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。
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。
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。
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.
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:
欄位名稱 | 類型 |
---|---|
itemId | 字串 |
interactionType | 字串 |
timestamp | 字串 |
userId | 字串 |
欄位名稱 | 類型 |
---|---|
建議 | 字串 |
userId | 整數 |
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:
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。