[Premium]{class="badge positive" title="Découvrez les fonctionnalités incluses dans Target Premium."}

Critères

Les critères dans Adobe Target Recommendations sont des règles qui déterminent quels produits ou contenu recommander selon un jeu prédéterminé de comportements de visiteurs. Les critères peuvent être basés sur les tendances populaires, les comportements actuels et passés d’un visiteur ou des produits et contenus similaires. Vous pouvez tester plusieurs types de recommandations les uns par rapport aux autres en ajoutant plusieurs critères.

Les sections suivantes expliquent plus d’informations sur les clés de critère et sur la logique de recommandation que vous pouvez utiliser pour chaque clé. Cliquez sur les liens pour obtenir des informations plus détaillées.

Secteur industriel vertical section_936BCFCF234C49A2BEC1C38AAC2D71AF

Lors de la création d’un critère, vous sélectionnez un secteur industriel vertical en fonction des objectifs de votre activité de recommandations.

Secteur industriel vertical
Objectif
Vente au détail / commerce électronique
Conversion entraînant un achat
Génération de piste / B2B / Services financiers
Conversion sans achat
Médias / Publication
Engagement

Les autres options de critère changent en fonction du secteur industriel vertical que vous sélectionnez. Vous pouvez définir votre secteur industriel vertical par défaut sur la page Recommendations > Settings ou vous pouvez spécifier le secteur industriel vertical pour chaque critère.

Type d’algorithme section_885B3BB1B43048A88A8926F6B76FC482

Le type d’algorithme sélectionné détermine les algorithmes disponibles. Il existe plusieurs types d’algorithmes, qui sont représentés sous forme de cartes de critères lors de la configuration d’une activité Recommendations.

Page de critères

Le tableau suivant explique les différents types d’algorithmes et leurs algorithmes associés.

Type d’algorithme
Quand utiliser
Algorithmes disponibles
Cart-Based
Effectuez des recommandations en fonction du contenu du panier de l’utilisateur.
  • Les personnes qui les ont consultés ont consulté ceux-ci
  • Les personnes qui les ont consultés ont acheté ces
  • Les personnes qui les ont achetés ont acheté ces

Pour plus d’informations, voir Basé sur le panier dans Baser la recommandation sur une clé de recommandation.

Popularity-Based
Effectuez des recommandations en fonction de la popularité globale d’un élément sur votre site ou de la popularité des éléments au sein de la catégorie, de la marque, du genre, préférée ou la plus consultée d’un utilisateur, etc.
  • Les plus consultés sur l’ensemble du site
  • Les plus consultés par catégorie
  • Attribut d’élément le plus consulté
  • Meilleurs vendeurs sur le site
  • Meilleurs vendeurs par catégorie
  • Meilleurs vendeurs par attribut d’article
  • Mesure Début par Analytics
Item-Based
Effectuez des recommandations sur la base de la recherche d’éléments similaires à un élément que l’utilisateur consulte actuellement ou a récemment consulté.
  • Les personnes ayant consulté ceci ont consulté cela
  • Les personnes ayant consulté ceci ont acheté cela
  • Les personnes ayant acheté ceci ont acheté cela
  • Éléments avec des attributs similaires
User-Based
Effectuez des recommandations en fonction du comportement de l’utilisateur.
  • Éléments récemment consultés
  • Recommandé pour vous
Custom Criteria
Faites des recommandations en fonction d’un fichier personnalisé que vous chargez.
  • Algorithme personnalisé

Pour plus d’informations sur chaque algorithme, voir Baser la recommandation sur une clé de recommandation.

Utilisation d’une clé de recommandation personnalisée custom-key

Vous pouvez également baser les recommandations sur la valeur d’un attribut de profil personnalisé.

NOTE
Les paramètres de profil personnalisés peuvent être transmis à Target via JavaScript, l’API ou les intégrations. Pour plus d’informations sur les attributs de profil personnalisés, voir Profils des visiteurs.

Supposons, par exemple, que vous souhaitiez afficher les films recommandés en fonction du film ajouté le plus récemment à la file d’attente par un utilisateur.

  1. Cliquez sur Recommendations  > Criteria.

  2. Cliquez sur Create Criteria  > Create Criteria.

  3. Renseignez les informations de la section Informations de base.

  4. Dans la section Algorithme recommandé , sélectionnez Item Based dans la liste Algorithm Type.

  5. Sélectionnez People Who Viewed This, Viewed That dans la liste Algorithm.

  6. Sélectionnez votre attribut de profil personnalisé dans la liste Recommendation Key (par exemple, Last Show Added to Watchlist).

    Boîte de dialogue Créer de nouveaux critères

Affichage des informations sur les critères section_7162DE58E4594FD688A4D7FDB829FD8B

Vous pouvez afficher les détails d’un critère sur une carte pop-up en faisant glisser le pointeur de la souris sur une carte et en cliquant sur l’icône Informations sur une carte de critère sans ouvrir le critère.

Survol de la carte Critères

Cliquez sur l’onglet Algorithm Info pour afficher des informations générales sur le critère sélectionné, notamment son nom, ses descriptions, son secteur industriel vertical, son ou ses types de page, sa clé de recommandation, sa logique de recommandation et son identifiant d’algorithme.

Onglet Informations sur l’algorithme

Cliquez sur l’onglet Algorithm Usage pour afficher la liste des activités qui font référence aux critères sélectionnés. La carte répertorie les activités actives, inactives et de brouillon. Cliquez sur les listes déroulantes Activités actives/Activités inactives/Activités de brouillon pour afficher la liste complète des activités qui font référence à ce critère. Vous pouvez cliquer sur le lien Activité pour ouvrir l’activité à modifier.

Onglet Utilisation de l’algorithme

NOTE
La fonctionnalité Algorithm Usage est actuellement prise en charge pour les activités Recommendations uniquement. Cette fonctionnalité n’est actuellement pas prise en charge pour les activités de test A/B, d’affectation automatique, de ciblage automatique et de ciblage d’expérience (XT) qui incluent des recommandations sous forme d’offre.
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654