Dynamisches Filtern in Adobe Target Recommendations durch Vergleich von Elementen (Entitäten) mit einem Wert im Profil des Benutzers.
Verwendung Profilattributübereinstimmung wenn Sie Empfehlungen anzeigen möchten, die mit einem im Besucherprofil gespeicherten Wert übereinstimmen, z. B. Größe oder Lieblingsmarke.
Die Verfahren zum Erstellen und Verwenden von Einschlussregeln -Kriterien und -Promotions sind ähnlich, ebenso die Anwendungsfälle und -beispiele.
Die folgenden Szenarien zeigen, wie Sie Profilattributübereinstimmung:
Profilattributübereinstimmung ermöglicht es Ihnen, nur die Elemente zu empfehlen, die mit einem Attribut aus dem Profil des Besuchers übereinstimmen, wie in den Beispielen unten dargestellt.
Sie können beispielsweise die Profilattributübereinstimmung -Option, um eine Regel zu erstellen, die Elemente nur empfiehlt, wenn die Marke dem Wert oder Text entspricht, der in gespeichert ist. profile.favoritebrand
. Wenn ein Besucher mit einer solchen Regel nach Laufshorts von einer bestimmten Marke sucht, werden nur Empfehlungen angezeigt, die mit der Lieblingsmarke des jeweiligen übereinstimmen (dem unter profile.favoritebrand
im Profil des Benutzers gespeicherten Wert).
Profile Attribute Matching
brand - equals - the value/text stored in - profile.favoritebrand
Angenommen, Sie versuchen, Arbeitsplätze mit Arbeitssuchenden zu verknüpfen. Sie möchten nur Arbeitsplätze empfehlen, die sich in derselben Stadt wie der Arbeitssuchende befinden.
Sie können Einschlussregeln verwenden, um den Standort eines Arbeitssuchenden aus dem Profil seines Besuchers mit einer Stellenausschreibung abzugleichen, wie im folgenden Beispiel gezeigt:
Profile Attribute Matching
jobCity - equals - the value/text stored in - profile.usersCity
Ein visuelles Beispiel dafür, wie sich die Zuordnung von Profilattributen auf Empfehlungen auswirkt, finden Sie auf einer Website, auf der elektrische Fans verkauft werden.
Wenn ein Besucher auf verschiedene Fans-Bilder auf dieser Website klickt, legt jede Seite den Wert der entity.size
-Parameter basierend darauf, ob die Größe des Lüfters im Bild klein oder groß ist.
Angenommen, Sie haben ein Profilskript erstellt, um die Häufigkeit der Werte von entity.size
auf "klein"oder "groß"eingestellt ist.
Wenn der Besucher dann zur Startseite zurückkehrt, werden ihm gefilterte Empfehlungen angezeigt, je nachdem, ob mehr kleine Fans oder große Fans angeklickt wurden.
Recommendations auf der Grundlage der Anzeige von mehr kleinen Fans auf der Website:
Recommendations basierend auf der Anzeige größerer Fans auf der Website: