Filtrera dynamiskt i Adobe Target Recommendations genom att jämföra artiklar (entiteter) med ett värde i användarens profil.
Använd Profile Attribute Matching när du vill visa rekommendationer som matchar ett värde som lagras i besökarens profil, till exempel storlek eller favoritmärke.
The process för att skapa och använda inkluderingsregler för villkor och kampanjer är lika, liksom för användningsexempel och exempel.
Följande scenarier visar hur du kan använda Profile Attribute Matching:
Profile Attribute Matching I kan du bara rekommendera de objekt som matchar ett attribut från besökarens profil, som i exemplen nedan.
Du kan till exempel använda Profile Attribute Matching alternativ för att skapa en regel som bara rekommenderar objekt där varumärket är lika med värdet eller texten som lagras i profile.favoritebrand
. Om en besökare tittar på att skapa kortkommandon från ett visst varumärke är det bara rekommendationer som motsvarar användarens favoritvarumärke (värdet som lagras i profile.favoritebrand
i besökarens profil).
Profile Attribute Matching
brand - equals - the value/text stored in - profile.favoritebrand
Anta att du försöker matcha jobb till arbetssökande. Du vill bara rekommendera jobb som finns i samma stad som jobbsökaren.
Du kan använda inkluderingsregler för att matcha en jobbsökares plats från besökarens profil till en jobblista, som i följande exempel:
Profile Attribute Matching
jobCity - equals - the value/text stored in - profile.usersCity
Ett visuellt exempel på hur profilattributsmatchning påverkar rekommendationer finns på en webbplats som säljer elektriska fläktar.
När en besökare klickar på olika bilder av fans på den här webbplatsen anger varje sida värdet för entity.size
parametern baseras på om bildens fläkt är liten eller stor.
Anta att du har skapat ett profilskript som spårar och räknar antalet gånger värdet för entity.size
är inställt på small kontra large.
Om besökaren sedan kommer tillbaka till hemsidan, kommer han eller hon att se filtrerade rekommendationer baserat på om användaren klickade på fler små fans eller stora fans.
Recommendations bygger på en webbplats där fler små fans finns:
Recommendations bygger på fler stora fans på webbplatsen: