產品建議方式

產品Recommendations方式可讓您根據客戶的需求和興趣，提供個人化的產品建議。 透過精確的預測模型，客戶的購買記錄可讓您深入了解他們可能感興趣的產品。

這個食譜是為誰建的？

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

這食譜是做什麼的？

產品Recommendations配方使用機器學習來分析客戶過去與產品的互動，並快速輕鬆產生產品建議的個人化清單。 這樣可以優化產品發現過程，並消除對客戶的長時間、低效、無關的搜索。 因此，產品Recommendations方式可改善客戶的整體購買體驗，進而提升參與度和提升品牌忠誠度。

如何開始？

您可以依照Adobe Experience Platform Lab教學課程（請參閱下方的Lab連結）來開始使用。 本教學課程將示範如何遵循以下步驟，在Jupyter筆記型電腦中建立產品Recommendations配方： 筆記型電腦 工作流程，並在中實作方式 Experience Platform Data Science Workspace.

資料結構

此方式使用自訂 XDM結構 要建立輸入和輸出資料的模型，請執行以下操作：

輸入資料結構

欄位名稱 類型
itemId 字串
interactionType 字串
timestamp 字串
userId 字串

輸出資料架構

欄位名稱 類型
建議 字串
userId 整數

演算法

產品Recommendations方式利用協作篩選為客戶產生個人化產品建議清單。 協作篩選（與基於內容的方法不同）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。 這項功能強大的建議技術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分組。
  • 客戶對基於相似客戶的購買和瀏覽行為的建議更感興趣。

此程式分為兩個主要步驟。 首先，定義類似客戶的子集。 然後，在該集合內，識別這些客戶之間的類似功能，以傳回目標客戶的建議。

本頁內容