[Premium]{class="badge positive" title="Hier finden Sie Informationen zum Lieferumfang von Target Premium."}

Verwenden von Adobe Analytics mit Recommendations

Durch die Verwendung von Adobe Analytics als Verhaltensdatenquelle können Kunden die ansichtsbasierten und/oder kaufbasierten Verhaltensdaten von Analytics in Adobe Target Recommendations verwenden. Diese Funktion ist besonders hilfreich in Situationen, in denen die Target Recommendations neu ist und Analytics viele historische Daten zu verwenden hat.

Die Verwendung von Analytics als Verhaltensdatenquelle kann als umfangreiche Quelle für Informationen zum Benutzerverhalten dienen. Diese Informationen können Daten aus einer Drittanbieterquelle oder einem Feed enthalten, die bzw. der nur für Analytics freigegeben wird.

Beim ErstellenKriterien“ in Recommendations gibt es zwei Optionsfelder, mit denen Sie auswählen können, welche Datenquelle verwendet werden soll: mboxes oder Analytics. Um ein Kriterium zu erstellen, klicken Sie auf Recommendations > Criteria > Create Criteria > Create Criteria. Weitere Informationen finden Sie unter Kriterien erstellen.

Schaltflächen für Verhaltensdatenquellen

NOTE
Wenn diese beiden Schaltflächen nicht in Ihrem Konto angezeigt werden, wenden Sie sich an die Kundenunterstützung.

Anwendungsbeispiele für Analytics-Daten in Target

Durch die Verwendung von Analytics als Verhaltensdatenquelle für Recommendations können Sie auch bestimmte Anwendungsfälle bereitstellen, ohne dass Entitätsseiten mit allen Target Entitätsparametern getaggt werden müssen. Obwohl dies bestimmte Voraussetzungen erfordert, ist die Verfügbarkeit von „Produktvariablen“ das Wichtigste, damit diese Funktion nahtlos funktioniert. Reguläre eVars und Props reichen nicht aus, damit dieser Handshake automatisch zwischen Analytics und Target stattfindet.

Sie können Analytics als Verhaltensdatenquelle verwenden, um:

  • Zeigen Sie Benutzern auf einer Einzelhandels-Website Empfehlungen auf einer Produktdetailseite an, die darauf basieren, was andere Benutzer mithilfe von Analytics im letzten Monat von derselben Kategorie gekauft haben.
  • Zeigen Sie Inhalte auf dem Startbildschirm einer Medien-Site für die beliebtesten Inhalte in einer bestimmten Kategorie an, die derzeit auf der Grundlage Analytics Daten im Trend liegt.

Implementierung in Analytics

Die folgenden Abschnitte helfen Ihnen bei der Implementierung dieser Funktion auf der Analytics Seite.

Voraussetzungen: Einrichten von Produktvariablen in Analytics

Implementieren Sie Produktvariablen in Analytics mit den erforderlichen Attributen, die für die Target Recommendations erforderlich sind.

Ein Target Recommendations Beispiel-Feed-Format dient als Anleitung, für das alle Attribute in den Produktvariablen definiert werden müssen. Später müssen diese Werte in der Target-Benutzeroberfläche für die jeweiligen Target Entitätswerte „zugeordnet“ werden.

NOTE
Wenn es sich um eine Inhalts-Site handelt, müssen die entsprechenden Inhaltselemente als „Produkte“ behandelt werden und die zugehörigen Attribute zu diesem Inhalt müssen als Attribute übergeben werden. Zu diesen Attributen gehören u. a. der Name des Autors, das Veröffentlichungsdatum, der Titel des Inhalts, der Monat der Veröffentlichung usw. Die Granularität von Kategorieebenen oder Kategorietypen sollte vom Unternehmen auf der Grundlage von Anwendungsfallanforderungen festgelegt werden.

Weitere Informationen zum Einrichten von Produktvariablen finden Sie unter Produkte im Implementieren von Adobe Analytics. Einige Hinweise in dieser Dokumentation erfordern die Diskretion des Teams, das sie bereitstellt (Beispiel : Kategorie). Es wird immer empfohlen, Adobe vor dieser Aktivität zu konsultieren.

Zu beachten

Analytics Daten werden über einen täglichen Feed gesendet. Es kann bis zu 24 Stunden dauern, bis Verhaltensergebnisse in den Recommendations-Ergebnissen auf Ihrer Site widergespiegelt werden. Wie bei allen Recommendations-Kriterieneinstellungen kann und sollte diese Datenquelle getestet werden.

Um schnell entscheiden zu können, welche Datenquelle verwendet werden soll, sollten Sie eine Target Mbox als Verhaltensdatenquelle verwenden, wenn täglich viele organische Daten von Benutzenden generiert werden und nicht viel Abhängigkeit von historischen Daten besteht. Wenn Sie in Fällen geringerer Verfügbarkeit von kürzlich generierten organischen Daten auf Analytics Daten bauen möchten, ist die Verwendung von Analytics als Verhaltensdatenquelle eine gute Wahl.

Jetzt ist es an der Zeit, diese Variablen auf Target Seite abzubilden, um eine kontinuierliche Bereitstellung von Verhaltensdaten zu ermöglichen.

In Target implementieren

  1. Klicken Sie Target auf Recommendations und dann auf die Registerkarte Feeds .

    Feeds

  2. Klicken Sie auf Create Feed.

  3. Wählen Sie Analytics Classifications und geben Sie dann die Report Suite an.

    Analytics Classifications-Option

  4. Klicken Sie auf Next , um zu den Schedule Einstellungen zu gelangen und einen Häufigkeitszeitraum für den Feed auszuwählen:

    • Daily
    • Weekly
    • Every 2 weeks
    • Never

    Sie können auch die Tageszeit auswählen, zu der der Feed verarbeitet werden soll.

  5. Klicken Sie auf Next , um zu den Mapping Einstellungen zu gelangen, und ordnen Sie dann die Feldspaltenüberschriften den entsprechenden Recommendations Feldnamen zu.

    Abschnitt Zuordnung

  6. Klicken Sie auf Save.

Häufig gestellte Fragen

Beachten Sie bei der Verwendung von Analytics mit Target die folgenden häufig gestellten Fragen:

Müssen die entity.id- und entity.categoryId Werte innerhalb des Target-Mbox-Aufrufs übergeben werden?

Ja, diese beiden Werte sind weiterhin erforderlich. Der Rest der Attribute kann über einen Analytics-Feed übergeben werden, wie in diesem Dokument beschrieben.

Kann ich dynamische Einschlussregeln verwenden, z. B. Entitätsparameter stimmt mit Profilattributen überein, die den Analytics-Feed-Ansatz verwenden?

Ja, das können Sie. Die Methode ist bei Verwendung Target eigenständigen Journeys ähnlich. In diesem Fall müssen Sie jedoch auf den Faktor Timing achten. Die Entitätsvariablen, die mit den Profilvariablen übereinstimmen sollen, hängen von der Datenschicht ab, die viel später auf der Seite angezeigt werden kann.

recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654