Paramètres

Lorsque vous configurez un espace de données SaaS pour Recommendations, l’espace de données SaaS collecte des données de catalogue et stocke les données comportementales. Adobe Sensei analyse les données et calcule les associations de produits utilisées pour les recommandations de produits.

Les environnements hors production à des fins de test ou d'évaluation ne disposent généralement pas de la quantité ou de la qualité des données comportementales du storefront pour fournir des recommandations de produits réalistes. Le comportement réel de l’acheteur à grande échelle ne peut être capturé que dans un environnement de production. Pour résoudre ce problème, Adobe Commerce vous permet d’utiliser les recommandations de produits de votre environnement de production avec d’autres espaces de données SaaS hors production. L’utilisation de données storefront réelles dans un environnement hors production vous permet de prévisualiser les recommandations que vos clients voient et d’expérimenter avec différents types de recommandations et emplacements d’emplacement. Les recommandations d’un autre espace de données SaaS peuvent être prévisualisées par les acheteurs, mais pas cliquées.

Les ordres intermédiaires sont enregistrés à l’aide de l’environmentId intermédiaire. Cela n’affecte pas les données de production. Les données de production sont récupérées à l’aide de l’alternateEnvironmentId .

NOTE
Lors de l’utilisation de Product Recommendations via REST, le paramètre alternateEnvironmentId peut être utilisé pour spécifier d’autres espaces de données. Lors de l’utilisation de Product Recommendations via GraphQL, ce paramètre n’est pas disponible.

Choisir la source des recommandations

Pour modifier la source des données de vos recommandations de produits, choisissez l’espace de données SaaS avec les données comportementales que vous souhaitez utiliser. Avant de commencer, assurez-vous des points suivants :

  • La collecte de données Storefront doit être configurée et activée pour votre environnement de production et vérifiée que les données comportementales sont envoyées à Adobe Commerce.
  • Votre catalogue d’environnements de non-production doit être essentiellement identique à votre catalogue de production. L’utilisation de catalogues similaires garantit que les unités de recommandation de produit renvoyées ressemblent étroitement à celles de la production.
  1. Connectez-vous à l’administration de votre environnement Adobe Commerce hors production.

  2. Dans la barre latérale Admin, accédez à Marketing > Promotions > Recommandations de produits.

  3. Cliquez sur Paramètres.

    paramètres de recommandation de produit
    Paramètres

  4. Dans la section Source de recommandations, activez l’option Récupérer des recommandations à partir d’un autre espace de données SaaS. La section Source de recommandations s’affiche uniquement dans un environnement hors production.

    La liste Espaces de données SaaS disponibles s'affiche.

    paramètres de recommandation de produit
    Paramètres

  5. Sélectionnez l’espace de données SaaS contenant les données de l’acheteur que vous souhaitez utiliser.

  6. Cliquez sur Enregistrer les modifications.

    Adobe Commerce récupère désormais les recommandations de l’espace de données sélectionné.

    note note
    NOTE
    Bien que vous puissiez afficher les recommandations récupérées à partir d’un autre espace de données SaaS sur le storefront hors production, vous ne pouvez pas cliquer sur les recommandations.

Configurer un nouvel espace de données SaaS

  1. Dans la section Source Recommendations , cliquez sur Modifier la configuration.

  2. Suivez les instructions pour configurer un nouveau Commerce service.

Activer les recommandations visuelles

Si le module Recommandations visuelles de produits est installé, vous devez activer Recommandations visuelles pour utiliser le type de recommandation Similarité visuelle.

Dans la section Recommandations visuelles, définissez Activer les recommandations visuelles sur la position active.

recommendation-more-help
54da8d7a-609c-4edf-9db2-a50941aff68e