Premium

Consigli Domande frequenti

Elenco delle domande frequenti sulle attività relative alle attività di Adobe Target Recommendations.

Perché la ricerca nel catalogo non mostra i risultati corretti quando eseguo una ricerca su un attributo personalizzato con un valore numerico?

Quando esegui sul catalogo la ricerca di un attributo personalizzato con un valore numerico, l’attributo personalizzato viene considerato come di tipo stringa anziché come valore numerico.

Attualmente, non è disponibile alcuna funzionalità che consenta ai clienti di modificare il tipo di un attributo. Per apportare una modifica, apri un problema cliente facendo riferimento agli attributi che richiedono la modifica del tipo da stringa a numerico.

Quanto tempo trascorre prima che gli aggiornamenti degli articoli nel catalogo vengano rispecchiati nel sito?

L’intervallo di tempo e i risultati variano a seconda di come vengono aggiornati gli elementi.

Dopo aver importato un file di feed, o ricevuto aggiornamenti di entità tramite API o mbox, le seguenti modifiche verranno riportate in meno di 60 minuti:

• Se un elemento è stato escluso in precedenza ma ora deve essere incluso, verrà incluso nella successiva esecuzione dell’algoritmo (12-24 ore).

  Questa situazione si verifica perché Target applica le esclusioni sia online che offline. Quando un elemento viene escluso di recente, l’esclusione online viene applicata rapidamente. Quando un elemento è stato incluso di recente, l’esclusione online viene applicata rapidamente mentre quella offline viene applicata solo alla successiva esecuzione dell’algoritmo.

• Se un elemento è stato incluso in precedenza ma ora deve essere escluso, l’elemento viene escluso secondo la tempistica “Attributi elemento aggiornati…” di cui sopra a seconda della sorgente dei feed (15 minuti tramite mbox/API o 12-24 ore tramite feed).

Le modifiche seguenti vengono applicate solo dopo l’esecuzione dell’algoritmo successivo (entro 12-24 ore):

• Attributi degli articoli utilizzati nelle regole di raccolta utilizzate per l’attività.
• Attributi degli articoli utilizzati in una promozione in base a una raccolta o un attributo associato all’attività.
• Categoria di articoli in cui l’articolo viene visualizzato, per “Categoria corrente” o “Categoria preferita” nell’algoritmo “Articoli più venduti” o “Articoli più visualizzati”.
• Classificazione degli articoli consigliati quando l’attributo modificato è un attributo personalizzato utilizzato come chiave personalizzata per un algoritmo.
• Classificazione degli articoli consigliati in base a uno o più attributi modificati quando la logica dei consigli è “Articoli con attributi simili”, quando vengono utilizzati i fattori di ponderazione “Somiglianza del contenuto” o quando vengono utilizzati i fattori “Ponderazione degli attributi”.

Quanto tempo ci vuole affinché una modifica alla configurazione delle impostazioni di attività, offerte, promozioni o criteri della funzione Consigli venga riportata sul sito?

• Una modifica alle impostazioni di promozione può richiedere fino a cinque ore per essere visualizzata sul sito.

• Una modifica alle impostazioni di altri criteri potrebbe essere applicata solo alla successiva esecuzione dell’algoritmo:

  • Alcune impostazioni di criteri (ad esempio, "aggiunta di una regola di inclusione dinamica") vengono applicate immediatamente.
  • Non è possibile incorporare altre impostazioni di criteri (ad esempio "rimozione di una regola di inclusione dinamica", modifica dell’intervallo di lookback e così via) fino alla successiva esecuzione dell’algoritmo.
  • Le esecuzioni dell’algoritmo vengono attivate da queste modifiche, ma il loro completamento può richiedere fino a 24 ore. Inoltre, gli algoritmi vengono eseguiti su base pianificata ogni 12-24 ore.

Quanto tempo ci vuole affinché il comportamento di un utente (ad esempio, clic sul prodotto A e acquisto del prodotto B) si rifletta nei consigli? che l'utente riceve?

• Il prodotto/contenuto attualmente visualizzato/acquistato influisce sui consigli che l’utente riceve sulla stessa richiesta di contenuto pageview/Target.
• Con tale richiesta viene aggiornato il comportamento storico degli utenti, ad esempio "ultimo prodotto visualizzato", "prodotto più visualizzato" e la cronologia generale di visualizzazione/acquisto, influenzando i consigli ricevuti dall’utente sulla successiva visualizzazione di pagina/Target richiesta di contenuto. Ad esempio, gli algoritmi "Articoli visualizzati di recente" e "Consigliati per te" vengono aggiornati con ogni visualizzazione/acquisto di prodotto e si riflettono sulla successiva richiesta di contenuto.

Quanto tempo ci vuole affinché il comportamento di un utente (ad esempio, clic sul prodotto A e acquisto del prodotto B) si rifletta nei consigli? altro gli utenti ricevono?

Il comportamento degli utenti in aggregato viene incorporato nell’elaborazione offline dell’algoritmo ogni volta che l’algoritmo viene eseguito, ogni 12-24 ore.

Cosa devo fare se l’array è interrotto dalla presenza di caratteri speciali?

Utilizza i valori di escape in JavaScript. Le virgolette (") possono interrompere l’array. Lo snippet di codice seguente è un esempio di valori di escape:

#set($String='')
#set($escaper=$String.class.forName('org.apache.commons.lang.StringEscapeUtils'))
<script type="text/javascript">
console.log("$escaper.escapeJavaScript($entity1.name)")
console.log("$escaper.escapeJavaScript($entity2.name)")
console.log('$escaper.escapeJavaScript($entity3.name)')
names.push("$escaper.escapeJavaScript($entity4.name)")
</script>

Perché non tutti i criteri, inclusi i criteri personalizzati, sono disponibili per la selezione durante la creazione di un’attività Consigli?

I criteri disponibili si basano sulla categoria corrente. Quando si creano offerte di consigli, il selettore di algoritmi visualizza i criteri in base all’ID di categoria.

Se la posizione in cui stai applicando questo criterio non contiene l’ID di categoria, sono disponibili solo alcuni criteri nella selezione algoritmi.

Se utilizzi una posizione in cui l’ID di categoria è presente nella mbox, il selettore di criteri contiene tutti i criteri applicabili.

L’impostazione TargetFiltra criteri incompatibili🔗 di consente di controllare il filtraggio intelligente del selettore dell’algoritmo.

Per accedere all’impostazione Filtra criteri incompatibili, fai clic su Consigli > Impostazioni:

Se l’impostazione Filtra criteri incompatibili non è abilitata, Target non filtra gli algoritmi nel Selettore degli algoritmi e vengono visualizzati tutti gli algoritmi.

Se l’impostazione Filtra criteri incompatibili è abilitata, nelle attività del Compositore esperienza visivo, Target legge il codice entityId e l’ID di categoria dalla posizione selezionata, quindi visualizza gli algoritmi basati su currentItem|currentCategory (se i rispettivi valori sono presenti in tale posizione). Di conseguenza, per impostazione predefinita, solo gli algoritmi compatibili per la posizione selezionata vengono visualizzati nel selettore algoritmi.

Se l’impostazione Filtra criteri incompatibili è abilitata, è comunque possibile visualizzare gli algoritmi non compatibili deselezionando la casella Compatibile durante la selezione dei criteri.

L’elenco seguente contiene casi speciali in cui Target non visualizza la casella Compatibile:

• Sia entityId che l’ID di categoria sono presenti nella posizione, quindi non viene filtrato nulla.
• Stai utilizzando mbox.js versione 55 o precedente.
• La pagina non genera chiamate mbox (!config.isAutoCreateGlobalMbox && !config.isRegionalMbox)
• I parametri di Target non sono definiti.

Cosa devo fare se una raccolta in Consigli va a zero (0)?

Considera le seguenti informazioni se noti che una raccolta, che in precedenza non lo era, va a zero:

• Puoi salvare nuovamente la raccolta e vedere se il numero si aggiorna. Salvando nuovamente, la raccolta esegue nuovamente tutti gli algoritmi che la utilizzano.

• Stai guardando nell’ambiente giusto? Vai su /target/products.html#recsSettings e controlla (come mostrato di seguito).

  

• L’indice è aggiornato? Vai a /target/products.html#productSearch e controlla da quante ore esiste l’indice (per esempio, "indicizzato 3 ore fa"). Se necessario, puoi aggiornare l’indice.

• Hai modificato qualcosa nel livello di feed o di dati che ha comportato la mancata corrispondenza delle entità alle regole di raccolta? Assicurati che le maiuscole e le minuscole corrispondano.

• Il feed è stato eseguito correttamente? Qualcuno ha cambiato la directory FTP, la password e così via?

• Target In gli aggiornamenti alla consegna (sulla pagina o nell’app del cliente) accadono il più rapidamente possibile. Tuttavia, Target deve anche fornire una rappresentazione nell’interfaccia utente per l’addetto marketing. Target non ritarda gli aggiornamenti di consegna per attendere la sincronizzazione con gli aggiornamenti dell’interfaccia utente. Puoi usare mboxTrace per vedere cosa c’è nel sistema nel momento in cui arriva una richiesta.

Qual è la differenza tra Ponderazione attributi generale e Ponderazione attributi relativa alle somiglianze di contenuti?

La ponderazione degli attributi esiste in due forme: “ponderazione attributi standard” e “ponderazione attributi per somiglianza di contenuti”.

La “ponderazione attributi standard” si applica, se non a tutti, alla maggior parte di tipi di criteri (non solo alla Somiglianza contenuti). Questo tipo di ponderazione dà più peso a determinati valori di attributo. Nell’esempio seguente, i prodotti Nike ottengono un aumento dei consigli in uscita.

La "ponderazione degli attributi per similarità dei contenuti" si applica solo ai criteri di somiglianza dei contenuti.

Questo tipo di ponderazione è più dinamico e si basa sulla "chiave consiglio" corrente (l’elemento attualmente visualizzato). Nell’esempio seguente (marchio x 16), se un visitatore stava guardando delle sneaker Nike, è più probabile che venga consigliato di utilizzare altri prodotti Nike (non necessariamente solo sneaker) piuttosto che le sneaker della concorrenza. A un visitatore che visualizza delle sneaker Adidas, verranno probabilmente consigliati prodotti Adidas.

Perché talvolta Target non è in grado di mostrare i consigli?

Target a volte non può mostrare consigli a causa del basso numero di consigli disponibili.

Il numero di valori generati per criterio è pari a tre volte il numero di entità specificato nel modello. Il filtro runtime (ad esempio inventario, corrispondenza degli attributi mbox) viene applicato dopo la generazione di valori 3x, quindi è possibile finire con meno di 3x valori al momento della consegna. Per limitare questa situazione, aumenta il numero di entità nel modello nascondendo altre entità.

Il seguente JavaScript può essere utilizzato all'inizio del modello per aumentare il numero di entità richieste. In questo esempio, il numero di entità richieste è 30 (3x10).

#foreach($entity in $entities)
 #if( $foreach.count > 10 )
  #break
 #end
 #set ($foo = $entity.id)
#end

Qual è il limite di dimensione di una chiamata API per inserire/aggiornare prodotti? È possibile aggiornare 50.000 prodotti con una chiamata utilizzando l’API al posto di un feed?

Target impone un limite per i post di 50 MB a livello di applicazione; tuttavia, ciò si verifica solo quando trasmetti l’intestazione del tipo di contenuto application/x-www-form-urlencoded.

Potresti sicuramente provare a inviare 50.000 prodotti con una sola chiamata. Se questa avesse esito negativo, puoi suddividerla in batch. Adobe consiglia ai clienti di suddividere le chiamate in 5.000 o 10.000 batch di prodotto per diminuire la possibilità di un timeout dovuto al carico del sistema.

È necessario specificare il nome mbox per creare criteri, promozioni o regole di test di modelli per Consigli?

Durante la creazione di un criterio, promozioni o una regola di test di modelli per Consigli basato su un parametro mbox, mboxParameter non richiede più di specificare mboxName. Il nome dell’elemento mbox è ora facoltativo. Questa modifica consente di utilizzare parametri da più elementi mbox o di fare riferimento a un parametro che non è ancora stato registrato nella rete Edge.

Per selezionare il parametro desiderato:

• Durante la creazione di un criterio, una promozione o una regola di test del modello, seleziona un nome di parametro dall’elenco. Inizia a digitare i primi caratteri del nome del parametro desiderato o il suo nome completo.
• Se ricordi il nome mbox ma non il nome del parametro, usa la casella di controllo per filtrare una mbox nota trasmettendo il parametro desiderato.

Con uno di questi metodi, non esiste alcun collegamento tra mbox e il parametro. Il criterio, la promozione o la regola di test del modello funzionano sulla base del parametro su tutte le mbox che trasmettono tale parametro.

Se modifichi una regola di test di criteri, una promozione o un criterio, i criteri di filtraggio vengono visualizzati con il nome mbox fornito durante la creazione.

Perché non riesco a salvare la mia attività di consigli legacy dopo aver definito un nuovo pubblico?

Assicurati che il pubblico abbia un nome univoco. Se hai assegnato al pubblico lo stesso nome di un pubblico esistente, non puoi salvare l'attività di Consigli legacy (attività di Consigli creata prima di ottobre 2016).

Qual è la dimensione massima di un file CSV per un caricamento del feed?

Non vi è alcun limite stabilito sul numero di righe o sulle dimensioni del file per il caricamento del file CSV di un feed. Tuttavia, come best practice, Adobe consiglia di limitare le dimensioni del file CSV a 1 GB per evitare errori durante il processo di caricamento dei file. Se le dimensioni del file superano 1 GB, idealmente può essere suddiviso in più file di feed. Il numero massimo di colonne di attributi personalizzati è 100 e gli attributi personalizzati sono limitati a 4096 caratteri. Nella pagina Limitazioni di Target sono disponibili altri limiti per la lunghezza delle colonne richieste.

È possibile escludere un’entità in modo dinamico?

Nella stringa di query, puoi trasmettere gli ID per le entità da escludere dai consigli. Ad esempio, puoi escludere gli articoli già presenti nel carrello.

Per abilitare la funzionalità di esclusione, utilizzate il parametro mbox excludedIds. Questo parametro punta a un elenco di ID di entità separati da virgola. Ad esempio, mboxCreate(..., "excludedIds=1,2,3,4,5"). Il valore viene inviato al momento della richiesta delle raccomandazioni.

L’esclusione viene eseguita solo per la chiamata Target corrente; gli elementi non vengono esclusi nelle chiamate Target successive a meno che il valore excludedIds non venga nuovamente trasmesso. Per escludere gli elementi nel carrello dai consigli su ogni pagina, continua a trasmettere il valore excludedIds su ogni pagina.

Per escludere entityIds aggiungi in coda il token &excludes=${mbox.excludedIds} per l’URL di contenuto dell’offerta. Quando l'URL di contenuto viene estratto, i parametri necessari vengono sostituiti mediante i parametri di richiesta mbox correnti.

Per impostazione predefinita, questa funzione è attiva per i consigli appena creati. I consigli esistenti devono essere salvati per supportare le entità a esclusione dinamica.

Cosa significa la risposta NO_CONTENT a volte restituita nella traccia di contenuto di Recommendations?

NO_CONTENT viene restituito quando i consigli non sono disponibili per la combinazione di algoritmo e chiave richiesta. In generale, questa situazione si verifica quando i backup vengono disabilitati per l’algoritmo e si verifica anche una o più delle seguenti situazioni:

• I risultati non sono ancora pronti.

  Questa situazione si verifica in genere al primo salvataggio di un’attività appena creata o dopo che sono state apportate modifiche alla raccolta, ai criteri o alle promozioni utilizzate nell’attività.

• I risultati sono pronti, ma non ancora memorizzati nella cache del server edge più vicino, per la combinazione di algoritmo/chiave richiesta.

  La richiesta avvia un’operazione di caching, quindi questo problema dovrebbe risolversi da solo dopo alcuni ricaricamenti delle pagine e/o dopo pochi minuti.

• I risultati sono pronti, ma non disponibili per il valore chiave fornito.

  Questa situazione si verifica in genere quando si richiedono raccomandazioni per un elemento aggiunto al catalogo dopo l’esecuzione dell’algoritmo più recente e si risolve da solo dopo l’esecuzione dell’algoritmo successivo.

• Il rendering parziale del modello è disabilitato e non sono disponibili risultati sufficienti per riempire il modello.

  Questa situazione si verifica in genere quando disponi di una regola di inclusione dinamica, che filtra in modo aggressivo molti elementi dai possibili risultati. Per evitare questa situazione, abilita i backup e non applicare la regola di inclusione ai backup, o utilizza i criteri in sequenza con criteri filtrati in modo meno aggressivo.

I consigli basati sugli elementi visualizzati di recente persistono su più dispositivi per un singolo visitatore?

Quando un visitatore avvia una sessione, l’ID della sessione è associato a un singolo dispositivo perimetrale su cui viene memorizzata una cache di profilo temporanea. Le richieste successive dalla stessa sessione leggono questa cache del profilo, inclusi gli elementi visualizzati di recente.

Al termine della sessione (generalmente, quando scade dopo 30 minuti di inattività), lo stato della sessione, inclusi gli elementi visualizzati di recente, viene mantenuto in un archivio di profili più permanente nello stesso ambiente edge geografico.

Successive sessioni da diversi dispositivi possono quindi accedere a questi elementi visualizzati di recente, purché la nuova sessione sia collegata al profilo del cliente tramite lo stesso Marketing Cloud ID (MCID), Experience Cloud ID (ECID) o CustomerID/mbox3rdPartyId.

Se un visitatore ha due sessioni attive contemporaneamente, gli elementi visualizzati di recente su un dispositivo non aggiornano quelli sull’altro dispositivo, a meno che i dispositivi non siano costretti a condividere lo stesso ID sessione. Esiste una potenziale soluzione a questo problema, tuttavia Target non supporta direttamente la condivisione dello stesso ID sessione su più dispositivi. Il cliente deve gestire autonomamente tale condivisione di ID.

Questo comportamento si verifica anche se un visitatore è attivo su un dispositivo e poi, qualche minuto dopo, diventa attivo sull’altro dispositivo. La sessione del primo dispositivo non scade per 30 minuti e possono trascorrere fino a cinque minuti prima che lo stato del profilo sia scritto nello stato permanente ed elaborato. Quando esegui il test di questo comportamento, considera che la scadenza della sessione e la memorizzazione del profilo possono quindi richiedere 35 minuti.

Se il visitatore non ha due sessioni attive contemporaneamente, gli elementi visualizzati di recente su un dispositivo aggiornano quelli sull’altro dispositivo, purché la sessione sia terminata. Quando esegui il test di questo comportamento, considera che la scadenza della sessione può richiedere 35 minuti.

Posso utilizzare in Recommendations Premium un algoritmo creato in Adobe Recommendations Classic?

Gli algoritmi creati in Recommendations Classic non sono supportati in Recommendations Premium. È possibile utilizzare un algoritmo legacy in Target Premium; tuttavia, l’algoritmo potrà creare problemi di sincronizzazione durante la disattivazione o l’eliminazione dell’attività nell’interfaccia utente di Target Premium. Per ulteriori informazioni sulle differenze tra le due soluzioni, consulta Attività Recommendations Classic versus Recommendations in Target Premium.

Come posso consigliare solo articoli o video nuovi?

Alcuni clienti dei settori comunicazione ed editoria desiderano assicurarsi che gli elementi consigliati includano solo gli articoli o i video più recenti. Ad esempio, un cliente Target ha utilizzato il seguente approccio per consigliare articoli usciti da meno di 60 giorni:

1. La data di pubblicazione dell’articolo, in formato AAAAMMGG, viene passata come attributo di entità personalizzato.
2. Crea uno script di profilo corrispondente alla data odierna meno 60 giorni, anche questa in formato AAAAMMGG.
3. Si utilizza un filtro di inclusione dinamica nei criteri, in modo che publish date > today's date minus 60 days.

La data di pubblicazione viene passata come attributo di entità personalizzato:

Configura lo script del profilo:

Configura la regola di inclusione:

Quali sono alcuni problemi noti durante l’utilizzo di Recommendations attività?

Di seguito sono riportati i problemi noti relativi alle attività Recommendations:

• Quando Target restituisce un’offerta JSON con getOffer(), restituisce con il tipo di JSON. Tuttavia, se restituisci una progettazione de Recommendations JSON, restituisce un tipo HTML.
• Le entità scadono correttamente una volta trascorsi 60 giorni senza ricevere aggiornamenti tramite feed o API; tuttavia, dopo la scadenza le entità scadute non vengono rimosse dall’indice di ricerca del catalogo. Anche le entità eliminate tramite feed o API al momento non vengono rimosse dall’indice di ricerca nel catalogo. (IRI-857)
• Le offerte Consigli nelle attività A/B e Targeting esperienza non presentano un’anteprima visiva della barra de Recommendations. (TGT-33426)
• Raccolte, esclusioni, criteri e progettazioni creati mediante API non sono visibili nell’interfaccia dell’utente Target e possono essere modificati solo tramite API. Allo stesso modo, se crei uno di questi elementi nell’interfaccia utente di Target e successivamente li modifichi tramite API, tali modifiche non vengono riportate nell’interfaccia utente di Target. Gli elementi modificati tramite API devono continuare a essere modificati tramite API per evitare la perdita di eventuali modifiche. (TGT-35777)
• Le attività Recommendations create tramite API sono visibili nell’interfaccia, ma possono essere modificate solo tramite API.
• Lo stato del feed dei criteri personalizzati visualizzato nell’elenco (scheda) Criteri viene aggiornato ogni dieci minuti e in alcune rare circostanze potrebbe contenere dati risalenti a oltre dieci minuti prima. Lo stato visualizzato nella vista di modifica dei criteri personalizzati viene recuperato in tempo reale ed è sempre aggiornato. (TGT-35896, TGT-36173)

Risorse Business.Adobe.com

Ab Multivariate Testing Omnichannel Personalization Email Optimization Recommendation Engine Website Optimization Multivariate Testing