Erfassen von Daten

Wenn Sie Product Recommendations installieren und konfigurieren, stellt das Modul die Verhaltensdatenerfassung in Ihrer 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.

Weitere Informationen zu den Verhaltensdaten​ die von ​-Ereignissen erfasst werden, finden Sie in der Product RecommendationsEntwicklerdokumentation“.

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 ​ unter ​Allgemeine Konfiguration“.

Datentypen und Ereignisse

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

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:

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:

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

Auf der Seite „Empfehlung erstellen​ werden Bereitschaftsindikatoren angezeigt, damit Sie den Trainings-Fortschritt ​ jeden 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 %. Weitere ​ zu 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:

Einschränkungen