Target Personalization : Prise en main de Recommendations et des affinités catégorielles
Découvrez comment créer des bases solides pour la prise en main de Recommendations. mieux comprendre les algorithmes qui alimentent les Recs et comment tirer parti de ces derniers avec succès.
Principales acquisitions
- Recommendations dans Rex offre une personnalisation à grande échelle, permettant des recommandations intelligentes de centaines ou de milliers d’éléments en fonction d’algorithmes choisis, tels que les algorithmes basés sur le comportement, basés sur la popularité, la similarité de contenu, etc.
- Rex fournit des options de personnalisation telles que le séquencement, la pondération, les règles d’exclusion, etc., ce qui en fait un outil puissant pour le contrôle de marchandisage personnalisé.
- Rex est idéal pour recommander un grand nombre de produits ou d’éléments de contenu sur des milliers ou des millions d’éléments, en fournissant des recommandations personnalisées basées sur les profils utilisateur.
- Le Rex peut ne pas convenir à des scénarios comportant un petit nombre d’offres, des éléments de catalogue qui changent rapidement, une faible fréquence d’interaction ou lorsque la personnalisation est principalement basée sur des caractéristiques utilisateur telles que le segment de fidélité ou la géographie.
- La configuration de recommandations dans Rex implique d’enseigner au système les produits ou le contenu par le biais de la création de catalogues, de capturer les données de comportement des utilisateurs et de fournir un contexte pour l’affichage des recommandations.
- Les affinités catégorielles se concentrent sur la recommandation de catégories ou de groupes de produits ou de contenu plutôt que d’éléments spécifiques, en fonction des interactions utilisateur et des points affectés à différentes catégories.
- Les affinités catégorielles peuvent être exploitées en configurant des audiences en fonction des préférences de l’utilisateur, en attribuant des points aux catégories et en utilisant des critères tels que favoris ou premiers pour personnaliser les recommandations.
- Les séquences de critères dans Rex permettent de hiérarchiser les recommandations en fonction du comportement des visiteurs et de la profondeur des données, en s’assurant d’un modèle complet d’éléments recommandés en superposant des critères en fonction de la valeur et du comportement des visiteurs.
- La flexibilité des séquences de critères Rex permet de hiérarchiser les recommandations en attribuant d’abord des critères de valeur élevée et en remplissant le modèle avec des critères supplémentaires si nécessaire.
- L’utilisation de séquences de critères est essentielle pour assurer la profondeur des éléments recommandés, en particulier lorsque vous traitez de catégories à différents niveaux de granularité.
recommendation-more-help
abac5052-c195-43a0-840d-39eac28f4780