服务之间的所有交互都使用 AWS Identity and Access Management（IAM）角色，并将 IAM 策略设置为提供服务所需的最低权限。此外，AWS Clean Rooms 允许使用高级加密计算工具来保持数据加密，即使在查询处理期间也是如此，以符合 AWS 严格的数据处理策略。
使用 Amazon S3 进行存储时，默认可加密所有静态数据。Amazon S3 提供了让 AWS 或客户管理加密密钥的选择。这可以帮助您适应不同的安全标准。通过使用 Amazon S3 桶策略，您可以定义精细访问控制。而通过在 Kinesis Data Firehose 上启用服务器端加密，您可以在传输到下游服务时加密所有敏感数据。
-
可靠性阅读可靠性白皮书
由于本指南使用托管服务，因此通过各种服务存储的所有数据都具有高可用性，而不会依赖于可用区罕见但可能发生的故障。由于每项服务（例如 Amazon S3 和 Kinesis Data Firehose）的底层可扩展性，托管服务可帮助您避免因数据量增加而导致的故障。Amazon S3 是一种可靠且持久的数据存储方式，而 Kinesis Data Firehose 可确保轻松可靠地将数据传输到目的地，以便在下游过程中进行分析。我们建议使用 AWS Backup 来备份存储在 Amazon S3 桶中的所有数据。
-
性能效率阅读性能效率白皮书
本指南使用无服务器架构，允许通过托管服务自动扩缩所需资源。通过使用 Amazon Pinpoint，您可以管理大量客户及其互动。借助 AWS Clean Rooms，您无需部署任何底层基础设施即可快速创建大量多方协作。
-
成本优化阅读成本优化白皮书
通过无服务器架构使用托管服务时，您可以扩展应用程序以满足需求，只需为您使用的部分付费。Amazon S3 Intelligent-Tiering 通过在访问模式发生变化时移动数据来自动节省存储成本，从而让您在控制成本的同时优化性能。
-
可持续性阅读可持续性白皮书
通过广泛使用托管服务以及无服务器架构，本指南可帮助您持续扩展以匹配工作负载量，同时确保仅使用最少的资源。我们还建议管理您的对象，通过配置 Amazon S3 生命周期以使这些对象在其整个生命周期中都可以高效地存储。
实施资源
提供了在 AWS 账户中进行实验和使用的详细指南。构建指南的每个阶段（包括部署、使用和清理）都将被检查，以便为部署做好准备。
示例代码为起点。它经过行业验证，是规范性但不是决定性的，可以帮助您开始。
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。
本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指导是一个技术起点，您可以在部署架构时自定义与第三方服务的集成。