亚马逊支付用上下文老虎机提升转化率，意外发现内容才是瓶颈
生成式 AI 让个性化内容的批量生产变得又快又便宜，但新的难题随之而来：面对海量变体，该给每位用户展示哪一个？亚马逊支付（Amazon Payments）在 AWS 上给出了一个答案——用多目标上下文多臂老虎机（multi-objective contextual multi-armed bandit, MAB），在亚马逊 SageMaker AI 上对产品获取漏斗进行个性化。
从“生产内容”到“选择内容”
此前，亚马逊支付已经展示了如何利用 Amazon Bedrock 上的生成式 AI，在品牌指南和护栏内大规模生产个性化内容。但内容供给爆发后，选择问题变得尖锐：哪个变体对哪个用户最有效？要多久才能学会？
传统 A/B/n 测试需要等待实验结束才能决策，而老虎机方法能在持续服务用户的同时学习。它把每个内容变体视为一个“臂”，在真实流量中尝试，并逐步将曝光向表现好的臂倾斜，同时保留一部分流量继续探索。这本质上是利用（exploitation）与探索（exploration）的权衡。由于老虎机从不停止这两件事，它可以随着新变体的加入持续改进，也无需等待测试结束。
七周线上 A/B 测试：高个位数提升，但并非人人有效
亚马逊支付将这一方法应用于产品获取漏斗，进行了为期七周的在线 A/B 测试。目前的结果显示：
- 对其中一类客户群体，最终漏斗转化率实现了高个位数百分比（high single-digit percentage）的相对提升。
- 但另一类客户群体则没有观察到改善。
团队发现，问题出在内容本身，而非模型。换句话说，模型的选择机制已经足够好，但针对某些受众，现有内容变体可能缺乏足够的区分度或吸引力，导致老虎机“无米下炊”。
技术直觉与架构
文章介绍了老虎机的直觉、将优化扩展到整个转化漏斗的尝试，以及背后的 AWS 架构。常见的老虎机策略包括 epsilon-greedy、Upper Confidence Bound (UCB)、Thompson sampling 等。亚马逊支付采用的是多目标上下文老虎机，意味着它同时优化多个目标（例如点击和转化），并利用上下文信息（用户特征、场景）来做出更精准的选择。
此外，团队还分享了一个代码仓库，你可以用合成数据在 Amazon SageMaker AI 上亲手测试这种方法，理解其工作原理。
为什么值得关注
随着生成式 AI 加速内容变体的爆炸式增长，A/B/n 测试的周期和成本可能难以跟上。老虎机方法有望在个性化选择中扮演越来越重要的角色。但亚马逊支付的经历也提醒我们：再聪明的选择算法，也无法弥补内容本身的不足。在投资模型之前，先确保你有足够多、足够好的内容变体可供选择。
