Recopilar datos
Al instalar y configurar características de Adobe Commerce basadas en SaaS como Product Recommendations o Live Search, los módulos implementan la recopilación de datos de comportamiento en su tienda. Este mecanismo recopila datos de comportamiento anónimos de los compradores y ofrece recomendaciones de productos y resultados de Live Search. Por ejemplo, el evento view se usa para calcular el tipo de recomendación Viewed this, viewed that, y el evento place-order se usa para calcular el tipo de recomendación Bought this, bought that.
Tipos de datos y eventos
Existen dos tipos de datos utilizados en Product Recommendations:
- Comportamiento: datos de la participación de un comprador en el sitio, como vistas de productos, elementos agregados al carro de compras y compras.
- Catálogo: metadatos de producto, como nombre, precio, disponibilidad, etc.
Al instalar el módulo magento/product-recommendations, Adobe Sensei agrega los datos de comportamiento y catálogo, creando Product Recommendations para cada tipo de recomendación. A continuación, el servicio Product Recommendations implementa esas recomendaciones en la tienda en forma de widget que contiene el producto recomendado items.
Algunos tipos de recomendación utilizan datos de comportamiento de los compradores para entrenar modelos de aprendizaje automático y crear recomendaciones personalizadas. Otros tipos de recomendación solo utilizan datos de catálogo y no utilizan datos de comportamiento. Si desea empezar a utilizar Product Recommendations rápidamente en el sitio, puede utilizar los siguientes tipos de recomendaciones solo de catálogo:
More like thisVisual similarity
Inicio en frío
¿Cuándo puede empezar a utilizar tipos de recomendación que utilicen datos de comportamiento? Depende de ti. Este problema se conoce como Inicio en frío.
El problema de arranque en frío se refiere al tiempo que tarda un modelo en entrenar y en ser efectivo. Para las recomendaciones de productos, esto significa esperar a que Adobe Sensei recopile datos suficientes para entrenar sus modelos de aprendizaje automático antes de implementar unidades de recomendaciones en el sitio. Cuantos más datos tengan los modelos, más precisas y útiles serán las recomendaciones. Dado que la recopilación de datos se produce en un sitio activo, es mejor iniciar este proceso antes de tiempo instalando y configurando el módulo magento/production-recommendations.
La siguiente tabla proporciona algunas directrices generales sobre la cantidad de tiempo que se tarda en recopilar suficientes datos para cada tipo de recomendación:
Most viewed, Most purchased, Most added to cart)Viewed this, viewed thatViewed this, bought that, Bought this, bought thatTrendingOtras variables que pueden afectar al tiempo necesario para entrenar:
- Un mayor volumen de tráfico contribuye a un aprendizaje más rápido
- Algunos tipos de recomendación se entrenan más rápido que otros
- Adobe Commerce vuelve a calcular los datos de comportamiento cada cuatro horas. Recommendations será más preciso cuanto más tiempo se utilice en el sitio.
Para ayudarle a visualizar el progreso de formación de cada tipo de recomendación, la página crear recomendación muestra indicadores de preparación.
Mientras se recopilan los datos en el sitio activo y se imparten los modelos de aprendizaje automático, puede finalizar otras tareas de prueba y configuración necesarias para configurar las recomendaciones. Cuando haya terminado con este trabajo, los modelos tendrán datos suficientes para crear recomendaciones útiles, lo que le permitirá implementarlas en su tienda.
Si el sitio no recibe tráfico suficiente (vistas, compras, tendencias) para la mayoría de los SKU de producto, es posible que no haya suficientes datos para completar el proceso de aprendizaje. Esto puede hacer que el indicador de disponibilidad del administrador parezca atascado. Los indicadores de preparación están pensados para proporcionar a los comerciantes otro punto de datos a la hora de elegir qué tipo de recomendaciones es mejor para su tienda. Los números son una guía y es posible que nunca alcancen el 100%. Más información sobre los indicadores de preparación.
Recomendaciones de copia de seguridad backuprecs
Si los datos de entrada no son suficientes para proporcionar todos los elementos de recomendación solicitados en una unidad, Adobe Commerce proporciona recomendaciones de copia de seguridad para rellenar las unidades de recomendación. Por ejemplo, si implementa el tipo de recomendación Recommended for you en su página de inicio, un comprador que visita por primera vez su sitio no ha generado suficientes datos de comportamiento para recomendar con precisión productos personalizados. En este caso, Adobe Commerce muestra artículos basados en el tipo de recomendación Most viewed a este comprador.
En caso de que la recopilación de datos de entrada sea insuficiente, los siguientes tipos de recomendación vuelven a Most viewed:
Recommended for youViewed this, viewed thatViewed this, bought thatBought this, bought thatTrendingConversion (view to purchase)Conversion (view to cart)
Eventos
El Recopilador de eventos de Adobe Commerce Storefront enumera todos los eventos implementados en tu tienda. Sin embargo, en esa lista hay un subconjunto de eventos específicos de Product Recommendations. Estos eventos recopilan datos cuando los compradores interactúan con las unidades de recomendación en la tienda y alimentan las métricas utilizadas para ayudarle a analizar el rendimiento de sus recomendaciones.
impression-renderimpression-render. Este evento se utiliza para rastrear la métrica en busca de impresiones.rec-add-to-cart-clickrec-clickviewview cuando el comprador ve una línea más un píxel de la segunda línea. Si el comprador desplaza la página hacia arriba y hacia abajo varias veces, el evento view se envía tantas veces como vuelva a ver toda la unidad de recomendación en la página.Eventos de panel requeridos
Se requieren los siguientes eventos para rellenar el Product Recommendations panel
page-view, recs-request-sent, recs-response-received, recs-unit-renderunitIdpage-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-viewunitIdpage-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-clickunitIdpage-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-orderunitId, sku, parentSkupage-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-orderunitId, sku, parentSkupage-view, recs-request-sent, recs-response-received, recs-unit-render, recs-item-click, recs-add-to-cart-clickunitId, sku, parentSkupage-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view, recs-item-click, recs-add-to-cart-clickunitId, sku, parentSkuLos siguientes eventos no son específicos de Product Recommendations, pero son necesarios para que Adobe Sensei interprete correctamente los datos del comprador:
viewadd-to-cartplace-order
Tipo de recomendación
En esta tabla se describen los eventos utilizados por cada tipo de recomendación.
page-viewproduct-viewpage-viewcomplete-checkoutpage-viewadd-to-cartPágina de lista de productos
Carro
Lista de deseos
page-viewproduct-viewpage-viewproduct-viewpage-viewproduct-viewpage-viewproduct-viewpage-viewproduct-viewpage-viewcomplete-checkoutpage-viewproduct-viewpage-viewadd-to-cartAdvertencias
- Los bloqueadores de anuncios y la configuración de privacidad pueden impedir que se recopilen eventos y provocar que las métricas de participación e ingresos no se comuniquen correctamente. Además, es posible que algunos eventos no se envíen debido a que los compradores abandonan la página o a problemas de red.
- Las implementaciones sin encabezado deben implementar eventos para activar el tablero de Product Recommendations.
- Para los productos configurables, Product Recommendations utiliza la imagen del producto principal en la unidad recomendada. Si el producto configurable no tiene una imagen especificada, la unidad de recomendación estará vacía para ese producto específico.