AWS 介绍 Amazon Payments 如何用 SageMaker AI 的多目标 contextual bandit 做获客漏斗个性化。系统根据用户和当前场景选择更合适的内容变体，而不是为每个受众预先指定一个固定版本。它会根据反馈持续更新选择策略，平衡不同目标之间的取舍。
案例中一个受众群体获得了高个位数的转化提升。AWS 同时强调，团队从实验中发现限制因素主要是内容，而不是模型：如果备选文案和素材本身不够好，再复杂的选择算法也不会凭空创造新的价值。
这种方法更适合有稳定反馈、可持续试验且需要在多个目标间权衡的漏斗。文章没有公开完整的实验设计、所有受众结果或独立复现数据，因此高个位数只能作为该案例的公司内部结果。实施时还要控制探索流量，避免未经验证的内容直接覆盖全部用户。