Recommendations 常見問題

關於 Adobe Target Recommendations 活動的常見問題 (FAQ) 清單。

當我以數值搜尋自訂屬性時，目錄搜尋為何未顯示正確結果？

當您對具有數值的自訂屬性執行目錄搜尋時，結果會將自訂屬性視為字串類型，而非數值。

目前，沒有可讓客戶變更屬性類型的功能。若要變更，開啟客戶問題，指出需要將類型從字串變更為數值的屬性。

目錄中的項目更新要多久時間才會反映在網站上？

時間範圍和結果會依項目的更新方式而有所不同。

匯入動態消息檔案後，或透過API或mbox接收實體更新後，下列變更會反映在60分鐘內：

• 如果先前已排除某個項目，但現在應該包含在內，該項目將包含在下次演算法執行中（12-24小時）。

  發生此情況是因為Target同時套用線上和離線排除。 新排除項目時，線上排除會快速套用。 新加入項目時，線上排除會很快消失，但離線排除會在下次演算法執行之前消失。

• 如果先前已包含某個項目，但現在應該排除，則會根據「項目屬性已更新……」排除該項目。 上述的時間線視動態消息來源而定（透過mbox/API需15分鐘，或透過動態消息需要12-24小時）。

在下一個演算法執行作業發生之前 (在 12 至 24 小時內)，不會反映下列變更:

• 用於活動的收集規則中使用的項目屬性。
• 促銷活動中使用的項目屬性，根據與活動相關聯的屬性或集合。
• 項目類別，項目會出現在最暢銷商品或檢視次數最多演算法中的「目前類別」或「最喜愛類別」。
• 建議項目排名 (在已變更的屬性是用來作為演算法自訂金鑰的自訂屬性的情況下)。
• 根據已變更屬性的推薦項目排名 (在推薦邏輯為「具有類似屬性的項目」、已使用「內容相似度」加權因數，或是在已使用「屬性加權」因數的情況下)。

對Recommendations活動、優惠、促銷或標準設定的設定進行變更需要多久的時間才會反映在我的網站上？

• 升級設定的變更最多需要5小時，才能在現場反映。

• 在下一個演算法執行之前，其他准則設定的變更可能無法反映：

  • 某些條件設定（例如「新增動態包含規則」）會立即反映。
  • 其他准則設定（例如「移除動態包含規則」、回顧視窗的變更等）必須等到下次演算法執行時才能合併。
  • 演算法執行會由這些變更觸發，但最多需要24小時才能完成。 演算法也會每12-24小時按計畫執行一次。

使用者的行為（例如，按一下產品A並購買產品B）需要多久才會反映在使用者收到的建議​中？

• 目前檢視／購買的產品／內容會影響使用者在相同的頁面檢視/Target內容要求上收到的建議。
• 歷史使用者行為，例如「上次檢視的產品」、「最常檢視的產品」，以及整體檢視／購買歷史記錄都會以該請求更新，並影響使用者在下一頁檢視/Target內容請求上收到的建議。 例如，「最近檢視的項目」和「建議供您使用」演算法會隨每個產品檢視／購買更新，並反映在後續的內容請求中。

使用者的行為（例如按一下產品A和購買產品B）需要多久才會反映在建議​其他​使用者收到的建議中？

使用者在匯整時的行為會納入離線演算法處理，每12-24小時執行一次演算法。

如果特殊字元破壞陣列，怎麼辦？

在 JavaScript 中使用逸出值。引號 ( " ) 會破壞陣列。下列程式碼片段是逸出值的範例:

#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>

建立「建議」活動時，為何不是所有條件都可供選擇，包括自訂條件？

可用的條件取決於目前類別。建立推薦選件時，演算法選擇器會根據類別 ID 來顯示條件。

如果您套用此條件的位置不含類別 ID，則某些條件不會出現在演算法選擇器中。

如果您使用的位置有類別 ID 存在於 mbox 中，則條件選擇器會包含所有適用的條件。

Target 的篩選不相容條件設定可控制演算法選擇器的智慧型篩選。

若要存取篩選不相容的條件設定，請按一下「建議 > 設定」:

如果「未」啟用篩選不相容的條件設定， 就不會篩選「演算法選擇器」中的篩選演算法，所有演算法都會出現。Target

如果啟用「篩選不相容的准則」設定，在VEC活動中，Target會從選取的位置讀取entityId和類別Id，然後顯示基於currentItem|currentCategory的演算法（如果該位置有個別值）。 因此，依預設，演算法選擇器中只會顯示所選位置的相容演算法。

如果篩選不相容的條件設定已啟用，您仍可在選取條件時取消選取「相容」核取方塊，以檢視不相容的演算法。

以下清單包含Target不顯示Compatible複選框的特殊情況：

• entityId 和 categoryId 都存在位置上，所以完全不篩選。
• 您使用 mbox.js 55 版或更舊版本。
• 未從頁面上觸發任何 mbox (!config.isAutoCreateGlobalMbox && !config.isRegionalMbox)
• Target 參數未定義。

如果「建議」中的集合變成零 (0)，怎麼辦？

如果您看到一個集合原先不是零而現在變成零，請考量下列資訊：

• 您可以重新儲存集合，檢查數字是否會更新。再次儲存，集合會重新執行所有使用該集合的演算法。

• 您所看的環境對嗎？ 請移至 /target/products.html#recsSettings 仔細檢查 (如下所示)。

  

• 索引是最新的嗎？ 請移至/target/products.html#productSearch，檢查索引是幾小時以前編列的 (例如「3 小時前已編列索引」)。您可以視需要重新整理索引。

• 您是否更動過摘要或資料層，而導致實體不再符合收集規則？請確定「大小寫」相符 (區分大小寫)。

• 摘要執行成功嗎? 是否有人變更了 FTP 目錄、密碼等？

• Target 會儘力讓傳送儘快更新 (在客戶的頁面/應用程式上)。不過，Target還必須在UI中為行銷人員提供一些表示法。 Target 不一定會為了等待 UI 更新同步而延遲傳送更新。您可以使用 mboxTrace 查看當請求進來時系統中有什麼。

一般「屬性加權」和「內容相似度」特有的屬性加權之間有何差異？

屬性加權有兩種形式：「標準屬性加權」和「內容相似度屬性加權」。

「標準屬性加權」適用於大部分 (但不是全部) 條件類型 (不只是「內容相似度」)。這種加權會給某些屬性值更多權重。在下列範例中，輸出推薦中會多一些 Nike 產品。

「內容相似度屬性加權」僅適用於內容相似度條件。

這種加權較動態，而且是根據目前的「建議金鑰」(目前檢視的項目)。在下列範例中 (品牌 x 16)，如果訪客在檢視 Nike 運動鞋，就很可能向該訪客建議其他 Nike 產品 (不一定是運動鞋)，而不是競爭者的運動鞋。如果訪客在檢視 Adidas 運動鞋，則很可能向該訪客建議 Adidas 產品。

為什麼Target有時無法顯示建議？

Target 有時會因為可用的建議數量不夠而無法顯示建議。

每個條件產生的值數量是設計中指定之實體數量的三倍。產生 3 倍的值之後會套用執行階段篩選 (例如、詳細目錄、mbox 屬性比對)，最後在傳送時可能會少於 3 倍的值。若要減少這種情況發生，請隱藏其他實體來增加設計中的實體數量。

可以在設計開始時使用以下 JavaScript 來增加請求實體的數量。在此範例中，請求的實體計數為 30 (3x10)。

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

插入/更新產品之 API 呼叫的大小限制是多少？ 我是否可以使用 API (而非動態消息) 更新某次呼叫中的 50,000 種產品？

Target 在應用程式層級實施 50 MB 的限制；但是，只有當您傳遞 application/x-www-form-urlencoded 內容類型標頭時才會實施該限制。

您當然可以嘗試在單一呼叫中傳送 50,000 個產品。如果失敗，您應該將其分成幾個批次。Adobe 通常建議客戶將其呼叫分成 5,000 或 10,000 個產品批次，以降低系統負載造成逾時的可能性。

建立 Recommendations 條件、促銷活動或範本測試規則時，是否需要指定 mbox 名稱？

根據 mbox 參數建立建議條件、促銷活動或範本測試規則時，mboxParameter 不再提示您輸入 mboxName。mbox 名稱現在是可選項目。此變更可讓您使用多個 mbox 中的參數，或參考尚未記錄在 Edge 上的參數。

若要選取需要的參數:

• 建立條件、促銷活動或範本測試規則時，從清單中選擇一個參數名稱。開始輸想使用的參數名稱的第一個字元，或鍵入想使用的參數完整名稱。
• 如果您記得 mbox 名稱，但不記得參數名稱，請使用核取方塊來篩選會傳遞所需參數的確定 mbox。

不論使用哪一種方法，mbox 和參數之間並沒有任何連結。條件、促銷活動或範本測試規則將根據傳遞該參數之所有 mbox 的參數運作。

如果編輯現有條件、促銷活動或範本測試規則，則篩選條件將顯示建立期間提供的 mbox 名稱。

定義新對象後，為何無法儲存舊版 Recommendations 活動？

請確定對象有唯一的名稱。若您為對象指定了與現有對象相同的名稱，則無法儲存舊版 Recommendations 活動 (2016 年 10 月以前建立的 Recommendations 活動)。

用於摘要上傳之 CSV 檔案的檔案大小上限是多少？

摘要的 CSV 檔案上傳對於資料列數量或檔案大小並沒有嚴格限制。但是，作為最佳作法，Adobe 建議將 CSV 檔案大小限制為 1 GB，以避免檔案上傳處理期間失敗。若檔案大小超過 1 GB，最好將其分割成多個摘要檔案。自訂屬性欄數的上限為 100，而自訂屬性限制為 4096 個字元。必要欄長度的其他限制可見於 Target 限制頁面。

是否可以動態地排除實體？

在查詢字串中，您可以傳遞要從推薦中排除之實體的實體 ID。例如，您可以排除已在購物車中的項目。

若要啟用排除功能，請使用 excludedIds mbox 參數。此參數指向逗號分隔的實體 ID 清單。例如, mboxCreate(..., "excludedIds=1,2,3,4,5")。要求建議時會傳送值。

排除僅對當前Target呼叫執行；在後續的Target呼叫中，項目不會排除，除非再次傳遞excludedIds值。 若要在每個頁面將購物車中的項目自推薦中排除，繼續在每個頁面傳遞 excludedIds 值。

若要排除 entityIds，請將 &excludes=${mbox.excludedIds} 權杖附加至選件內容 URL。擷取內容 URL 時，目前的 mbox 請求參數會替代必要參數。

依預設，新建立的建議會啟用此功能。必須儲存現有的建議來支援動態排除的實體。

Recommendations 內容 trace 中有時會回傳 NO_CONTENT 回應是什麼意思？

若請求的演算法和重要組成沒有提供推薦，則會回傳 NO_CONTENT。一般而言，此情況會在備份於演算法中停用且下列一個或多個陳述為真時發生：

• 結果尚未準備好。

  此情況一般會在首次儲存一個新建立的活動之時、或在活動中使用的集合、條件或促銷活動的設定發生變更之後。

• 對於所請求的演算法／主要組合，結果已完成，但在最近的邊緣伺服器尚未被快取。

  此請求會起動快取作業，因而此問題應會在重新載入數個頁面和／或幾分鐘的時間內解決。

• 結果已完成，但不適用於所提供的索引鍵值。

  此情形一般發生是在請求某項目的推薦時發生，且該項目是在最近一次演算法執行後加入目錄並會在下一次演算法執行後解決。

• 部分範本顯示被停用，而且結果不足以將範本填滿。

  此情形一般在你有動態包含規則其該規則積極從可能的結果中篩選許多項目的時候發生。為避免此情況，請啟用備份，並且請勿將包含規則套用至備份，或在序列中使用較不積極的篩選條件。

基於最近檢視項目的建議會持續存在於單一訪客的多個裝置上嗎？

當訪客啟動作業時，作業ID會系結至單一邊緣機器，而臨時描述檔快取會儲存在該邊緣機器上。 來自相同作業的後續請求會讀取此描述檔快取，包括最近檢視的項目。

當工作階段結束時（通常是在無活動30分鐘後過期時），工作階段狀態（包括最近檢視的項目）接著會持續存在相同地理邊緣的永久性描述檔儲存。

然後，來自不同裝置的後續工作階段就可以存取這些最近檢視的項目，只要新工作階段透過相同的Marketing CloudID(MCID)、Experience CloudID(ECID)或CustomerID/mbox3rdPartyId連結至客戶個人檔案即可。

如果訪客同時有兩個作用中的工作階段，則某台裝置上最近檢視的項目不會更新另一台裝置上最近檢視的項目，除非裝置被迫共用工作階段ID。 此問題可能有因應措施，但Target不直接支援跨多部裝置共用工作階段ID。 客戶必須自行管理此ID共用。

如果訪客在某個裝置上處於活動狀態，幾分鐘後在另一個裝置上開始活動，仍會發生此行為。 第一個裝置的工作階段不會過期30分鐘，而且在描述檔狀態寫入永久狀態並進行處理之前，最多會有5分鐘的延遲。 在測試此行為時，允許35分鐘的作業過期，並儲存描述檔。

如果訪客沒有同時進行兩個作用中的作業，則只要作業結束，最近檢視的某個裝置項目就會更新另一個裝置上最近檢視的項目。 測試此行為時，會話需要35分鐘才會過期。

我是否可以使用在Recommendations Premium的Adobe Recommendations Classic中建立的演算法？

在Recommendations Classic中建立的演算法在Recommendations Premium中不受支援。 您可能可以使用Target Premium中的舊式演算法；不過，演算法在停用或刪除Target Premium UI中的活動時，會建立同步問題。 有關兩個解決方案之間差異的詳細資訊，請參見 Target Premium🔗中的Recommendations Classic versus Recommendations 活動。