產品建議方式

「產品Recommendations配方」可讓您根據客戶的需求和興趣提供個人化產品建議。 透過精確的預測模型，客戶的購買記錄可讓您深入瞭解他們可能感興趣的產品。

這道菜是給誰做的？

在現代，零售商可以提供多種產品，為客戶提供許多選擇，這也會阻礙客戶搜尋。 由於時間和精力的限制，客戶可能找不到他們想要的產品，導致購買時認知不和諧或完全不購買。

這道菜是幹什麼的？

「產品Recommendations」配方使用機器學習來分析客戶過去與產品的互動，並快速且輕鬆地產生產品建議的個人化清單。 這樣可以優化產品發現過程，並消除對客戶的長期、低效、無關的搜索。 因此，「產品Recommendations」配方可改善客戶的整體購買體驗，進而提高客戶參與度並提升品牌忠誠度。

如何開始使用？

您可以按照Adobe Experience Platform實驗室教程（請參見下面的實驗室連結）開始操作。 本教學課程將示範如何在Jupyter筆記型電腦中建立「產品Recommendations配方」，方法是遵循筆記型電腦至recipe工作流程，並在Experience Platform Data Science Workspace中實作配方。

• 實驗：使用資料科學工作區預測未來
• 實驗室資源

資料架構

此方式使用自訂XDM結構來模擬輸入和輸出資料：

輸入資料結構

輸出資料模式

演算法

「產品Recommendations」配方利用協作篩選為客戶產生產品建議的個人化清單。 與基於內容的方法不同，協作篩選不需要有關特定產品的資訊，而是利用客戶對一組產品的歷史偏好。 此強大的建議技巧使用兩個簡單的假設：

• 有些客戶有類似的興趣，可透過比較其購買和瀏覽行為來將他們分組。
• 客戶在購買和瀏覽行為方面更可能會對類似客戶的建議感興趣。

此程式分為兩個主要步驟。 首先，定義相似客戶的子集。 然後，在該集合內，識別這些客戶之間的相似功能，以便為目標客戶傳回建議。