使推薦以推薦索引鍵為依據

Recommendations算法利用訪問者行為上下文顯示相關結果 Adobe Target Recommendations 活動。

每種算法類型都提供了與其類型相應的不同算法,如下表所示:

算法類型 何時使用 可用算法
基於購物車 根據用戶的購物車內容提出建議。
  • 看過這些的人
  • 看過這些的人,買了那些
  • 買這些,買那些的人
基於受歡迎度 根據項目在整個站點的總體受歡迎程度或用戶最喜愛或查看次數最多的類別、品牌、流派等中項目的受歡迎程度來提出建議。
  • 在整個站點上查看的最多
  • 按類別查看的最多數
  • 按物料屬性查看的最多數
  • 網站上的暢銷產品
  • 按類別排列的暢銷產品
  • 按物料屬性列出的最大銷售者
  • 按分析度量排在前面
基於項 根據查找與用戶當前正在查看或最近已查看的項目類似的項目來提出建議。
  • 檢視過此項目、也檢視了其他項目的使用者
  • 瀏覽過此項目、但購買了其他項目的使用者
  • 購買了此項目、也購買了其他項目的使用者
  • 具有相似屬性的項
基於用戶 根據用戶的行為提出建議。
  • 最近查看的項目
  • 推薦給您
自定義條件 根據您上載的自定義檔案提出建議。
  • 自定義算法

各條件均在自己的標籤中定義。流量平均分入不同的條件測試中。換句話說,如果您有兩個條件,流量會在它們之間平均分配。如果您有兩個條件和兩個設計,流量會在四個組合中平均分割。您也可指定可看到預設內容的訪客比例,以進行比較。在這種情況下,指定的訪問者百分比將看到預設內容,其餘內容將在您的標準和設計組合之間進行拆分。

有關建立標準以及定義其算法類型和算法的詳細資訊,請參見 建立條件

不同的推薦算法適合放置在不同類型的頁面上。 有關每種算法類型及其可用算法的詳細資訊,請參閱以下各節。

基於購物車

的 基於購物車 算法類型允許根據訪問者當前購物車的內容推薦項目。 通過mbox參數提供建議密鑰 cartIds 以逗號分隔的值。 僅考慮前 10 個值。

基於購物車的建議邏輯與「 」類似推薦給您"基於用戶的算法和"看過這些的人,買了那些"和"買這些,買那些的人"基於項的算法。

Target 使用協作過濾技術來確定訪問者購物車中每個項目的相似性,然後將每個項目的這些行為相似性合併到一個合併清單中。

Target 同時,營銷人員可以選擇在單個會話內或跨多個會話查看訪問者行為:

  • 單個會話:根據其他訪問者在一次會議中所做的。

    如果有一種感覺,即產品根據使用、場合或事件強烈地「互相配合」,那麼在單個會話中觀察行為可能就有意義了。 例如,訪問者正在購買打印機,可能還需要墨水和紙張。 或者,遊客正在購買花生醬,可能還需要麵包和果凍。

  • 跨會話:根據其他訪問者在多個會話中所做的。

    如果人們覺得產品會根據遊客的偏好或品味強烈地「相互配合」,那麼觀察不同時間段的行為或許是有道理的。 例如,訪客喜歡星際大戰,也可能喜歡《印地安納·瓊斯》,即使訪問者不一定想在同一座位上觀看這兩部電影。 或者,訪客喜歡棋盤遊戲"代號",也可能喜歡棋盤遊戲"阿瓦隆",即使訪問者不能同時玩這兩個遊戲。

Target 根據每個訪問者當前購物車中的項目為他們提供建議,而不管您是查看單個會話中的訪問者行為還是查看多個會話中的訪問者行為。

以下算法可用於 基於購物車 算法類型:

看過這些的人,看過那些

建議在檢視所指定項目的相同工作階段中,最常檢視的項目。

這個邏輯返回觀看此產品後查看的其他產品;結果集中未包含指定的產品。

此邏輯允許您通過推薦其他查看項目的訪問者也查看的項目來建立附加轉換機會。 例如,在您的站點上觀看公路腳踏車的訪客可能也會查看腳踏車頭盔、腳踏車套件、鎖等。 您可以使用此邏輯建立建議,建議其他產品幫助您增加收入。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

看過這個的人,買了那些

建議在檢視所指定項目的相同工作階段中,最常購買的項目。此條件傳回在檢視這個產品之後購買的其他產品,而指定的產品未包含在結果集合中。

這一邏輯返回查看此產品後購買的其他產品;結果集中未包含指定的產品。

此邏輯允許您通過在產品頁上顯示建議案來增加交叉銷售機會,例如,該建議案顯示查看該項目的其他訪問者購買的項目。 例如,如果參觀者在看釣竿,建議中可顯示其他參觀者購買的其他物品,如釣竿箱、釣竿和釣竿。 訪問者瀏覽您的網站時,您會向他們提供其他購買建議。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

買這個的人,買那個

建議當客戶購買所指定項目的同時,最常購買的項目。

這一邏輯返回購買後購買的其他產品;結果集中未包含指定的產品。

此邏輯允許您通過在購物車摘要頁面上顯示建議來增加交叉銷售機會,例如,顯示其他買家也購買的項目。 例如,如果訪客在購買西服,建議可以顯示其他訪客隨同購買的商品,如領帶、禮服鞋和袖扣。 在訪問者查看其購物時,您會向他們提供其他建議。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

基於受歡迎度

的 基於受歡迎度 算法類型允許您根據網站上某個項目的整體受歡迎程度或用戶最喜愛或最查看類別、品牌、流派等中項目的受歡迎程度來提出建議。

以下算法可用於 基於受歡迎度 算法類型:

在整個站點上查看的最多

建議由最常查看的項目確定。 這由最新/頻率條件判斷,方式如下:

  • 第一個產品檢視 10 點
  • 每個後續檢視 5 點
  • 作業結束時,所有值除以 2

例如,在一次作業中先後檢視 surfboardA 和 surfboardB,結果為 A: 10、B: 5。會話結束時,您有A:5, B:2.5如果在下一個會話中查看相同的項目,則值將更改為A:15 B:7.5

在一般頁面(如首頁或登錄頁和異地廣告)上使用此算法。

按類別查看的最多數

建議由接收最多活動的類別確定,而使用的方法與「檢視次數最多的項目」的相同,只不過是以類別計分,而並非產品。

這由最新/頻率條件判斷,方式如下:

  • 第一個類別檢視 10 點
  • 每個後續檢視 5 點

第一次造訪的類別會獲得 10 點。後續對相同類別的造訪會獲得 5 點。隨著每次造訪,之前已檢視的非目前類別會減少 1。

例如,在一次作業中先後檢視 categoryA 和 categoryB,結果為 A: 9、B: 10。如果您在下次作業時檢視相同項目,值會變更為 A: 20 B: 9。

在一般頁面(如首頁或登錄頁和異地廣告)上使用此算法。

如果選擇「按類別查看次數最多」算法,則可以選擇以下Recommendations鍵:

  • 目前類別
  • 最喜愛的類別

按物料屬性查看的最多數

推薦與站點上查看次數最多的項目或介質類似的項目或介質。

此算法允許您選擇要基於建議的項目屬性,例如「名稱」或「品牌」。

然後,選擇訪問者配置檔案中儲存的要匹配的配置檔案屬性,例如「收藏夾品牌」、「添加到購物車的最後項目」或「最多查看的顯示」。

網站上的暢銷產品

顯示包含在整個站點的最已完成訂單中的物料。 單一訂單中相同項目的多個單位視為一份訂單。

通過此算法,您可以為站點上的頂級銷售項目建立建議,以增加轉換和收入。 此邏輯尤其適合首次訪問您的站點的訪問者。

按類別排列的暢銷產品

按類別顯示最已完成訂單中包含的物料。 單一訂單中相同項目的多個單位視為一份訂單。

此算法允許您根據類別為站點上的暢銷產品建立建議,以增加轉換和收入。 此邏輯尤其適合首次訪問您的站點的訪問者。

如果選擇「按類別查看次數最多」算法,則可以選擇以下Recommendations鍵:

  • 目前類別
  • 最喜愛的類別

按物料屬性列出的最大銷售者

(即將提供資訊)

按分析度量排在前面

顯示「頂X」,其中 x 是任意的 Analytics 度量。 使用框中的行為資料時,您可以使用「最大銷售量」或「最大查看量」(x = 「已銷售」或x = 「已查看」)。 如果您使用的行為資料來自 Adobe Analytics,可以使用x = "Cart Adds"或其他 Analytics 度量。

基於項

的 基於項 建議類型允許您根據查找與用戶當前查看或最近查看的項目類似的項目來提出建議。

以下算法可用於 基於項 算法類型:

瀏覽過此項目、也瀏覽了其他項目的使用者

建議在檢視所指定項目的相同工作階段中,最常檢視的項目。

這個邏輯返回觀看此產品後查看的其他產品;結果集中未包含指定的產品。

此邏輯允許您通過推薦其他查看項目的訪問者也查看的項目來建立附加轉換機會。 例如,在您的站點上觀看公路腳踏車的訪客可能也會查看腳踏車頭盔、腳踏車套件、鎖等。 您可以使用此邏輯建立建議,建議其他產品幫助您增加收入。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

瀏覽過此項目、但購買了其他項目的使用者

建議在檢視所指定項目的相同工作階段中,最常購買的項目。此條件傳回在檢視這個產品之後購買的其他產品,而指定的產品未包含在結果集合中。

這一邏輯返回查看此產品後購買的其他產品;結果集中未包含指定的產品。

此邏輯允許您通過在產品頁上顯示建議案來增加交叉銷售機會,例如,該建議案顯示查看該項目的其他訪問者購買的項目。 例如,如果參觀者在看釣竿,建議中可顯示其他參觀者購買的其他物品,如釣竿箱、釣竿和釣竿。 訪問者瀏覽您的網站時,您會向他們提供其他購買建議。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

購買了此項目、也購買了其他項目的使用者

建議當客戶購買所指定項目的同時,最常購買的項目。

這一邏輯返回購買後購買的其他產品;結果集中未包含指定的產品。

此邏輯允許您通過在購物車摘要頁面上顯示建議來增加交叉銷售機會,例如,顯示其他買家也購買的項目。 例如,如果訪客在購買西服,建議可以顯示其他訪客隨同購買的商品,如領帶、禮服鞋和袖扣。 在訪問者查看其購物時,您會向他們提供其他建議。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

具有相似屬性的項

根據目前頁面活動或訪客的過去行為,建議相似的項目或媒體。

如果選擇「具有相似屬性的項目/媒體」,則可以選擇設定內容相似性規則。

使用內容相似性生成建議對於新項目尤其有效,新項目不太可能在使用查看此項、查看了該項以及基於過去行為的其他邏輯的建議中顯示。 您也可以使用內容相似度,為沒有過去的購買或其他歷史資料的新訪客產生實用的建議。

如果選擇此算法,可以選擇以下Recommendations鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

有關詳細資訊,請參見 內容相似性

基於用戶

基於用戶的算法類型允許您根據用戶的行為提出建議。

以下算法可用於 基於用戶 算法類型:

最近查看的項目

根據設計中的位置數量,使用訪客的歷史 (跨工作階段) 以呈現訪客已檢視的前 x 個項目。

「最近查看的項目」算法返回特定於給定的結果 環境。 如果兩個網站分屬於不同環境,當訪客在這兩個網站之間進行切換時,每個網站都只會顯示適用網站最近檢視過的項目。如果兩個站點位於同一環境中,並且訪問者在兩個站點之間切換,則訪問者將看到兩個站點最近查看的相同項目。

注意

不能使用 最近查看的項目 備份建議的標準。

您可以篩選「最近查看的項目/媒體」,以便僅顯示具有特定屬性的項目。

  • 如同建議中的其他條件一樣,「最近查看」條件也可設定。
  • 您可以使用收集排除包含 (包括用於價格和存貨的特殊規則) 的方式與任何其他條件相同。

可能的使用案例包括,擁有多個業務的跨國公司可能會讓訪問者查看多個數字屬性中的項目。 在此情況下,您可以將最近查看的項目限制在僅顯示檢視其所在位置的各自屬性。這可以防止最近查看的項目顯示在另一個數字屬性的站點上。

在一般頁面(如首頁或登錄頁和異地廣告)上使用此算法。

注意

最近查看的項目 同時考慮排除全局設定和活動的選定集合設定。 如果某個項目被全局排除或未包含在所選集合中,則不會顯示該項目。因此,當使用 最近查看的項目 標準,通常應使用「所有集合」設定。

根據每個訪問者的瀏覽、查看和購買歷史記錄推薦項目。

此算法允許您向新訪問者和返回訪問者提供個性化的內容和體驗。 建議清單根據訪問者的最新活動進行加權,並在會話中更新,並隨著用戶瀏覽您的站點而變得更加個性化。

視圖和採購都用於確定建議的項目。 指定的建議項(例如,當前項)用於應用您選擇的任何包含規則篩選器。

例如,您可以:

  • 排除不符合某些標準的項目(產品已退貨、30多天前發佈的文章、分級為R的電影等)。
  • 將包含的物料限制為單個類別或當前類別。

如果選擇此算法,則可以選擇以下篩選鍵:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

自定義條件

「自定義條件」算法類型允許您根據您上載的自定義檔案提出建議。

Recommendation 由儲存在訪客設定檔中的項目決定,並使用user.x 或設定檔。x 屬性。

選取此選項時,設定檔屬性中必須呈現 entity.id 值。

根據自訂屬性來建議時,您必須選取自訂屬性,然後選取建議類型。

對於您自己的自訂條件輸出,您可以執行即時篩選。例如,您可以將建議的項目限制在來自訪客最喜愛的類別或品牌的內容。此功能可讓您結合離線計算與即時篩選。

此功能意味著您可以 Target 在離線計算的建議案或自定義清單上添加個性化設定。 這結合資料科學家的本領和研究,與 Adobe 的實測可靠傳送、執行階段篩選、A/B 測試、鎖定目標、報表、整合及其他。

連同在自訂條件上增加包含規則,這還可以根據訪客的興趣,將原本靜態的建議轉換成動態建議。

  • 就像建議中的其他條件一樣,自訂條件也可設定。
  • 您可以使用收集排除包含 (包括用於價格和存貨的特殊規則) 的方式與任何其他條件相同。

可能的使用案例包括:

  • 您想從自訂策展清單中建議電影,但僅限於訪客還沒看過。
  • 您希望運行離線算法並使用結果為建議提供動力,但必須確保永遠不推薦庫存不足的項目。
  • 您想只包含此訪客最喜愛的類別中的項目。

建議密鑰

以下建議鍵可從 建議密鑰 下拉清單:

目前項目

建議由訪客正在檢視的項目確定。

Recommendations 會顯示對指定項目感興趣的訪客的其他項目。

選取此選項時,必須將 entity.id 值作為顯示 mbox 的參數傳遞。

可與以下算法一起使用:

  • 具有類似屬性的項目
  • 瀏覽過此項目、也瀏覽了其他項目的使用者
  • 瀏覽過此項目、但購買了其他項目的使用者
  • 購買了此項目、也購買了其他項目的使用者

使用 當前項 建議項,位於:

  • 單一項目頁面,例如產品頁面。
  • 請勿在 null 搜尋結果頁面上使用。

上次購買的項目

建議由每位獨特訪客上次購買的項目確定。此操作將自動捕獲,因此不必在頁面上傳遞任何值。

可與以下算法一起使用:

  • 具有類似屬性的項目
  • 瀏覽過此項目、也瀏覽了其他項目的使用者
  • 瀏覽過此項目、但購買了其他項目的使用者
  • 購買了此項目、也購買了其他項目的使用者

使用 上次採購的物料 建議項,位於:

  • 首頁、我的帳戶頁面、離站廣告。
  • 請勿在產品頁面或與購買相關的頁面上使用。

自定義建議項

您可以讓建議以自訂設定檔屬性的值為依據。例如,假設您要依據訪客最近新增至其佇列中的電影顯示推薦電影。

  1. 從​建議索引鍵​下拉式清單 (例如「最近新增到觀看清單的節目」) 中選取自訂設定檔屬性。

  2. 接著,選取​建議邏輯 (例如「瀏覽過此項目、也瀏覽了其他項目的使用者」)。

    建立新條件對話方塊

如果自訂設定檔屬性未直接比對至單一實體 ID,則需要向 Recommendations 解說您希望實體的比對如何發生。例如,假設您要顯示訪客最喜愛品牌的最暢銷商品項目。

  1. 從​建議索引鍵​下拉式清單 (例如「最喜愛的品牌」) 選取自訂設定檔屬性。

  2. 接著,選取您要用於此索引鍵的​建議邏輯 (例如「最暢銷商品」)。

    依下列唯一值分組選項隨即顯示。

  3. 選取比對至您已選擇之索引鍵的實體屬性。在此範例中,「最喜愛的品牌」比對至 entity.brand

    Recommendations 現在會產生每個品牌的「最暢銷商品」清單,並依據訪客最喜愛的品牌設定檔屬性中儲存的值,向訪客顯示相關的「最暢銷商品」清單。

    建立新條件對話方塊 2

上次檢視的項目

建議由每位獨特訪客上次檢視的項目確定。此操作將自動捕獲,因此不必在頁面上傳遞任何值。

可與以下算法一起使用:

  • 具有類似屬性的項目
  • 瀏覽過此項目、也瀏覽了其他項目的使用者
  • 瀏覽過此項目、但購買了其他項目的使用者
  • 購買了此項目、也購買了其他項目的使用者

使用 上次查看的項 建議項,位於:

  • 首頁、我的帳戶頁面、離站廣告。
  • 請勿在產品頁面或與購買相關的頁面上使用。

檢視次數最多的項目

顯示您站點上最常查看的項目或介質。

此邏輯允許您根據站點上查看最多的項目顯示建議,以增加其他項目的轉換。 例如,一個媒體網站可以在其首頁上為其最常觀看的視頻顯示建議,以鼓勵訪問者觀看更多視頻。

此推薦密鑰可與以下算法一起使用:

  • 具有類似屬性的項目
  • 瀏覽過此項目、也瀏覽了其他項目的使用者
  • 瀏覽過此項目、但購買了其他項目的使用者
  • 購買了此項目、也購買了其他項目的使用者

目前類別

建議由訪客正在檢視的產品類別確定。

Recommendations 會將項目顯示在指定的產品類別中。

選取此選項時,必須將 entity.categoryId 值作為參數傳入顯示 mbox。

此推薦密鑰可與以下算法一起使用:

  • 最暢銷商品
  • 檢視次數最多

使用 當前類別 建議項,位於:

  • 單一類別頁面。
  • 請勿在 null 搜尋結果頁面上使用。

最喜愛的類別

該建議由訪問者最喜愛的產品類別確定。

Recommendations 會將項目顯示在指定的產品類別中。

選取此選項時,必須將 entity.categoryId 值作為參數傳入顯示 mbox。

此推薦密鑰可與以下算法一起使用:

  • 最暢銷商品
  • 檢視次數最多

使用 當前類別 建議項,位於:

  • 單一類別頁面。
  • 請勿在 null 搜尋結果頁面上使用。

網站相關性

根據項目之間關係的必然性來建議項目。您可以使用「包含規則」滑桿來設定此條件,以決定呈現建議之前需要多少資料。例如,如果選擇「非常強」,則會建議符合確定性最強的產品。

例如,如果您設定非常強的相關性,且您的設計包含五個項目,其中三個符合連線強度臨界值,則不符合最低強度需求的兩個項目不會出現在建議中,而會由您定義的備用項目取代。具有最強相關性的項目會先顯示。

例如,線上零售商可以在隨後的訪問中推薦訪問者在過去會話中表現出興趣的項目。 捕獲每個訪問者會話的活動,以基於頻率和頻率模型計算親和力。 當此訪問者返回您的站點時,站點關聯用於根據您站點上的過去操作顯示建議。

某些客戶具有相異產品集合和相異網站行為,如果他們設定弱網站相關性,可能會獲得最佳結果。

此邏輯可與以下建議鍵一起使用:

  • 目前項目
  • 上次購買的項目
  • 上次檢視的項目
  • 檢視次數最多的項目

本頁內容