Implementierungsarbeitsablauf
Product Recommendations verwendet sowohl Verhaltens- als auch Katalogdaten:
-
Verhalten - Daten zur Interaktion eines Käufers auf Ihrer Site, z. B. Produktansichten, zu einem Warenkorb hinzugefügte Artikel und Käufe. Adobe Commerce und Adobe Sensei erheben keine personenbezogenen Daten.
-
Katalog - Produktmetadaten wie Name, Preis und Verfügbarkeit.
Wenn Sie den magento/product-recommendations module installieren, aggregiert Adobe Sensei die Verhaltens- und Katalogdaten und erstellt Product Recommendations für jeden Empfehlungstyp. Der Product Recommendations -Dienst stellt diese Empfehlungen dann in Ihrer Storefront bereit. Verwenden Sie den folgenden Workflow, um Produktempfehlungen in Ihre Storefront zu implementieren:
Workflow
-
Bereitstellen der Datenerfassung für die Produktion
Für die Bereitstellung von Product Recommendations sind zwei wichtige Datenquellen erforderlich: der Katalog und das Verhalten. Da die Produktion die einzige Umgebung ist, in der die Aktionen Ihrer Kunden erfasst und analysiert werden, ist es in Ihrem Interesse, so früh wie möglich mit der Datenerfassung in der Produktion zu beginnen. Erfahren Sie, wie Adobe Sensei maschinelle Lernmodelle trainiert, die zu Empfehlungen mit höherer Qualität führen. Als zusätzlichen Vorteil können Sie beim Erfassen von Verhaltensdaten über die Produktion Empfehlungen auf Grundlage dieser Produktionsdaten abrufen, während Sie in Nicht-Produktionsumgebungen arbeiten. Anschließend können Sie verschiedene Empfehlungen testen und mit ihnen experimentieren, die anhand von in der Produktion erfassten echten Käuferdaten berechnet werden.
Um die Datenerfassung für die Produktion bereitzustellen, müssen Sie das-Modul installieren und konfigurieren, indem Sie einen API-Schlüssel angeben.Product Recommendations
note tip TIP Die Bereitstellung der Datenerfassung ändert weder das Erscheinungsbild Ihrer Storefront noch das Kundenerlebnis. Das Kundenerlebnis in Ihrer Storefront wird nur durch die Erstellung und Bereitstellung von Empfehlungseinheiten verändert. Testen Sie vor der Bereitstellung in der Produktionsumgebung unbedingt die Nicht-Produktionsumgebung. Erstellen Sie außerdem keine Empfehlungseinheiten, bis Sie Ihre Vorlage anpassen. Siehe nächsten Schritt. -
Passen Sie die Vorlage an Ihren Stil an
Ihre Storefront repräsentiert Ihre Marke. Stellen Sie daher sicher, dass Sie die Vorlage für Produktempfehlungen entsprechend Ihrem Site-Design ändern.
note tip TIP Durch Anpassung der Vorlage können Sie Ihr Stylesheet festlegen, überschreiben, wo eine Empfehlungseinheit auf einer Seite angezeigt wird, usw. Informationen zum Abschließen dieses Schritts finden Sie unter Anpassen in der Entwicklerdokumentation.
-
Empfehlungen in Ihrer Nicht-Produktionsumgebung testen
Es empfiehlt sich immer, eine neue Technologie in Ihrer Nicht-Produktionsumgebung zu testen, bevor Sie sie für die Produktion bereitstellen. Durch das Testen von Empfehlungen in Ihrer Nicht-Produktionsumgebung können Sie mit verschiedenen Arten von Empfehlungseinheiten, Positionierungen und Seiten spielen. Sie können Empfehlungen basierend auf Verhaltensdaten abrufen, die bereits während des Testens in Ihrer Nicht-Produktionsumgebung in der Produktion erfasst wurden, sodass die Empfehlungsergebnisse auf dem Kaufverhalten der tatsächlichen Kunden basieren.
note tip TIP Stellen Sie sicher, dass Ihr Nicht-Produktions-Umgebungs-Katalog weitgehend mit dem in der Produktion vorhandenen Katalog übereinstimmt. Durch die Verwendung ähnlicher Kataloge wird sichergestellt, dass die in den Empfehlungseinheiten zurückgegebenen Produkte die Produkte in der Produktion sehr gut nachahmen. Informationen zum Abschließen dieses Schritts finden Sie unter Abrufen von Verhaltensdaten aus Ihrer Produktionsumgebung .
-
Erstellen und Bereitstellen von Empfehlungen für Ihr Produktions-Storefront
Nachdem Sie nun die verhaltensbasierte Datenerfassung in der Produktion bereitgestellt, die Vorlage für Produktempfehlungen geändert und Empfehlungen anhand des tatsächlichen Kaufverhaltens getestet haben, sind Sie bereit, sämtlichen Code für die Produktion weiterzuleiten und Empfehlungen für Live-Produkte zu erstellen.