Services de marchandisage avec modèle de données de catalogue composable (CCDM)
Adobe Merchandising
Découvrez comment créer des expériences personnalisées pour vos clientes et clients grâce à la découverte et aux recommandations de produits.
Ces services Adobe Merchandising sont créés sur le modèle de données de catalogue composable (CCDM), qui sépare données de produit de contexte de produit. Les données de produit comprennent les SKU, les attributs, les métadonnées, les ressources et les prix. Le contexte du produit définit la manière dont ces données sont diffusées, y compris les vues de catalogue, les politiques d’accès aux données et les sources de catalogue (paramètres régionaux). Étant donné que les vues et les politiques de catalogue contrôlent les données du storefront, vous pouvez composer des catalogues personnalisés pour les modèles B2B, B2C et D2C et personnaliser les expériences d’achat sans dupliquer les données de base.
-
Découverte de produits : dote les commerçants d’outils puissants pour organiser et optimiser l’expérience d’achat, en veillant à ce que les clients trouvent les bons produits rapidement et au bon moment. En ajustant le comportement de la recherche, vous pouvez directement influencer la visibilité, la pertinence et la conversion des produits.
Grâce à la découverte de produits, vous pouvez guider les acheteurs vers les produits les plus pertinents avec un minimum de friction en configurant :
- Règles de marchandisage—Booster, enterrer, épingler ou filtrer des produits dans les résultats de recherche, les listes de produits par défaut et les pages de catégories.
- Facettes : configurez les filtres utilisés par les acheteurs pour limiter les résultats de la recherche et de la catégorie.
- Synonymes : mappez des termes équivalents afin que différents mots de recherche renvoient les mêmes produits.
La recherche sémantique, activée par défaut dans Paramètres, améliore la pertinence des requêtes en langage naturel et basées sur l’intention. Dans Paramètres, vous pouvez également configurer les facettes de prix, la langue du catalogue et les options sémantiques avancées et de recherche floue.
-
Recommandations : utilisez l’intelligence artificielle et les algorithmes de machine learning pour analyser le comportement agrégé des visiteurs et les interactions de produits sur votre storefront. Combinées à votre catalogue, ces données offrent des expériences très attrayantes, pertinentes et personnalisées. Les recommandations s’affichent sur le storefront sous la forme d’unités avec des étiquettes, telles que « Les clients qui ont consulté ce produit ont également consulté ». Vous pouvez créer, gérer et déployer des recommandations directement depuis l’espace de travail de Recommendations et les placer dans l’ensemble du parcours d’achat afin de prendre en charge les objectifs promotionnels, les stratégies de vente croisée et les expériences personnalisées.