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。

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

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

輸出資料模式

欄位名稱 類型
建議 字串
userId 整數

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。

本頁內容

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now