Workflow de mise en œuvre
Product Recommendations utilise des données comportementales et de catalogue :
-
Comportemental : données issues de l’engagement d’un acheteur sur votre site, telles que les consultations de produits, les articles ajoutés au panier et les achats. Adobe Commerce et Adobe Sensei ne collectent pas d’informations d’identification personnelle.
-
Catalogue - Métadonnées du produit, telles que le nom, le prix et la disponibilité.
Lors de l’installation du magento/product-recommendations module, Adobe Sensei agrège les données comportementales et de catalogue et crée des Product Recommendations pour chaque type de recommandation. Le service Product Recommendations déploie ensuite ces recommandations sur votre storefront. Pour vous aider à implémenter des recommandations de produits sur votre storefront, utilisez le workflow suivant :
Workflow
-
Déployer la collecte de données en production
Le déploiement de Product Recommendations nécessite deux sources de données principales : le catalogue et le comportement. La production étant le seul environnement où les actions de vos acheteurs sont capturées et analysées, commencez la collecte de données en production dès que possible. Découvrezcomment Adobe Sensei entraîne des modèles de machine learning qui génèrent des recommandations de meilleure qualité. Lorsque vous commencez à collecter des données comportementales en production, vous pouvez en outre récupérer des recommandations basées sur ces données de production, tout en opérant dans des environnements hors production. Vous pouvez ensuite tester et tester différentes recommandations qui sont calculées en fonction des données réelles d’acheteurs collectées en production.
Pour déployer la collecte de données en production, vous devez installer et configurer le module Product Recommendations en fournissant une clé API.
note tip TIP Le déploiement de la collecte de données ne modifie pas l’apparence de votre storefront ni l’expérience de vos clients. Seules la création et le déploiement d’unités de recommandation modifient l’expérience client sur votre storefront. Veillez à effectuer des tests sur votre environnement hors production avant de procéder au déploiement en production. En outre, ne créez pas d’unités de recommandation tant que vous n’avez pas personnalisé votre modèle. Pour plus d’informations, reportez-vous à l’étape suivante. -
Personnalisez le modèle en fonction de votre style
Votre storefront représente votre marque. Veillez donc à modifier le modèle de recommandations de produits pour qu’il corresponde au thème de votre site.
note tip TIP En personnalisant le modèle, vous pouvez spécifier votre feuille de style, remplacer l’emplacement où une unité de recommandation apparaît sur une page, etc. Voir Personnaliser dans la documentation destinée aux développeurs pour savoir comment effectuer cette étape.
-
Test de recommandations sur votre environnement hors production
Il est toujours recommandé de tester une nouvelle technologie dans votre environnement hors production avant de la déployer en production. Le test des recommandations sur votre environnement hors production vous permet de jouer avec différents types d’unités de recommandation, de positionnement et de pages. Vous pouvez extraire des recommandations en fonction de données comportementales déjà collectées en production lors des tests dans votre environnement hors production, de sorte que les résultats des recommandations soient basés sur le comportement d’achat des clients réels.
note tip TIP Assurez-vous que votre catalogue d’environnements hors production est largement identique à celui que vous avez en production. L’utilisation de catalogues similaires garantit que les produits renvoyés dans les unités de recommandation imitent fidèlement les produits en production. Voir Récupérer données comportementales à partir de votre environnement de production pour savoir comment effectuer cette étape.
-
Créer et déployer des recommandations sur votre storefront de production
Maintenant que vous avez déployé la collecte de données comportementales en production, modifié le modèle de recommandations de produits et testé les recommandations à l’aide du comportement réel de l’acheteur, vous êtes prêt à promouvoir tout le code en production et créer les recommandations de produits en direct.