推荐概览
针对您希望用户观看的信息提要内容,您可以向其发送相关推荐。推荐将在Fire TV主屏幕上Recommended By Your App(由我的应用推荐)行上显示。推荐会显示在Fire TV主屏幕上,因此能够轻松促使用户与您的应用进行互动。
要了解有关推荐的更多信息,请参阅Fire TV文档中的推荐概览。Fire App Builder已设置发送推荐所需的所有Android代码。您只需在信息提要中加入推荐信息,然后在Fire App Builder中配置一些配方,即可将信息提要中的recommendations元素作为目标。
Recommended By Your App行
以下屏幕截图展示了Fire TV主屏幕上的Recommended By Your App行。

如果您拥有Netflix或HBO Go应用,则Recommended By Your App行将在Netflix或HBO Go行下方显示。(否则,该行会直接显示在Featured Apps & Games [精选应用和游戏] 行的下方。)
Recommended By Your App行显示用户当前已安装(并至少打开一次)的应用的所有推荐。一些热门应用(例如Netflix和HBO Go)有自己的专属推荐行。但是,所有其他应用会共用同一Recommended By Your Apps行中的空间。
两种类型的推荐
Fire App Builder有两种类型的推荐:
如果信息提要中尚未包含推荐信息,则需要将这些信息添加到信息提要中。信息提要中的每个视频都必须具有唯一的ID,才能使用推荐。
推荐要求
Fire TV要求发送至少5条推荐(所有应用共计),用户才会看到Recommended By Your App(由我的应用推荐)行。但是,Android上限为一个应用最多可发送50条推荐,因此推荐数量请勿超过50。(有关更多详细信息,请参阅推荐最佳实践。)
通过示例LightCast信息提要了解推荐的工作原理
当您构建使用LightCast信息提要的示例Fire App Builder应用时,不会发送推荐,因为LightCast信息提要不包含任何推荐信息,默认Navigator.json文件也未配置推荐配方。
如果想通过示例Fire App Builder应用和LightCast信息提要了解推荐的工作原理,我们提供了包含推荐信息的修改版提要。该信息提要以硬编码方式存储在应用附带的文件中。请按照以下步骤来实现它:
-
在应用目录中,将Navigator.json重命名为类似Navigator_original.json这样的名称。将navigator_with_recommendations.json重命名为Navigator.json。
-
在应用的assets > configurations文件夹中,打开DataLoadManagerConfig.json并指定以下各项:
{ "data_downloader.impl": "com.amazon.dataloader.datadownloader.BasicFileBasedDataDownloader", "is_cache_manager_enabled": true, "data_updater.duration": 14400 }
-
在同一文件夹中,打开BasicFileBasedDownloaderConfig.json并指定以下内容:
{ "data_file_path": "sample_feed_with_recommendations.json" }
-
在Fire TV上,使用以下任一选项激活Developer Tools(开发者工具)菜单:
- 将Developer Options(开发者选项)滑到On(开启)。然后将Developer Row(开发者行)滑到On:
- 选择Shared Recommendation Developer Row(共享推荐开发者行)程序包。
- 转到Settings(设置)> Device(设备)> Restart(重新启动),重新启动Fire TV。
-
在Android Studio中,单击Run App(运行应用)按钮
。
应用启动时,系统会将以下全局推荐发送到Fire TV:
- 99605: "Cooking Tips : How to Deep Fry Chicken"
- 99551: "How to Cook with Herbs"
- 99570: "Consuming Passions Chips Recipe | Belgian Style"
- 99580: "How to Make Mapo Tofu 麻婆豆腐の作り方"
- 112683: "My Healthy Snacks & Eating Tips"
这些视频是在信息提要的
globalRecommendations
数组中指定的:"globalRecommendations": [ "99605", "99551", "99570", "99580", "112683" ]
可以在Android Studio的日志中看到推荐信息。如果单击屏幕底部的Android Monitor,然后使用recommendation一词进行筛选,就会看到表明已构建并发送推荐的日志。日志将如下所示:
03-24 18:39:09.365 18717-18757/com.amazon.android.calypso D/RecommendationTable: record updated in database: RecommendationRecord{mContentId='99570', mRecommendationId=4, mType='Global'} 03-24 18:39:09.368 18717-18757/com.amazon.android.calypso D/RecommendationSender: Built recommendation - Consuming Passions Chips Recipe | Belgian Style
mType='Global'
表明这是全局推荐。 -
在应用中,浏览第一个视频Thai Recipes - Thai Chicken Noodles Recipe,然后播放几分钟。该视频的详细信息中包含了相关推荐:
{ "id": "162270", "title": "Thai Recipes - Thai Chicken Noodles Recipe", "description": "Thai Recipes - Thai Chicken Noodles Recipe", "duration": "355", "thumbURL": "http://l2.cdn01.net/_thumbs/0000162/0162270/0162270__015f" type="jpg", "imgURL": "http://l2.cdn01.net/_thumbs/0000162/0162270/0162270__015f" type="jpg", "videoURL": "http://media.cdn01.net/802E1F/process/encoded/video_1880k/0000162/0162270/D8HFLX0AC.mp4?source=firetv&channel_id=6341", "categories": [ "International Cuisine" ], "channel_id": "6341", "recommendations": [ "162269", "162266", "162265", "162264" ] }
播放此视频时,系统会将相关推荐发送到Fire TV主屏幕:
- 162269: "Thai Tom Yum Soup Vegan Vegetarian Recipe"
- 162266: "Thai Green Curry With Chicken"
- 162265: "Homemade Chicken Pad Thai"
- 162264: "Thai Peanut Chicken Tenders"
在日志中,您会看到表示相关推荐的
mType='Related'
,而不是mType='Global'
。 -
按下主页按钮,返回到Fire TV主屏幕。导航到Settings以刷新主屏幕,等待几秒钟,然后返回到主屏幕。
- 查找名为Recommendations Testing Row(推荐测试行)的行。
查看该行是否显示了任何推荐。如果推荐成功,应该会看到以下视频之一:

要观看该视频,可以单击以启动它。也可以按遥控器的菜单按钮,启动Fire TV右下角的上下文菜单。上下文菜单会提供观看视频或打开应用的选项。
所有视频在推荐设置中都具有相同的优先级,因此它们在推荐行中的顺序有点随机。
Fire App Builder会包含一个数据库,并为推荐创建一条记录。Fire App Builder会保留12天的观看历史记录,但目前没有任何逻辑可以筛选出已知用户观看过的项目。如果信息提要未使用新的推荐进行更新,则系统会针对之前观看过的项目发送相同的推荐。后续版本的Fire App Builder可能会实现更高级的筛选逻辑。
尝试完推荐后,请撤销您对Fire App Builder加载信息提要的方式所做的部分更改。特别是要撤消步骤2,否则基于Web的信息提要将无法正确加载,或者会显示让您加载您的媒体信息提要以正确设置数据加载器文件的系统提示。
后续步骤
现在,您已经对推荐有了基本的了解,接下来请转到第一个教学主题: 发送全局推荐无论用户观看什么内容,系统都会发送全局推荐。
Last updated: 2021年10月5日