Collecter des données

Lorsque vous installez et configurez des fonctionnalités Adobe Commerce basées sur SaaS telles que Product Recommendations ou Live Search, les modules déploient la collecte de données comportementales sur votre vitrine. Ce mécanisme collecte des données comportementales anonymes auprès de vos acheteurs et alimente les recommandations de produits et les résultats de la recherche en direct. 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.

Types et événements de données

Il existe deux types de données utilisés dans Product Recommendations :

Lors de l’installation du module magento/product-recommendations, Adobe Sensei agrège les données comportementales et de catalogue, créant ainsi un Recommendations de produits pour chaque type de recommandation. Le service Recommendations de produit déploie ensuite ces recommandations sur votre storefront sous la forme d’un widget contenant les éléments recommandés.

Certains types de recommandations utilisent les données comportementales de vos acheteurs pour former des modèles d’apprentissage automatique afin de créer des recommandations personnalisées. D’autres types de recommandations utilisent uniquement les données du 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 suivants, catalogue uniquement :

Démarrage à froid

Quand pouvez-vous commencer à utiliser des types de recommandations qui utilisent des données comportementales ? Ça dépend. On parle alors de problème Cold Start.

Le problème Cold Start 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 former ses modèles d’apprentissage automatique 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 des données se produit sur un site actif, il est préférable de démarrer ce processus tôt 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 données suffisantes pour chaque type de recommandation :

Autres variables pouvant avoir un impact sur le temps nécessaire à l’entraînement :

Pour vous aider à visualiser la progression de la formation de chaque type de recommandation, la page créer une recommandation affiche des indicateurs de préparation.

Pendant que les données sont collectées sur votre site actif et que les modèles d’apprentissage automatique sont en cours de formation, vous pouvez terminer d’autres tâches de test et de configuration nécessaires à la configuration des recommandations. Lorsque ce travail sera terminé, les modèles disposeront de suffisamment de données pour créer des recommandations utiles, ce qui vous permettra de les déployer sur votre vitrine.

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

Recommandations de sauvegarde backuprecs

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

Dans le cas d’une collecte de données d’entrée insuffisante, les types de recommandations suivants reviennent au type de recommandation Most viewed :

Événements

Le collecteur d’événements Adobe Commerce Storefront répertorie tous les événements déployés sur votre storefront. Toutefois, il existe dans cette liste un sous-ensemble d’événements spécifiques à Recommendations de produit. Ces événements collectent des données lorsque les acheteurs interagissent avec les unités de recommandations sur le storefront et optimisent les mesures utilisées pour vous aider à analyser les performances de vos recommandations.

Événements de tableau de bord obligatoires

Les événements suivants sont nécessaires pour remplir le Product Recommendations tableau de bord

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

Type de recommandation

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

Avertissements