產品Recommendations配方可讓您根據客戶的需求和興趣量身打造個人化產品推薦。 有了準確的預測模型,客戶的購買記錄就能讓您深入瞭解他們可能會對哪些產品感興趣。
現今,零售商可以提供多種產品,為客戶提供許多選擇,但也可能阻礙客戶搜尋。 由於時間和精力限制,客戶可能無法找到他們想要的產品,導致購買行為與認知有高度不協調,或根本不會購買。
產品Recommendations的配方使用機器學習來分析客戶與過去產品的互動,並快速輕鬆地產生產品推薦的個人化清單。 如此可最佳化產品探索程式,並免除對客戶進行冗長、低效且無關的搜尋。 因此,產品Recommendations配方可以改善客戶的整體購買體驗,進而提高參與度和品牌忠誠度。
您可以依照Adobe Experience Platform Lab教學課程來開始使用(請參閱下方的Lab連結)。 本教學課程將示範如何遵循下列步驟,在Jupyter Notebook中建立「產品Recommendations」配方 記事本至配方 工作流程,並在中實作配方 Experience Platform Data Science Workspace.
此配方使用自訂 XDM結構描述 若要為輸入和輸出資料建立模型:
欄位名稱 | 類型 |
---|---|
itemId | 字串 |
interactiontype | 字串 |
timestamp | 字串 |
userId | 字串 |
欄位名稱 | 類型 |
---|---|
recommendations | 字串 |
userId | 整數 |
產品Recommendations配方利用合作篩選,為您的客戶產生個人化的產品推薦清單。 協同篩選不同於以內容為基礎的方法,不需要特定產品的相關資訊,而是利用客戶對一組產品的歷史偏好設定。 這項強大的建議技術使用兩個簡單的假設:
此程式分為兩個主要步驟。 首先,定義類似客戶的子集。 然後,在該集合中,識別這些客戶中的類似功能,以便為目標客戶傳回建議。