- AWS 解决方案库›
- 在 AWS 上实现零售和商业媒体盈利的指南
在 AWS 上实现零售和商业媒体盈利的指南
概览
本指南说明了零售商如何建立 Media Insights 平台作为中心枢纽，供他们利用其数据和分析实现商业媒体盈利。过去，零售商在如何充分利用其第一方数据和线上受众的价值方面一直面临着挑战。他们通常缺乏集成数据平台、包括生成式人工智能功能在内的高级分析，以及安全的数据协作机制，无法优化媒体盈利工作。而 Media Insights 平台解决了这些困难，为零售商提供了将第一方数据转化为战略资产的中心平台。通过该平台，零售商可以优化其媒体盈利工作，并通过现有渠道创造更多收入。
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。
本指南使用 Amazon Bedrock 和 SageMaker 来增强机器学习操作（MLOps）并简化机器学习生命周期。它还使用 AWS Clean Rooms 和 AWS Entity Resolution 数据匹配服务来保护零售商、广告机构和品牌的隐私。这些 AWS 服务提供了强大的功能，用于管理机器学习工作流程和在整个过程中保护敏感数据。
阅读卓越运营白皮书IAM 为零售商和 Retail Media Insights 平台安全地管理身份以及对 AWS 服务和资源的访问权限。该服务有助于确保创建包含最低所需权限的策略，从而限制对资源进行未经授权的访问。除此之外，Lake Formation 还在数据共享过程中对权限进行管理，并提升了数据湖的设置和安全性。这对于本指南的数据分析和商业智能层尤为有益。这些服务共同提供了一个强大的安全框架，保护敏感数据和资源。
阅读安全白皮书St ep Functions 通过监控 AWS 实体解析工作流程和向 A mazon Bedro ck 进行 API 调用来协调架构内的数据流。这项可视化工作流程服务可帮助开发人员使用 AWS 服务构建分布式应用程序、自动化流程、编排微服务以及创建数据和机器学习管道。Step Functions 可在多个可用区维持服务容量，从而增强可靠性。它使用计划触发器或基于事件的触发器执行 API 调用，可在出现故障时自动进行重试，并可扩展并发执行。此功能有助于确保稳健高效的工作流程管理，即使在涉及多个 AWS 服务的复杂场景中也是如此。
A@@ mazon Bedrock 和 AWS Entity Resolution 是完全托管的服务，使企业能够专注于创新，同时降低管理底层资源的复杂性。具体而言，Amazon Bedrock 允许用户通过API调用LLM来获得近乎实时的结果。AWS Entity Resolution 使用基于规则的模型或 ML 模型提供灵活的记录匹配，并提供按需或自动处理选项。这些服务相互配合，简化数据处理和分析任务。这些服务通过处理复杂的技术问题，让零售商可以专心实现其核心目标，并且他们不仅可利用先进的人工智能和数据匹配功能，而且无需对基础设施进行管理。
该架构使用多个 AWS 服务来优化成本和提高效率。例如，活动分析模块的 Amazon S3 存储桶使用 Amazon S3 智能分层存储类，它根据使用模式在访问层之间自动移动数据，从而降低存储成本。定期审查 QuickSight 作者和读者账户活动有助于识别和删除不活跃的账户，从而有可能减少所需的 QuickSight 订阅数量。A@@ mazon Q 与 AWS Cost Explorer 集成，提供成本分析功能，支持对成本相关查询进行自然语言处理。这样，用户就可以通过简单的自然语言问题获取成本信息，而无需依赖传统的计算方式进行成本计算。通过实施这些功能，零售商可以显著降低数据存储成本，优化 QuickSight 许可证的使用并简化成本分析流程。
在处理大型数据集时，Athena 的查询重用功能可提高效率并降低成本。此功能支持重复使用查询结果，从而无需在指定时间内执行多余的 SQL 查询。通过缓存和重复使用相同查询的结果，Athena 显著减少了计算资源的使用。这种优化不仅加快了后续查询的速度，还降低了重复数据处理的相关成本。对于多个用户或多个应用程序频繁在相对静态的大型数据集上运行相同查询的情况，实施查询重用功能尤为有效。通过使用此功能，零售商可以提高查询性能、减少计算开销并优化其 Athena 使用成本。
免责声明
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。