Target Personalization: Erste Schritte mit der Recommendations- und Kategorieaffinität
Erfahren Sie, wie Sie eine solide Grundlage für die ersten Schritte mit Recommendations schaffen. Sie erhalten ein besseres Verständnis der Algorithmen, die Recs unterstützen, und erfahren, wie Sie Recs erfolgreich nutzen können.
Wichtige Erkenntnisse
- Recommendations in Rex bietet Personalisierung in jedem Maßstab und ermöglicht intelligente Empfehlungen von Hunderten oder Tausenden von Elementen, die auf ausgewählten Algorithmen wie verhaltensbasiert, populärbasiert, Inhaltsähnlichkeit und mehr basieren.
- Rex bietet Anpassungsoptionen wie Sequenzierung, Gewichtung, Ausschlussregeln und mehr, was es zu einem starken Tool für die personalisierte Merchandising-Steuerung macht.
- Rex ist ideal für die Empfehlung einer großen Anzahl von Produkten oder Inhaltselementen für Tausende oder Millionen von Elementen und bietet personalisierte Empfehlungen auf der Grundlage von Benutzerprofilen.
- Rex ist möglicherweise nicht für Szenarien mit einer geringen Anzahl von Angeboten, sich schnell ändernden Katalogelementen, geringer Interaktionsfrequenz oder wenn die Personalisierung in erster Linie auf Benutzermerkmalen wie Treuesegmenten oder Geografie basiert.
- Das Einrichten von Recommendations in Rex umfasst das Unterrichten des Systems über Produkte oder Inhalte durch Katalogerstellung, das Erfassen von Benutzerverhaltensdaten und das Bereitstellen von Kontext für Recommendations, die angezeigt werden.
- Kategorieaffinität konzentriert sich auf die Empfehlung von Kategorien oder Gruppierungen von Produkten oder Inhalten und nicht auf bestimmte Elemente, basierend auf Benutzerinteraktionen und Punkten, die verschiedenen Kategorien zugewiesen sind.
- Die Kategorieaffinität kann genutzt werden, indem Zielgruppen basierend auf Benutzereinstellungen eingerichtet, Kategorien Punkte zugewiesen und Kriterien wie „Favorit“ oder „Erste“ verwendet werden, um Empfehlungen zu personalisieren.
- Kriteriensequenzen in Rex ermöglichen es, Empfehlungen basierend auf dem Besucherverhalten und der Datentiefe zu priorisieren und so eine vollständige Vorlage empfohlener Elemente sicherzustellen, indem Kriterien auf der Grundlage des Besucherwerts und -verhaltens überlagert werden.
- Die Flexibilität der Rex-Kriteriensequenzen ermöglicht die Priorisierung von Empfehlungen, indem zuerst hochwertige Kriterien zugewiesen und die Vorlage nach Bedarf mit zusätzlichen Kriterien ausgefüllt wird.
- Die Nutzung von Kriteriensequenzen ist wichtig, um eine Tiefe der empfohlenen Elemente sicherzustellen, insbesondere wenn Kategorien mit unterschiedlichen Granularitätsebenen behandelt werden.
recommendation-more-help
abac5052-c195-43a0-840d-39eac28f4780