DokumentationCommerceHandbuch zu Product Recommendations

Erfassen von Daten

Last update: Mon May 05 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Erstellt für:

  • Admin

Wenn Sie SaaS-basierte Adobe Commerce-Funktionen wie Product Recommendations oder Live Search installieren und konfigurieren, stellen die Module die Verhaltensdatenerfassung für Ihre Storefront bereit. Dieser Mechanismus erfasst anonymisierte Verhaltensdaten von Ihren Käufern und unterstützt Product Recommendations. Beispielsweise wird das view Ereignis verwendet, um den Viewed this, viewed that Empfehlungstyp zu berechnen, und das place-order Ereignis wird verwendet, um den Bought this, bought that Empfehlungstyp zu berechnen.

NOTE
Die Datenerhebung zum Zwecke der Product Recommendations umfasst keine personenbezogenen Daten (PII). Alle Benutzerkennungen wie Cookie-IDs und IP-Adressen werden streng anonymisiert. Weitere (.

Healthcare-Kunden

Wenn Sie Kundschaft im Gesundheitswesen sind und die Data Services HIPAA-Erweiterung installiert haben, die Teil der Data Connection-Erweiterung ist, werden von Product Recommendations verwendete Storefront-Ereignisdaten nicht mehr erfasst. Dies liegt daran, dass Storefront-Ereignisdaten Client-seitig generiert werden. Um weiterhin Storefront-Ereignisdaten zu erfassen und zu senden, aktivieren Sie die Ereigniserfassung für Product Recommendations erneut. Weitere Informationen finden unterAllgemeine Konfiguration“.

Datentypen und Ereignisse

Es gibt zwei Arten von Daten, die in Produktempfehlungen verwendet werden:

  • Verhalten - Daten aus der Interaktion eines Käufers auf Ihrer Site, z. B. Produktansichten, Artikel, die zum Warenkorb hinzugefügt werden, und Käufe.
  • Katalog - Produktmetadaten, z. B. Name, Preis, Verfügbarkeit usw.

Bei der Installation des magento/product-recommendations aggregiert Adobe Sensei die Verhaltens- und Katalogdaten und erstellt für jeden Empfehlungstyp Produktempfehlungen. Der Produktempfehlungs-Service stellt diese Empfehlungen dann in Form eines Widgets, das das empfohlene Produkt (die empfohlenen ) enthält, in Ihrer Storefront.

Einige Empfehlungstypen verwenden Verhaltensdaten von Kundinnen und Kunden, um Modelle für maschinelles Lernen zu trainieren, um personalisierte Empfehlungen zu erstellen. Andere Empfehlungstypen verwenden nur Katalogdaten und verwenden keine Verhaltensdaten. Wenn Sie Produktempfehlungen schnell auf Ihrer Site verwenden möchten, können Sie die folgenden, nur für den Katalog geeigneten Empfehlungstypen verwenden:

  • More like this
  • Visual similarity

Kaltstart

Ab wann können Empfehlungstypen verwendet werden, die Verhaltensdaten verwenden? Es kommt darauf an. Dies wird als ""- bezeichnet.

Das Kaltstart-Problem bezieht sich auf die Zeit, die ein Modell benötigt, um trainiert und effektiv zu werden. Für Produktempfehlungen bedeutet dies, dass Sie warten müssen, bis Adobe Sensei genügend Daten gesammelt hat, um seine Modelle für maschinelles Lernen zu trainieren, bevor Sie Empfehlungseinheiten auf Ihrer Site bereitstellen. Je mehr Daten die Modelle haben, desto genauer und nützlicher sind die Empfehlungen. Da die Datenerfassung auf einer Live-Site erfolgt, ist es am besten, diesen Prozess frühzeitig durch die Installation und Einrichtung des magento/production-recommendations-Moduls zu starten.

Die folgende Tabelle enthält einige allgemeine Hinweise dazu, wie lange es dauert, bis für jeden Empfehlungstyp genügend Daten erfasst sind:

Empfehlungstyp
Trainingszeit
Notizen
Beliebtheitsbasiert (Most viewed, Most purchased, Most added to cart)
Variiert
Hängt von der Menge der Ereignisse ab - Ansichten sind am häufigsten und lernen daher schneller; fügt dann zum Warenkorb hinzu und kauft
Viewed this, viewed that
Erfordert mehr Schulung
Das Volumen der Produktansichten ist annehmbar hoch
Viewed this, bought that, Bought this, bought that
Erfordert die meiste Schulung
Kaufereignisse sind die seltensten Ereignisse auf einer Commerce-Site, insbesondere im Vergleich zu Produktansichten
Trending
Erfordert drei Tage Daten, um eine Popularitätsbasislinie zu erstellen
Der Trend ist ein Maß für die jüngste Dynamik in der Popularität eines Produkts verglichen mit seiner eigenen Popularitätsbasislinie. Der Trend-Score eines Produkts wird anhand eines Vordergrundsatzes (aktuelle Popularität über 24 Stunden) und eines Hintergrundsatzes (Popularitätsbasislinie über 72 Stunden) berechnet. Wenn die Popularität eines Elements innerhalb eines Zeitraums von 24 Stunden im Vergleich zu seiner Grundbeliebtheit signifikant zunimmt, erhält es einen hohen Trend-Score. Jedes Produkt hat diese Bewertung, und die Artikel mit der höchsten Bewertung zu jeder Zeit umfassen die Gruppe der Top-Trend-Produkte.

Andere Variablen, die sich auf die für das Training benötigte Zeit auswirken können:

  • Höheres Traffic-Volumen trägt zu schnellerem Lernen bei
  • Einige Empfehlungstypen trainieren schneller als andere
  • Adobe Commerce berechnet die Verhaltensdaten alle vier Stunden neu. Empfehlungen werden umso genauer, je länger sie auf Ihrer Site verwendet werden.

Auf der Seite „Empfehlung erstellen werden Bereitschaftsindikatoren angezeigt, damit Sie den Trainings-Fortschrittjeden Empfehlungstyp visualisieren können.

Während Daten auf Ihrer Live-Site erfasst werden und die Modelle für maschinelles Lernen trainiert werden, können Sie andere Test- und Konfigurationsaufgaben abschließen, die zum Einrichten von Empfehlungen erforderlich sind. Wenn Sie mit dieser Arbeit fertig sind, verfügen die Modelle über genügend Daten, um nützliche Empfehlungen zu erstellen, sodass Sie sie in Ihrer Storefront bereitstellen können.

Wenn auf Ihrer Site nicht genügend Traffic (Ansichten, Käufe, Trends) für die meisten Produkt-SKUs vorhanden ist, sind möglicherweise nicht genügend Daten vorhanden, um den Lernprozess abzuschließen. Dadurch kann der Bereitschaftsindikator im Admin-Bereich hängen bleiben. Die Bereitschaftsindikatoren sollen Händlern einen weiteren Datenpunkt bei der Auswahl des Recommendations-Typs bieten, der für ihren Store besser ist. Die Zahlen sind Richtwerte und erreichen möglicherweise nie 100 %. Weiterezu Bereitschaftsindikatoren.

Empfehlungen für Backups backuprecs

Wenn die Eingabedaten nicht ausreichen, um alle angeforderten Empfehlungselemente in einer Einheit bereitzustellen, bietet Adobe Commerce Sicherungsempfehlungen zum Ausfüllen von Empfehlungseinheiten. Wenn Sie beispielsweise den Recommended for you Empfehlungstyp auf Ihrer Homepage bereitstellen, hat ein Erstkäufer auf Ihrer Site nicht genügend Verhaltensdaten generiert, um personalisierte Produkte korrekt zu empfehlen. In diesem Fall zeigt Adobe Commerce Elemente basierend auf dem Most viewed Empfehlungstyp an diesen Käufer an.

Bei unzureichender Erfassung von Eingabedaten greifen die folgenden Empfehlungstypen auf Most viewed Empfehlungstyp zurück:

  • Recommended for you
  • Viewed this, viewed that
  • Viewed this, bought that
  • Bought this, bought that
  • Trending
  • Conversion (view to purchase)
  • Conversion (view to cart)

-Events

Der Ereignissammler für die Adobe Commerce-Storefront listet alle Ereignisse auf, die in Ihrer Storefront bereitgestellt wurden. In dieser Liste gibt es eine Teilmenge von Ereignissen, die spezifisch für Product Recommendations sind. Diese Ereignisse erfassen Daten, wenn Käufer mit Empfehlungseinheiten in der Storefront interagieren, und ermöglichen es den Metriken, zu analysieren, wie gut Ihre Empfehlungen funktionieren.

Ereignis
Beschreibung
impression-render
Wird gesendet, wenn die Empfehlungseinheit auf der Seite dargestellt wird. Wenn eine Seite zwei Empfehlungseinheiten hat (gekauft, Ansicht), werden zwei impression-render gesendet. Dieses Ereignis wird verwendet, um die Metrik für Impressionen zu verfolgen.
rec-add-to-cart-click
Der Käufer klickt auf die Schaltfläche Zum Warenkorb hinzufügen für einen Artikel in der Empfehlungseinheit.
rec-click
Der Käufer klickt in der Empfehlungseinheit auf ein Produkt.
view
Wird gesendet, wenn die Empfehlungseinheit zu mindestens 50 % sichtbar wird, z. B. durch Scrollen auf der Seite nach unten. Wenn beispielsweise eine Empfehlungseinheit über zwei Zeilen verfügt, wird ein view gesendet, sobald eine Zeile plus ein Pixel der zweiten Zeile für den Erstkäufer sichtbar wird. Wenn der Erstkäufer die Seite mehrmals nach oben und unten scrollt, wird das view so oft gesendet, wie der Erstkäufer die gesamte Empfehlungseinheit erneut auf der Seite sieht.
NOTE
Metriken für Produktempfehlungen sind für Luma-Storefronts optimiert. Wenn Ihre Storefront mit PWA Studio implementiert ist, lesen Sie die Dokumentation zu PWA. Wenn Sie eine benutzerdefinierte Frontend-Technologie wie React oder Vue JS verwenden, erfahren Sie, wie Sie Produktempfehlungen in eine Headless- integrieren.

Erforderliche Dashboard-Ereignisse

Die folgenden Ereignisse sind erforderlich, um das (DashboardProduct Recommendations auszufüllen

Dashboard-Spalte
-Events
Feld verbinden
Impressionen
page-view, recs-request-sent, recs-response-received, recs-unit-render
unitId
Ansichten
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view
unitId
Klicks
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click
unitId
Einnahmen
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-order
unitId, sku, parentSku
LT-Umsatz
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-order
unitId, sku, parentSku
CTR
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-item-click, recs-add-to-cart-click
unitId, sku, parentSku
vCTR
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view, recs-item-click, recs-add-to-cart-click
unitId, sku, parentSku

Die folgenden Ereignisse sind nicht spezifisch für Produktempfehlungen, sind jedoch erforderlich, damit Adobe Sensei Kundendaten korrekt interpretiert:

  • view
  • add-to-cart
  • place-order

Empfehlungstyp

In dieser Tabelle werden die von den einzelnen Empfehlungstypen verwendeten Ereignisse beschrieben.

Empfehlungstyp
-Events
Seite
Am häufigsten angezeigt
page-view
product-view
Produktdetailseite
Am häufigsten gekauft
page-view
place-order
Warenkorb/Checkout
Am häufigsten zum Warenkorb hinzugefügt
page-view
add-to-cart
Produktdetailseite
Produktlistenseite
Warenkorb
Wunschliste
hat dieses angezeigt, hat Folgendes angezeigt
page-view
product-view
Produktdetailseite
Das hier angesehen, das gekauft
Produkt-Recs
page-view
product-view
Das kaufte ich, das kaufte ich
Produkt-Recs
page-view
product-view
Trend
page-view
product-view
Produktdetailseite
Konversion: Zum Kauf anzeigen
Produkt-Recs
page-view
product-view
Konversion: Zum Kauf anzeigen
Produkt-Recs
page-view
place-order
Konversion: In Warenkorb anzeigen
Produkt-Recs
page-view
product-view
Konversion: In Warenkorb anzeigen
Produkt-Recs
page-view
add-to-cart

Einschränkungen

  • Anzeigenblocker und Datenschutzeinstellungen können verhindern, dass Ereignisse erfasst werden, und können dazu führen, dass die Interaktion und der Umsatz Metriken nicht erfasst werden. Darüber hinaus werden einige Ereignisse möglicherweise nicht gesendet, weil der Käufer die Seite oder das Netzwerk verlassen hat.
  • Headless-Implementierungen müssen das Eventing implementieren, um das Produktempfehlungs-Dashboard zu unterstützen.
  • Für konfigurierbare Produkte verwenden Produktempfehlungen das Bild des übergeordneten Produkts in der Empfehlungseinheit. Wenn für das konfigurierbare Produkt kein Bild angegeben ist, ist die Empfehlungseinheit für dieses spezifische Produkt leer.
NOTE
Wenn Cookie-Einschränkungsmodus aktiviert ist, erfasst Adobe Commerce keine Verhaltensdaten, bis der Käufer der Verwendung von Cookies zustimmt. Wenn der Cookie-Einschränkungsmodus deaktiviert ist, erfasst Adobe Commerce standardmäßig Verhaltensdaten.
recommendation-more-help
54da8d7a-609c-4edf-9db2-a50941aff68e