Collecter des données

Lorsque vous installez et configurez des fonctions Adobe Commerce SaaS telles que Product Recommendations ou Live Search, les modules déploient la collecte de données comportementales sur votre storefront. Ce mécanisme collecte des données comportementales anonymisées de vos clients et alimente Product Recommendations. Par exemple, l’événement view est utilisé pour calculer le type de recommandation Viewed this, viewed that et l’événement place-order est utilisé pour calculer le type de recommandation Bought this, bought that.

NOTE
La collecte de données à des fins de Product Recommendations n’inclut pas les informations d’identification personnelle (PII). Tous les identifiants d’utilisateur, tels que les ID de cookie et les adresses IP, sont strictement anonymisés. En savoir plus.

Clients du secteur de la santé

Si vous êtes un client du secteur de la santé et que vous avez installé l’extension Data Services HIPAA, qui fait partie de l’extension Data Connection, les données d’événement de storefront utilisées par Product Recommendations ne sont plus capturées. En effet, les données d’événement de storefront sont générées côté client. Pour continuer à capturer et à envoyer des données d’événement de storefront, réactivez la collecte d’événements pour Product Recommendations. Voir configuration générale pour en savoir plus.

Types de données et événements

Deux types de données sont utilisés dans Product Recommendations :

  • Comportemental - Données provenant de l’engagement d’un acheteur sur votre site, telles que les consultations de produits, les articles ajoutés au panier et les achats.
  • Catalogue - Métadonnées du produit, telles que le nom, le prix, la disponibilité, etc.

Lorsque vous installez le module magento/product-recommendations, Adobe Sensei agrège les données comportementales et de catalogue, créant ainsi une Recommendations de produit pour chaque type de recommandation. Le service Product Recommendations déploie ensuite ces recommandations sur votre storefront sous la forme d’un widget qui contient les éléments recommandés pour le produit.

Certains types de recommandations utilisent les données comportementales de vos clients pour entraîner des modèles de machine learning afin de créer des recommandations personnalisées. D’autres types de recommandations utilisent uniquement les données de catalogue et n’utilisent aucune donnée comportementale. Si vous souhaitez commencer rapidement à utiliser Product Recommendations sur votre site, vous pouvez utiliser les types de recommandations de catalogue uniquement suivants :

  • More like this
  • Visual similarity

Démarrage à froid

Quand pouvez-vous commencer à utiliser des types de recommandations qui utilisent des données comportementales ? Ça dépend. C’est ce qu’on appelle le problème Cold Start.

Le problème du démarrage à froid fait référence au temps nécessaire pour qu’un modèle s’entraîne et devienne efficace. Pour les recommandations de produits, cela signifie attendre qu’Adobe Sensei collecte suffisamment de données pour entraîner ses modèles de machine learning avant de déployer des unités de recommandation sur votre site. Plus les modèles contiennent de données, plus les recommandations sont précises et utiles. Comme la collecte de données se produit sur un site en ligne, il est préférable de démarrer ce processus rapidement en installant et en configurant le module magento/production-recommendations.

Le tableau suivant fournit des instructions générales sur le temps nécessaire à la collecte de suffisamment de données pour chaque type de recommandation :

Type de recommandation
Durée de l’apprentissage
Remarques
Basé sur la popularité (Most viewed, Most purchased, Most added to cart)
Variable
Dépend du volume d’événements : les vues sont les plus courantes et apprennent donc plus rapidement ; ajoute ensuite au panier, puis achète.
Viewed this, viewed that
Nécessite une formation supplémentaire
Le volume des consultations de produits est récemment élevé
Viewed this, bought that, Bought this, bought that
Requiert le plus de formation
Les événements d’achat sont les événements les plus rares sur un site commercial, en particulier par rapport aux consultations de produits
Trending
Nécessite trois jours de données pour établir une base de popularité
Les tendances sont une mesure de l’élan récent de la popularité d’un produit par rapport à sa propre base de popularité. Le score de tendance d’un produit est calculé à l’aide d’un ensemble de premier plan (popularité récente sur 24 heures) et d’un ensemble d’arrière-plan (popularité de base sur 72 heures). Si la popularité d’un élément augmente considérablement au cours d’une période de 24 heures par rapport à sa popularité de base, il obtient un score de tendance élevé. Chaque produit a ce score, et les articles ayant le score le plus élevé à tout moment comprennent l'ensemble des produits les plus en tendance.

Autres variables pouvant avoir une incidence sur le temps nécessaire à l’entraînement :

  • Un trafic plus important contribue à un apprentissage plus rapide
  • Certains types de recommandations s’entraînent plus rapidement que d’autres
  • Adobe Commerce recalcule les données comportementales toutes les quatre heures. Les Recommendations deviennent plus précises au fur et à mesure qu’elles sont utilisées sur votre site.

Pour visualiser plus facilement la progression de l’entraînement pour chaque type de recommandation, la page Créer une recommandation affiche des indicateurs de préparation.

Pendant que les données sont collectées sur votre site en ligne et que les modèles de machine learning sont en cours d’entraînement, vous pouvez terminer d’autres tâches de test et de configuration nécessaires à la configuration des recommandations. Lorsque vous aurez terminé ce travail, les modèles disposeront de suffisamment de données pour créer des recommandations utiles, ce qui vous permettra de les déployer sur votre storefront.

Si votre site n’obtient pas suffisamment de trafic (vues, achats, tendances) pour la plupart des SKU de produit, il se peut qu’il n’y ait pas suffisamment de données pour terminer le processus d’apprentissage. L’indicateur de préparation dans l’administrateur peut alors sembler bloqué. Les indicateurs de préparation sont destinés à fournir aux commerçants un autre point de données pour choisir le type de recommandations le mieux adapté à leur magasin. Les chiffres sont indicatifs et peuvent ne jamais atteindre 100 %. En savoir plus sur les indicateurs de préparation.

Recommandations de sauvegarde backuprecs

Si les données d’entrée sont insuffisantes pour fournir tous les éléments de recommandation demandés dans une unité, Adobe Commerce fournit des recommandations de sauvegarde pour renseigner les unités de recommandation. Par exemple, si vous déployez le type de recommandation Recommended for you sur votre page d’accueil, un nouvel acheteur sur votre site n’a pas généré suffisamment de données comportementales pour recommander des produits personnalisés avec précision. Dans ce cas, Adobe Commerce propose à cet acheteur des articles basés sur le type de recommandation Most viewed.

Si la collecte des données d’entrée est insuffisante, les types de recommandation suivants reviennent à Most viewed type de recommandation :

  • Recommended for you
  • Viewed this, viewed that
  • Viewed this, bought that
  • Bought this, bought that
  • Trending
  • Conversion (view to purchase)
  • Conversion (view to cart)

Événements

Le collecteur d’événements du storefront Adobe Commerce répertorie tous les événements déployés sur votre storefront. Cette liste contient un sous-ensemble d’événements spécifiques à Product Recommendations. Ces événements collectent des données lorsque les acheteurs interagissent avec les unités de recommandation sur le storefront et alimentent les mesures afin d’analyser la performance de vos recommandations.

Événement
Description
impression-render
Envoyé lorsque l’unité de recommandation est rendue sur la page. Si une page comporte deux unités de recommandation (achat-achat, affichage), deux événements impression-render sont envoyés. Cet événement est utilisé pour effectuer le suivi de la mesure pour les impressions.
rec-add-to-cart-click
L’acheteur clique sur le bouton Ajouter au panier pour un article dans l’unité de recommandation.
rec-click
L’acheteur clique sur un produit dans l’unité de recommandation.
view
Envoyé lorsque l’unité de recommandation devient visible à au moins 50 %, par exemple en faisant défiler la page vers le bas. Par exemple, si une unité de recommandation comporte deux lignes, un événement view est envoyé lorsqu’une ligne plus un pixel de la deuxième ligne devient visible pour l’acheteur. Si l’acheteur fait défiler la page de haut en bas plusieurs fois, l’événement view est envoyé autant de fois qu’il voit à nouveau l’ensemble de l’unité de recommandation sur la page.
NOTE
Les mesures de recommandations de produits sont optimisées pour les storefronts Luma. Si votre storefront est implémenté avec PWA Studio, reportez-vous à la documentation du PWA 🔗. Si vous utilisez une technologie frontale personnalisée, telle que React ou Vue JS, découvrez comment intégrer Product Recommendations dans un environnement découplé.

Événements de tableau de bord requis

Les événements suivants sont requis pour renseigner le tableau de bord Product Recommendations

Colonne du tableau de bord
Événements
Joindre le champ
Impressions
page-view, recs-request-sent, recs-response-received, recs-unit-render
unitId
Vues
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view
unitId
Clics
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click
unitId
Chiffre d’affaires
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-order
unitId, sku, parentSku
Revenus LT
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-order
unitId, sku, parentSku
CTR
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-item-click, recs-add-to-cart-click
unitId, sku, parentSku
vCTR
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view, recs-item-click, recs-add-to-cart-click
unitId, sku, parentSku

Les événements suivants ne sont pas spécifiques à Product Recommendations, mais sont nécessaires pour qu’Adobe Sensei interprète correctement les données d’acheteur :

  • view
  • add-to-cart
  • place-order

Type de recommandation

Ce tableau décrit les événements utilisés par chaque type de recommandation.

Type de recommandation
Événements
Page
Les plus consultés
page-view
product-view
Page des détails du produit
Les plus achetés
page-view
complete-checkout
Panier/Passage en caisse
Les plus ajoutés au panier
page-view
add-to-cart
Page des détails du produit
page de liste des produits
panier
liste de souhaits
A consulté ceci, a consulté cela
page-view
product-view
Page des détails du produit
A vu ceci, a acheté cela
Rec De Produit
page-view
product-view
J'ai acheté ça, acheté ça
Rec De Produit
page-view
product-view
En Tendance
page-view
product-view
Page des détails du produit
Conversion : afficher pour acheter
Rec De Produit
page-view
product-view
Conversion : afficher pour acheter
Rec De Produit
page-view
complete-checkout
Conversion : afficher au panier
Rec De Produit
page-view
product-view
Conversion : afficher au panier
Rec De Produit
page-view
add-to-cart

Avertissements

  • Les bloqueurs de publicités et les paramètres de confidentialité peuvent empêcher la capture d’événements et peuvent entraîner la sous-déclaration des mesures d’engagement et de chiffre d’affaires mesures. En outre, certains événements peuvent ne pas être envoyés en raison de problèmes de page ou de réseau liés aux clients qui quittent la page.
  • Les implémentations découplées doivent implémenter des événements pour alimenter le tableau de bord du Recommendations de produit.
  • Pour les produits configurables, Product Recommendations utilise l’image du produit parent dans l’unité de recommandation. Si aucune image n’est spécifiée pour le produit configurable, l’unité de recommandation est vide pour ce produit spécifique.
NOTE
Si le Mode de restriction des cookies est activé, Adobe Commerce ne collecte pas de données comportementales tant que l’acheteur n’a pas consenti à l’utilisation de cookies. Si le Mode de restriction des cookies est désactivé, Adobe Commerce collecte des données comportementales par défaut.
recommendation-more-help
4bf3c55a-3844-4322-a5d2-42b4e56228e5