Erfassen von Daten
- Themen:
- Events
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.
NOTEHealthcare-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 thisVisual 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:
Most viewed, Most purchased, Most added to cart)Viewed this, viewed thatViewed this, bought that, Bought this, bought thatTrendingAndere 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
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 youViewed this, viewed thatViewed this, bought thatBought this, bought thatTrendingConversion (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.
impression-renderimpression-render gesendet. Dieses Ereignis wird verwendet, um die Metrik für Impressionen zu verfolgen.rec-add-to-cart-clickrec-clickviewview 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.NOTEErforderliche Dashboard-Ereignisse
Die folgenden Ereignisse sind erforderlich, um das (DashboardProduct Recommendations auszufüllen
page-view, recs-request-sent, recs-response-received, recs-unit-renderunitIdpage-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-viewunitIdpage-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-clickunitIdpage-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-orderunitId, sku, parentSkupage-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-orderunitId, sku, parentSkupage-view, recs-request-sent, recs-response-received, recs-unit-render, recs-item-click, recs-add-to-cart-clickunitId, sku, parentSkupage-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view, recs-item-click, recs-add-to-cart-clickunitId, sku, parentSkuDie folgenden Ereignisse sind nicht spezifisch für Produktempfehlungen, sind jedoch erforderlich, damit Adobe Sensei Kundendaten korrekt interpretiert:
viewadd-to-cartplace-order
Empfehlungstyp
In dieser Tabelle werden die von den einzelnen Empfehlungstypen verwendeten Ereignisse beschrieben.
page-viewproduct-viewpage-viewplace-orderpage-viewadd-to-cartProduktlistenseite
Warenkorb
Wunschliste
page-viewproduct-viewpage-viewproduct-viewpage-viewproduct-viewpage-viewproduct-viewpage-viewproduct-viewpage-viewplace-orderpage-viewproduct-viewpage-viewadd-to-cartEinschränkungen
- 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