在切入正式流量前需要注意以下幾點：
1、保證切流的隨機性；
2、避免其他流量的摻雜，控制變數對比效果。
3、由於推薦返回的結果是根據某個user_id的感興趣程度從高到低返回，所以不要推薦結果做重排序等操作。
4、預留QPS及彈性計費說明。
5、區分流量埋點是根據電商行業中的trace_id欄位進行區分，切到智能推薦的流量則（trace_id=Alibaba）、您自行營運/自研那部分流量（trace_id=selfhold）。如果您有明確的邏輯區分，可以把您營運/自有的演算法等方式可以通過上報不同的trace_id值進行區分。
6、可根據執行個體儀錶盤對比智能推薦的效果變化，以及通過情境報表對比智能推薦和您自研的推薦效果。
如果您是先啟動執行個體後再推送增量行為資料：
建議積累1-2周的行為資料後再觀察推薦效果。
如果您是通過歷史資料啟動執行個體，且確保資料可用性顯示正常：
則可於次日觀察推薦效果。
一、概念解釋
trace_id: 對應的是電商行業行為資料中的trace_id欄位，用於區分回傳的行為是Alibaba智能推薦產生的流量，還是使用者自研系統產生的流量。trace_id具體使用方式見 官檔-資料規範-trace_id欄位含義。
跨渠道使用者：即出現在多個桶中的使用者指標，為保證推薦效果的可對比性，需要隨機切分使用者流量，且避免使用者混合訪問雙方流量，因此此指標應該為0。
舉例說明：一個user_id=1的使用者，回傳了兩條行為資料，bhv_type均為expose，但是trace_id分別為Alibaba和selfhold，則我們判斷，user_id=1的使用者，看到的推薦結果，兩次分別是自研系統推薦以及阿里推薦系統推薦，則該使用者跨渠道了。
scene_id：對應的是行為資料中的scene_id欄位。
二、執行個體儀錶盤
通過執行個體儀錶盤可以查看智能推薦的效果，方便跟過去做對比以及及時瞭解業務資料狀況。
I 使用者維度指標
當您進入執行個體儀錶盤功能後，預設展示如上圖的使用者維度指標。
指標釋義：
PV_CTR：Click-Through-Rate）即點擊通過率，計算公式：總點擊數/總曝光數。（不去重）
UV_CTR：基於使用者的點擊率，計算公式：有點擊使用者/總瀏覽使用者。
PV_CVR（轉化率）: 購買次數/點擊次數。
UV_CVR（轉化率）：購買使用者數/點擊使用者數活躍item數：統計時間內產生過行為的商品總數。
日環比： 該值和前一日取值對比。
周同比： 該值和上周同一日取值對比。
最高： 查詢時間段內最大取值。
最低： 查詢時間段內最小取值。
均值： 查詢時間段內，所有天的平均值。
日活使用者：一天回傳有行為的使用者數。
月活使用者：三十天內回傳有行為的使用者數
II 商品維度指標
點擊此處可以查看當前執行個體的商品維度指標。
您可以在此處查看不同情境下觸發使用者行為的商品類型分布：
以及觸發使用者行為的商品一級類目/二級類目分布情況：
III 自訂分析指標
在您選定好期望分析的指標後，點擊“開始分析”。
三、情境報表
如果您的情境是在控制台進行建立的，可以在這裡查看每個情境的效果指標。
通過情境報表可以查看這個情境的各項指標如：點擊率、轉化率、使用者活躍度、整體流量規模、流量轉化率、人均流量。
可以勾選出您內部營運的那部分流量（trace_id=selfhold），來查看效果，與智能推薦（trace_id=Alibaba）這邊的效果進行對比。
指標：
整體流量規模中指標如下：
曝光pv：客戶回傳行為中變數（傳入查詢的指定日期）的曝光次數總計。
點擊pv：客戶回傳行為中變數（傳入查詢的指定日期）的點擊次數總計。
收藏pv：客戶回傳行為中變數（傳入查詢的指定日期）的收藏次數總計。
分享pv： 客戶回傳行為中變數（傳入查詢的指定日期）的分享次數總計。
評論pv：客戶回傳行為中變數（傳入查詢的指定日期）的評論次數總計曝光uv：客戶回傳行為中變數（傳入查詢的指定日期）的曝光人數總計。
點擊uv：客戶回傳行為中變數（傳入查詢的指定日期）的點擊人數總計。
收藏uv：客戶回傳行為中變數（傳入查詢的指定日期）的收藏人數總計。
分享uv： 客戶回傳行為中變數（傳入查詢的指定日期）的分享人數總計。
評論uv：客戶回傳行為中變數（傳入查詢的指定日期）的評論人數總計。