「產品建議」方式可讓您提供符合客戶需求和興趣的個人化產品建議。 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。
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。
「產品建議」方式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,「產品建議」方式可改善客戶的整體購買體驗,進而提高參與度並增強品牌忠誠度。
您可依照Adobe Experience Platform Lab教學課程(請參閱下面的Lab連結)開始使用。 本教學課程將示範如何在Jupyter筆記型電腦中建立「產品建議」配方,方法是依 照筆記型電腦的配方工作流程 ,並在中實作配方 Experience PlatformData Science Workspace。
此方式使用自訂 XDM結構 ,來模擬輸入和輸出資料:
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 |
「產品建議」方式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:
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。