Recommendations基于算法使用访客行为上下文显示相关结果 Adobe Target Recommendations 活动。
每种算法类型为其类型提供不同的算法,如下表所示:
算法类型 | 何时使用 | 可用算法 |
---|---|---|
基于购物车 | 根据用户的购物车内容进行推荐。 |
|
基于热门程度 | 根据网站上某个项目的整体受欢迎程度或用户最喜爱或最常查看的类别、品牌、流派等项目的受欢迎程度,提出推荐。 |
|
基于项目 | 根据查找与用户当前正在查看或最近已查看的项目类似的项目来提供推荐。 |
|
基于用户 | 根据用户的行为进行推荐。 |
|
自定义标准 | 根据您上传的自定义文件进行推荐。 |
|
每个标准都在其自身的选项卡中进行定义。流量会在不同的标准测试中均匀拆分。换句话说,如果您有两个标准,则流量会在这两个标准之间平均拆分。如果您有两个标准和两个设计,则流量会在四种组合之间平均拆分。您也可指定一定数量的网站访客(百分比),这部分访客将看到默认内容以进行对比。在这种情况下,指定百分比的访客会看到默认内容,其余访客将按您的标准和设计组合进行拆分。
有关创建标准并定义其算法类型和算法的更多信息,请参阅 创建标准.
不同的推荐算法会将自己放置在不同类型的页面上。 有关每种算法类型及其可用算法的更多信息,请参阅以下各节。
的 基于购物车 算法类型允许根据访客当前购物车的内容推荐项目。 推荐键通过mbox参数提供 cartIds
以逗号分隔值表示。 仅考虑前 10 个值。
基于购物车的推荐逻辑与“推荐给您“基于用户的算法”和“查看了这些项目,购买了这些项目的人"和"购买了这些,也购买了那些的人“基于项目的算法。
Target 使用协作筛选技术确定访客购物车中每个项目的相似性,然后将每个项目中的这些行为相似性合并在一起,以获得合并列表。
Target 此外,营销人员还可以选择在单个会话或多个会话中查看访客行为:
单个会话:基于其他访客在单个会话中的操作。
当有一种感觉,即产品会根据使用情况、时机或事件强烈地“一起使用”时,在单个会话中查看行为可能会很有意义。 例如,访客正在购买打印机,并且可能还需要墨水和纸张。 或者,游客正在购买花生酱,可能还需要面包和果冻。
跨会话:基于其他访客在多个会话中执行的操作。
当有一种感觉,即产品会根据访客偏好或品味强烈地彼此“一起使用”时,跨多个会话查看行为可能会很有意义。 例如,访客喜欢《星球大战》,也可能喜欢《印第安纳·琼斯》,即使该访客不一定想在同一座位上观看两个电影。 或者,访客喜欢棋盘游戏“代号”,也可能喜欢棋盘游戏“Avalon”,即使访客不能同时玩两个游戏。
Target 无论您是查看单个会话中的访客行为还是多个会话中的访客行为,都会根据每个访客当前购物车中的项目为其提供推荐。
以下算法可在 基于购物车 算法类型:
推荐在查看了指定项目的同一会话中最常查看的项目。
此逻辑可返回查看此产品后查看的其他产品;结果集中不包含指定的产品。
通过此逻辑,您可以通过推荐其他查看了某个项目的访客也查看了该项目来创建其他转化机会。 例如,在您的站点上查看道路自行车的访客也可能会查看自行车头盔、自行车工具包、锁等。 您可以使用此逻辑创建推荐,以建议其他产品帮助您增加收入。
如果选择此算法,则可以选择以下Recommendations键:
推荐在查看了指定项目的同一会话中最常购买的项目。此标准会返回客户在查看指定项目后所购买的其他产品,返回的结果集中不包含指定的产品。
此逻辑可返回查看此产品后购买的其他产品;结果集中不包含指定的产品。
通过此逻辑,您可以通过在产品页面上显示推荐来增加交叉销售机会,例如,该推荐可显示其他查看了已购买项目的访客所购买的项目。 例如,如果访客正在查看钓竿,则推荐可显示其他访客购买的其他项目,如截钩箱、钓鱼器和钓鱼钩。 当访客浏览您的网站时,您会向他们提供其他购买建议。
如果选择此算法,则可以选择以下Recommendations键:
推荐客户在购买指定项目的同时最常购买的其他项目。
此逻辑可返回购买此产品后购买的其他产品;结果集中不包含指定的产品。
通过此逻辑,您可以通过在购物车摘要页面上显示推荐来增加交叉销售机会,例如,该推荐可显示其他购买者也购买的项目。 例如,如果访客正在购买套装,则推荐可显示其他访客随套装一起购买的其他项目,如领带、连衣鞋和袖扣。 当访客查看其购买内容时,您会向他们提供其他建议。
如果选择此算法,则可以选择以下Recommendations键:
的 基于热门程度 算法类型允许您根据网站中某个项目的整体受欢迎程度或用户最喜爱或最常查看的类别、品牌、流派等中该项目的受欢迎程度,进行推荐。
以下算法可在 基于热门程度 算法类型:
推荐由最常查看的项目决定。 它由新近度/频率标准通过如下计算方式来决定:
例如,在一个会话中查看冲浪板 A 后再查看冲浪板 B 的结果是 A:10,B:5。会话结束时,您具有A:5、B:2.5.如果在下一会话中查看相同的项目,则值将更改为A:15 B:7.5。
在常规页面(如主页或登陆页面及站外广告)上使用此算法。
推荐由获得最多活动的类别决定,使用的方法与“查看次数最多的项目”相同,但是由类别接受评分,而非产品。
它由新近度/频率标准通过如下计算方式来决定:
首次访问类别得 10 分。接下来每次访问同一类别得 5 分。每次访问中之前查看过的非当前类别将减 1 分。
例如,在一个会话中查看类别 A 后再查看类别 B 的结果是 A:9,B:10。如果您在下一个会话中查看相同的项目,则值将更改为 A:20,B:9。
在常规页面(如主页或登陆页面及站外广告)上使用此算法。
如果选择“按类别查看次数最多”算法,则可以选择以下Recommendations键:
推荐与网站上查看次数最多的项目或媒体类似的项目或媒体。
此算法允许您选择要基于推荐的项目属性,例如“名称”或“品牌”。
然后,您可以选择要匹配的访客配置文件中存储的配置文件属性,例如“最喜爱的品牌”、“添加到购物车的最后项目”或“查看次数最多的节目”。
显示包含在网站内最完成订单中的项目。 同一项目在一个订单中购买多件会被计为一次订购。
此算法允许您为网站上的最畅销项目创建推荐,以提高转化率和收入。 此逻辑尤其适用于首次访问您网站的访客。
按类别显示包含在最完成订单中的项目。 同一项目在一个订单中购买多件会被计为一次订购。
此算法允许您根据类别为网站上的最畅销项目创建推荐,以增加转化和收入。 此逻辑尤其适用于首次访问您网站的访客。
如果选择“按类别查看次数最多”算法,则可以选择以下Recommendations键:
(即将提供信息)
显示“前x”,其中 x 是任意的 Analytics 量度。 使用mbox中的行为数据时,您可以使用“最畅销”或“最常查看”(x =“已售”或x =“已查看”)。 如果您使用的是 Adobe Analytics,您可以使用x =“购物车加货”或其他 Analytics 量度。
的 基于项目 推荐类型允许您根据查找与用户当前正在查看或最近查看的项目类似的项目来进行推荐。
以下算法可在 基于项目 算法类型:
推荐在查看了指定项目的同一会话中最常查看的项目。
此逻辑可返回查看此产品后查看的其他产品;结果集中不包含指定的产品。
通过此逻辑,您可以通过推荐其他查看了某个项目的访客也查看了该项目来创建其他转化机会。 例如,在您的站点上查看道路自行车的访客也可能会查看自行车头盔、自行车工具包、锁等。 您可以使用此逻辑创建推荐,以建议其他产品帮助您增加收入。
如果选择此算法,则可以选择以下Recommendations键:
推荐在查看了指定项目的同一会话中最常购买的项目。此标准会返回客户在查看指定项目后所购买的其他产品,返回的结果集中不包含指定的产品。
此逻辑可返回查看此产品后购买的其他产品;结果集中不包含指定的产品。
通过此逻辑,您可以通过在产品页面上显示推荐来增加交叉销售机会,例如,该推荐可显示其他查看了已购买项目的访客所购买的项目。 例如,如果访客正在查看钓竿,则推荐可显示其他访客购买的其他项目,如截钩箱、钓鱼器和钓鱼钩。 当访客浏览您的网站时,您会向他们提供其他购买建议。
如果选择此算法,则可以选择以下Recommendations键:
推荐客户在购买指定项目的同时最常购买的其他项目。
此逻辑可返回购买此产品后购买的其他产品;结果集中不包含指定的产品。
通过此逻辑,您可以通过在购物车摘要页面上显示推荐来增加交叉销售机会,例如,该推荐可显示其他购买者也购买的项目。 例如,如果访客正在购买套装,则推荐可显示其他访客随套装一起购买的其他项目,如领带、连衣鞋和袖扣。 当访客查看其购买内容时,您会向他们提供其他建议。
如果选择此算法,则可以选择以下Recommendations键:
根据当前页面活动或以往的访客行为来推荐类似的项目或媒体。
如果选择具有相似属性的项目/媒体,则可以选择设置内容相似度规则。
使用内容相似度生成推荐对新项目特别有效,新项目不太可能使用“查看了这个项目,也查看了那个项目的人”以及基于过去行为的其他逻辑显示在推荐中。 您还可以使用内容相似度为没有过去购买数据或其他历史数据的新访客生成有用的推荐。
如果选择此算法,则可以选择以下Recommendations键:
有关更多信息,请参阅 内容相似度.
使用基于用户的算法类型,您可以根据用户的行为进行推荐。
以下算法可在 基于用户 算法类型:
使用访客的历史记录(跨会话)根据设计中的版块数量显示访客最近查看过的 x 个项目。
“最近查看的项目”算法会返回特定于给定的结果 环境. 如果两个网站属于不同的环境,并且访客在两个网站之间切换访问,则每个网站仅显示相应网站的最近查看的项目。如果两个网站位于同一环境中,并且访客在两个网站之间切换访问,则访客将看到两个网站的最近查看的相同项目。
您不能使用 最近查看的项目 备用推荐的标准。
可以筛选最近查看的项目/媒体,以便仅显示具有特定属性的项目。
可能的用例包括,拥有多个业务的跨国公司可能会让访客查看跨多个数字属性的项目。 在这种情况下,您可以限制最近查看的项目,以便仅显示之前查看的相应财产中的项目。这样可防止最近查看的项目在其他数字资产的网站上显示。
在常规页面(如主页或登陆页面及站外广告)上使用此算法。
最近查看的项目 兼顾排除全局设置和活动的选定收藏集设置。 如果某个项目被全局排除排除所排除,或者未包含在选定的收藏集中,则不会显示该项目。因此,在使用 最近查看的项目 标准时,通常应使用“所有收藏集”设置。
根据每位访客的浏览、查看和购买历史记录推荐项目。
此算法允许您向新访客和旧访客提供个性化内容和体验。 推荐列表会根据访客的最新活动进行加权,并在会话中更新,并在用户浏览您的网站时更加个性化。
查看次数和购买次数均用于确定推荐的项目。 指定的推荐键(例如,当前项目)用于应用您选择的任何包含规则过滤器。
例如,您可以:
如果选择此算法,则可以选择以下过滤键:
“自定义标准”算法类型允许您根据您上传的自定义文件进行推荐。
推荐由使用 user.x 或 profile.x 属性存储在访客配置文件中的项目确定。
如果选择该选项,配置文件属性中必须存在 entity.id
值。
如果要根据自定义属性来进行推荐,则必须选择自定义属性,然后再选择推荐类型。
您可以基于自己的自定义标准输出进行实时筛选。例如,您可以将推荐项目限制为访客最喜欢的类别或品牌。这样,您便能够将离线计算与实时筛选结合使用。
此功能表示您可以使用 Target 可基于离线计算的推荐或管理的自定义列表添加个性化。 这样做可以将数据科学和研究与 Adobe 行之有效的众多功能(包括交付、运行时筛选、A/B 测试、定位、报表、集成,等等)结合起来。
通过在自定义标准中添加包含规则,您可以将原本为静态的推荐转变为基于访客兴趣的动态推荐。
用例可能包括:
在 推荐键 下拉列表:
推荐由访客当前正在查看的项目决定。
推荐会向对指定项目感兴趣的访客显示可能令其感兴趣的其他项目。
如果选择该选项,entity.id
值必须作为显示 mbox 中的参数传递。
可以与以下算法一起使用:
使用 当前项目 您网站上的recommendations键:
推荐由每位唯一访客最近购买的项目决定。这是自动捕获的,因此页面上不得传递任何值。
可以与以下算法一起使用:
使用 上次购买的项目 您网站上的recommendations键:
您可以使推荐基于自定义配置文件属性的值。例如,假定您要根据访客最近添加到其队列中的影片显示推荐的影片。
从推荐键下拉列表中选择自定义配置文件属性(例如“最近添加到观看列表的节目”)。
然后,选择推荐逻辑(例如“查看了这个项目,也查看了那个项目的人”)。
如果自定义配置文件属性与单个实体 ID 不直接匹配,则需要向 Recommendations 说明您希望如何与实体进行匹配。例如,假定您要显示访客最喜爱的品牌中的最畅销商品。
从推荐键下拉列表中选择自定义配置文件属性(例如,“最喜爱的品牌”)。
然后,选择要用于此键的推荐逻辑(例如,“最畅销商品”)。
此时会显示按以下项的唯一值分组选项。
选择与您所选的键匹配的实体属性。在本例中,“最喜爱的品牌”与 entity.brand
匹配。
现在,Recommendations 将为每个品牌生成“最畅销商品”列表,并根据访客“最喜爱的品牌”配置文件属性中存储的值向访客展示相应的“最畅销商品”列表。
推荐由每位唯一访客最近查看的项目决定。这是自动捕获的,因此页面上不得传递任何值。
可以与以下算法一起使用:
使用 上次查看的项目 您网站上的recommendations键:
显示网站上最常查看的项目或媒体。
此逻辑允许您根据网站上查看次数最多的项目显示推荐,以提高其他项目的转化率。 例如,媒体网站可以在其主页上显示其查看次数最多的视频的推荐,以鼓励访客观看其他视频。
此推荐键可与以下算法一起使用:
推荐由访客当前正在查看的产品类别决定。
推荐会显示指定产品类别中的项目。
如果选择该选项,entity.categoryId
值必须作为显示 mbox 的参数传递。
此推荐键可与以下算法一起使用:
使用 当前类别 您网站上的recommendations键:
推荐由访客最喜爱的产品类别决定。
推荐会显示指定产品类别中的项目。
如果选择该选项,entity.categoryId
值必须作为显示 mbox 的参数传递。
此推荐键可与以下算法一起使用:
使用 当前类别 您网站上的recommendations键:
根据项目间关系的确定性来推荐项目。您可以配置此标准,以确定需要多少数据,才能使用“包含规则”滑块显示推荐。例如,如果您选择“非常强”,则会推荐具有最强匹配确定性的产品。
例如,如果您设置了非常强的亲和度,且您的设计包含 5 个项目,其中有 3 个项目达到了联系阈值强度,则另外 2 个未达到最低强度要求的项目不会在推荐中显示,且会被替换为您定义的备用项目。具有最强亲和度的项目会最先显示。
例如,在线零售商可以推荐访客在过去会话中表现出兴趣的后续访问项目。 会捕获每个访客会话的活动,以根据回访间隔和频度模型计算亲和度。 当此访客返回您的网站时,网站亲和度用于根据您网站上的以往操作显示推荐。
有些客户具有多种产品收藏集和多种网站行为,对于他们而言,设置较弱的网站亲和度可能会获得更好的结果。
此逻辑可与以下推荐键一起使用: