Événements

Les événements sont un outil essentiel pour améliorer l’expérience d’achat et stimuler les conversions en exploitant les informations sur les données en temps réel.

Adobe Commerce Optimizer déploie automatiquement les événements storefront sur votre site. Ces événements capturent des données à partir des interactions des acheteurs sur votre site. Ces données anonymisées alimentent recommandations, découverte de produits et mesures de succès.

La page Événements vous permet d’observer les données d’événement storefront collectées. Disposer d’une vue dans la collecte de données d’événement permet aux commerçants de vérifier qu’ils ont correctement implémenté les événements du storefront et que ceux-ci sont capturés avec succès. Les commerçants peuvent utiliser cette page pour identifier les problèmes potentiels et prendre des mesures pour résoudre les problèmes d’événement.

Nombre d’événements

L’onglet Nombre d’événements effectue le suivi des interactions des acheteurs, telles que les recherches, les clics et les achats, afin de vous aider à analyser les tendances et à améliorer l’expérience d’achat.

{modal="regular"}

Vérification de l'intégrité

L’onglet Sanity Check donne des informations sur l’intégrité de chaque événement comportemental, ce qui permet d’assurer une collecte de données et une fonctionnalité précises. ​

{modal="regular"}

Les sections suivantes décrivent les détails des événements pour découverte de produit et recommandations.

Découverte de produits

La découverte de produits utilise des événements pour alimenter les algorithmes de recherche tels que « Les plus consultés » et « Affiché ceci, consulté cela ».

Ce tableau décrit les événements utilisés par la découverte de produits stratégies de classement.

Événements de tableau de bord requis

Certains événements sont nécessaires pour renseigner le tableau de bord des performances de recherche search

Recommendations

Les recommandations utilisent deux types de données :

Adobe Sensei agrège les données comportementales et de catalogue, créant des recommandations pour chaque type de recommandation. Le service Recommendations déploie ensuite ces recommandations sur votre storefront sous la forme d’un widget qui contient les éléments de produit recommandés.

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 Recommendations sur votre site, vous pouvez utiliser le type de recommandation More like this.

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, cela signifie qu’il faut 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. Étant donné que la collecte de données se produit sur un site en ligne, il est préférable de démarrer ce processus rapidement.

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

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

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. Ainsi, l’indicateur de préparation de l’espace de travail Recommendations peut 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

Si les données d’entrée sont insuffisantes pour fournir tous les éléments de recommandation demandés dans une unité, Adobe Commerce Optimizer 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 Optimizer affiche les articles en fonction du type de recommandation Most viewed à cet acheteur.

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

Événements spécifiques aux recommandations

Le tableau suivant répertorie les événements qui sont déclenchés lorsque les acheteurs interagissent avec les unités de recommandation sur le storefront. Les données d’événement collectées permettent aux mesures d’analyser les performances de vos recommandations.

Événements de tableau de bord requis

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

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

Type de recommandation

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

Support technique

Si vous constatez des incohérences dans les données ou si les recommandations et les résultats de recherche ne fonctionnent pas comme prévu, envoyez un ticket d’assistance.