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

Création de critères

Les critères dans Adobe Target Recommendations contrôlent le contenu de vos activités Recommendations. Créez des critères pour afficher les recommandations les plus appropriées à votre activité. Ces critères utilisent les actions du visiteur pour déterminer le contenu ou les produits à afficher.

Les sections suivantes expliquent comment créer un nouveau critère.

Accès à l’écran Créer des critères

Il existe plusieurs façons d’accéder à l’écran Create New Criteria. Certaines options de l’écran varient en fonction de l’accès à ce dernier.

  • Sur l’écran de la bibliothèque Recommendations > Criteria, cliquez sur Create Criteria > Create Criteria. Les critères que vous créez à cet emplacement deviennent automatiquement disponibles pour toutes les activités Recommendations.
  • Lorsque vous créez une activité Recommendations à l’aide du Visual Experience Composer (VEC), vous accédez immédiatement à l’écran Select Criteria après avoir sélectionné un élément sur votre page et cliqué sur Replace w/ Recommendations, Insert Recommendations Before ou Insert Recommendations After. Vous pouvez ensuite sélectionner un critère disponible ou cliquer sur Create Criteria. Si vous créez un nouveau critère, vous avez la possibilité d'enregistrer vos critères pour les utiliser avec d'autres activités Recommendations. Pour plus d’informations, voir Création d’une activité Recommendations.
  • Lorsque vous modifiez une activité Recommendations, cliquez dans la zone Recommendations Location de votre page, puis sélectionnez Change Criteria. Sur l’écran Select Criteria, cliquez sur Create Criteria. Vous avez la possibilité d’enregistrer les nouveaux critères afin de les utiliser avec d’autres activités Recommendations.

Les étapes suivantes supposent que vous accédez à l’écran Create New Criteria à l’aide de la première méthode : l’écran de bibliothèque Recommendations > Criteria .

  1. Cliquez sur Recommendations  > Criteria.

  2. Cliquez sur Create Criteria  > Create Criteria.

    Créer de nouveaux critères

  3. Configurez les informations dans les sections suivantes.

Basic Information info

  1. Saisissez un Criteria Name.

    C’est le nom « interne » utilisé pour décrire ce critère. Par exemple, vous voulez peut-être appeler votre critère « Produits générant la marge la plus élevée », mais vous ne voulez pas que ce titre soit affiché publiquement. Reportez-vous à la prochaine étape pour configurer le titre destiné au public.

    Section d’informations de base

  2. Saisissez un Display Title destiné au public qui apparaîtra sur la page pour toutes les recommandations qui utilisent ce critère.

    Vous pouvez par exemple souhaiter afficher « Les personnes qui ont consulté cet article ont aussi consulté celui-ci » ou « Produits similaires » lorsque vous utilisez ce critère pour afficher des recommandations.

  3. Saisissez un Description court du critère.

    La description doit vous aider à identifier le critère et peut inclure des informations sur l’objet du critère.

  4. Sélectionnez un secteur industriel vertical en fonction des objectifs de votre activité de recommandations.

    table 0-row-2 1-row-2 2-row-2 3-row-2
    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 sont modifiées en fonction du secteur industriel vertical que vous sélectionnez.

  5. Sélectionnez un Page Type.

    Vous pouvez sélectionner plusieurs types de page.

    Le secteur industriel vertical et les types de page sont utilisés pour classer les critères enregistrés, ce qui facilite la réutilisation des critères pour d’autres activités Recommendations.

Recommendations Algorithm rec-algo

  1. Sélectionnez un Algorithm Type et un Algorithm :

    Section Algorithme recommandée

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3
    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
    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
    note note
    NOTE
    Si vous sélectionnez Items/ Media with Similar Attributes, vous aurez la possibilité de définir des règles de similarité de contenu.
  2. Au besoin, sélectionnez un attribut d’élément et un attribut de profil à faire correspondre, une clé de recommandation, une clé de filtrage et/ou une mesure Analytics pour configurer l’algorithme.

Les options de configuration d’algorithme restantes varient en fonction de l’algorithme sélectionné. Pour terminer la configuration de l’algorithme, sélectionnez Recommendation Key, Filtering Key, Co-Occurrence Basis, Analytics Metric et/ou Item Attribute et Profile Attribute to Match.

Pour plus d'informations sur le choix d'un Recommendation Key, voir Baser la recommandation sur une clé de recommandation.

Data Source data-source

  1. Sélectionnez le Behavioral Data Source : Adobe Target ou Analytics souhaité.

    note note
    NOTE
    La section Behavioral Data Source s’affiche uniquement si votre mise en oeuvre utilise Analytics for Target (A4T).

    Section Source de données comportementales

    Si vous choisissez Analytics, sélectionnez la suite de rapports de votre choix.

    Si les critères utilisent Adobe Analytics comme source de données comportementales, le temps qu’ils mettent à être disponibles une fois créés dépend de l’utilisation ou non de la suite de rapports et de périodes d’analyse sur d’autres critères, comme expliqué ci-dessous :

    • Configuration unique d’une suite de rapports  : la première fois qu’une suite de rapports est utilisée avec une fenêtre de recherche de plage de données spécifique, Target Recommendations peut prendre de deux à sept jours pour télécharger complètement les données comportementales de la suite de rapports sélectionnée depuis Analytics. Cette période dépend de la charge du système Analytics.
    • Critères nouveaux ou modifiés à l’aide d’une suite de rapports déjà disponible  : lors de la création d’un critère ou de la modification d’un critère existant, si la suite de rapports sélectionnée a déjà été utilisée avec Target Recommendations, avec une plage de données inférieure ou égale à celle sélectionnée, les données sont immédiatement disponibles et aucune configuration unique n’est requise. Dans ce cas ou si les paramètres d’un algorithme sont modifiés sans changer la suite de rapports ou la plage de données sélectionnée, l’algorithme s’exécute ou se réexécute dans les 12 heures.
    • Exécutions d’algorithme en cours  : les données sont transmises quotidiennement d’Analytics à Target Recommendations. Par exemple, pour la recommandation Viewed Affinity, lorsqu’un utilisateur consulte un produit, un appel de suivi de consultation de produit est transmis à Analytics presque en temps réel. Les données Analytics sont envoyées à Target tôt le lendemain matin et Target exécute l’algorithme en moins de 12 heures.

    Pour plus d’informations, voir Utilisation d’Adobe Analytics avec Target Recommendations.

  2. Définissez le Lookback Window pour déterminer la période des données historiques de comportement des utilisateurs disponibles à utiliser lors de la détermination des recommandations à afficher. Cette option est disponible pour tous les algorithmes, à l’exception des éléments avec des attributs similaires et des algorithmes personnalisés.

    Curseur de fenêtre de recherche en amont

    Si votre site reçoit un volume de trafic important et que les comportements changent fréquemment, sélectionnez une fenêtre de données plus courte. Une fenêtre plus courte permet Recommendations d’être plus réactif aux changements du marché et de votre entreprise. Par exemple, une fenêtre plus courte signifie que Recommendations détectera les changements de comportement des visiteurs lorsque ces derniers commencent des achats saisonniers, tels que les achats de la rentrée ou de la période des fêtes, et recommanderont les articles appropriés à ces saisons.

    Si vous n’avez pas beaucoup de données ou que le comportement des visiteurs ne change pas fréquemment, vous pouvez sélectionner une fenêtre plus longue. Cependant, pour de nombreux sites, une fenêtre plus courte donne des recommandations de meilleure qualité.

    Les périodes de données disponibles sont :

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3
    Option Intervalle de recherche en amont Fréquence mise à jour (affichée au survol) Algorithmes pris en charge
    Six heures L’algorithme s’exécute toutes les 3 à 6 heures Popularity-Based algorithmes lorsque le Behavioral Data Source sélectionné est Adobe Target
    Un jour L’algorithme s’exécute toutes les 12 à 24 heures Popularity-Based algorithmes
    Deux jours L’algorithme s’exécute toutes les 12 à 24 heures
    • Popularity-Based algorithmes
    • Item-Based algorithmes
    • User-Based algorithmes
    • Cart-Based algorithmes
    Une semaine L’algorithme s’exécute toutes les 24 à 48 heures
    • Popularity-Based algorithmes
    • Item-Based algorithmes
    • User-Based algorithmes
    • Cart-Based algorithmes
    Deux semaines L’algorithme s’exécute toutes les 24 à 48 heures
    • Popularity-Based algorithmes
    • Item-Based algorithmes
    • Tous les User-Based algorithmes
    • Cart-Based algorithmes
    Un mois (30 jours) L’algorithme s’exécute toutes les 24 à 48 heures
    • Popularity-Based algorithmes
    • Item-Based algorithmes
    • User-Based algorithmes
    • Cart-Based algorithmes
    Deux mois (61 jours) L’algorithme s’exécute toutes les 24 à 48 heures
    • Popularity-Based algorithmes
    • Item-Based algorithmes
    • User-Based algorithmes
    • Cart-Based algorithmes

Backup Content content

Les règles Backup Content déterminent ce qui se passe si le nombre d’éléments recommandés ne remplit pas votre conception de recommandations. Il est possible que les critères Recommendations renvoient moins de recommandations que ce que votre conception exige. Par exemple, si votre conception comporte des emplacements pour quatre éléments, mais que vos critères entraînent seulement la recommandation de deux éléments, vous pouvez laisser les emplacements restants vides, utiliser les recommandations de sauvegarde pour remplir les emplacements supplémentaires ou choisir d’afficher aucune recommandation.

Section de contenu

  1. (Facultatif) Faites glisser la bascule Partial Design Rendering vers la position "activée".

    Le plus grand nombre d’emplacements possible sera rempli, mais le modèle de conception peut inclure un espace vide pour les emplacements restants. Si cette option est désactivée et qu’il n’y a pas assez de contenu pour remplir tous les emplacements disponibles, les recommandations ne sont pas diffusées et le contenu par défaut s’affiche à la place.

    Activez cette option si vous souhaitez que les recommandations soient servies avec des emplacements vides. Utilisez les recommandations de sauvegarde si vous souhaitez que les emplacements de recommandations soient remplis avec du contenu en fonction de vos critères, avec des emplacements vides remplis avec du contenu similaire ou populaire provenant de votre site, comme expliqué à l’étape suivante.

  2. (Facultatif) Faites glisser la bascule Show Backup Content vers la position "activée".

    Remplissez les créneaux vides restants dans la conception avec une sélection aléatoire des produits les plus consultés sur l’ensemble de votre site.

    L’utilisation de recommandations de sauvegarde permet de s’assurer que votre conception de recommandations remplit tous les emplacements disponibles. Supposons que vous ayez une conception 4 x 1, comme illustré ci-dessous :

    4 x 1 design

    Supposons que vos critères entraînent la recommandation de deux éléments seulement. Si vous activez l’option Partial Design Rendering, les deux premiers emplacements sont remplis, mais les deux autres restent vides. Cependant, si vous activez l’option Show Backup Recommendations, les deux premiers emplacements sont remplis en fonction des critères que vous avez spécifiés et les deux autres sont remplis en fonction des recommandations de sauvegarde.

    La matrice suivante montre le résultat que vous obtiendrez lors de l’utilisation des options Partial Design Rendering et Backup Content :

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3
    Rendu de conception partiel Contenu de la sauvegarde Résultats
    Désactivé Désactivé Si un nombre inférieur de recommandations est renvoyé par rapport à celui attendu par la conception, cette dernière est remplacée par le contenu par défaut et aucune recommandation n’est affichée.
    Activé Désactivé La conception est rendue, mais elle peut inclure des espaces vides si un nombre inférieur de recommandations par rapport à celui attendu est renvoyé.
    Activé Activé Les recommandations de sauvegarde remplissent les emplacements de la conception, en affichant entièrement celle-ci.
    Si l’application des règles d’inclusion aux recommandations de sauvegarde limite le nombre de recommandations de sauvegarde incluses de sorte que la conception ne puisse pas être remplie, cette dernière est partiellement affichée.
    Si le critère ne renvoie aucune recommandation et si les règles d’inclusion limitent les recommandations de sauvegarde à zéro, la conception est remplacée par le contenu par défaut.
    Désactivé Activé Les recommandations de sauvegarde remplissent les emplacements de la conception, en affichant entièrement celle-ci.
    Si l’application des règles d’inclusion aux recommandations de sauvegarde limite le nombre de recommandations de sauvegarde incluses de sorte que la conception ne puisse pas être remplie, cette dernière est replacée par le contenu par défaut et aucune recommandation n’est affichée.

    Pour plus d’informations, voir Utilisation d’une recommandation de sauvegarde.

  3. (Conditionnel) Si vous avez sélectionné Show Backup Content à l’étape précédente, vous pouvez activer Apply inclusion rules to backup recommendations.

    Les règles d’inclusion déterminent les éléments qui sont inclus dans vos recommandations. Les options disponibles dépendent du secteur industriel vertical.

    Pour plus d’informations, voir Spécification des règles d’inclusion ci-dessous.

Similarité de contenu similarity

Utilisez des règles Content Similarity pour effectuer des recommandations basées sur des attributs d’élément ou de média.

NOTE
Si vous avez sélectionné Item-Based/ Media with Similar Attributes comme Type d’algorithme et Algorithme, vous avez la possibilité de définir des règles de similarité de contenu.

La similarité de contenu compare des mots-clés d’attributs d’éléments et effectue des recommandations basées sur le nombre de mots-clés que différents éléments ont en commun. Les recommandations basées sur la similarité de contenu ne nécessitent pas d’anciennes données pour fournir des résultats solides.

L’utilisation de la similarité de contenu pour générer des recommandations est particulièrement efficace pour les nouveaux éléments, qui ne sont pas susceptibles d’apparaître dans des recommandations en utilisant la logique Les personnes ayant consulté ceci ont consulté cela et une autre logique basée sur le comportement passé. Vous pouvez également utiliser la similarité de contenu pour générer des recommandations utiles pour les nouveaux visiteurs, qui n’ont pas d’achats antérieurs ni d’autres données historiques.

Lorsque vous sélectionnez Item-Based/ Media with Similar Attributes, vous avez la possibilité de créer des règles pour augmenter ou diminuer l’importance des attributs d’élément spécifiques pour déterminer les recommandations. Pour des éléments tels que des livres, vous pouvez augmenter l’importance d’attributs tels que le genre, l’auteur, la série et ainsi de suite, pour recommander des livres similaires.

Image ContentSimilarity

Étant donné que la similarité de contenu utilise des mots-clés pour comparer des éléments, certains attributs, tels que message ou description, peuvent parasiter la comparaison. Vous pouvez créer des règles pour ignorer ces attributs.

Par défaut, tous les attributs sont définis sur De base. À moins de vouloir modifier ce paramètre, vous ne devez pas créer de règle.

NOTE
L’algorithme de similarité de contenu peut utiliser un échantillonnage aléatoire pour calculer la similarité entre les éléments. Par conséquent, les évaluations de similarité entre les éléments peuvent varier entre les exécutions d’algorithme.

Règles d’inclusion inclusion

Plusieurs options vous aident à préciser les éléments qui s’affichent dans vos recommandations. Vous pouvez utiliser des règles d’inclusion lors de la création de critères ou de promotions.

Règles d’inclusion

Les règles d’inclusion sont facultatives. Cependant, le fait de définir ces détails vous permet de mieux contrôler les éléments qui apparaissent dans vos recommandations. Chaque détail configuré précise les critères d’affichage.

Vous pouvez, par exemple, choisir d’afficher uniquement les chaussures pour femmes dont le stock est supérieur à 50 et le prix compris entre 25 € et 45 €. Vous pouvez également pondérer chaque attribut, de telle sorte que la probabilité d’affichage soit plus élevée pour les éléments qui présentent plus d’intérêt pour vos activités.

Par exemple, vous pouvez choisir d’afficher les offres d’emploi pour les visiteurs qui visitent votre site uniquement à partir de certaines villes et qui possèdent les diplômes universitaires requis.

Les options de règle d’inclusion varient selon le secteur industriel vertical. Par défaut, les règles d’inclusion sont appliquées aux recommandations de sauvegarde.

IMPORTANT
Veuillez utiliser les règles d’inclusion avec prudence. Elles se révèlent utiles si, par exemple, des règles en vigueur dans votre entreprise interdisent la recommandation d’une marque pendant la consultation d’une autre marque. L’utilisation de cette fonctionnalité a toutefois un coût. Si vous empêchez l’affichage de certains éléments alors qu’ils devraient normalement être affichés selon les critères d’activité, l’effet élévateur risque d’être amoindri.

Les règles d’inclusion sont jointes par l’opérateur ET. Toutes les règles doivent être respectées pour inclure un élément dans une recommandation.

Pour créer une règle d’inclusion simple, comme mentionné précédemment, afin d’afficher seulement les chaussures pour femmes dont le stock est supérieur à 50 et le prix compris entre 25 et 45 €, procédez comme suit :

  1. (Conditionnel) Faites glisser la bascule Allow recently purchased items to be recommended? vers la position "activée".

    Ce paramètre est basé sur productPurchasedId. Le comportement par défaut est de ne pas recommander des articles précédemment achetés. En général, vous ne souhaitez pas promouvoir des articles qu’un client a récemment achetés. Il est utile si vous vendez des articles que les gens n’achètent en général qu’une fois, comme des kayaks. Si vous vendez des articles que les gens reviennent acheter à plusieurs reprises, comme du shampooing ou d’autres articles personnels, vous devez activer cette option.

  2. Définissez une gamme de prix pour les produits que vous souhaitez recommander.

  3. Définissez la valeur de stock minimale pour les produits que vous souhaitez recommander.

  4. Configurez la recommandation de manière à afficher uniquement les éléments qui répondent à certains critères.

    Image Recs_InclusionRules

    Vous pouvez indiquer que les éléments sont inclus uniquement lorsque l’un des attributs de la liste répond (ou ne répond pas) à l’une ou plusieurs des conditions spécifiées.

    Les évaluateurs disponibles dépendent de la valeur que vous sélectionnez dans la première liste déroulante. Vous pouvez inclure plusieurs éléments. Ces éléments sont évalués par l’opérateur OU.

    Plusieurs règles sont associées à l’aide de l’opérateur ET.

    note note
    NOTE
    Cette option limite les éléments affichés dans la recommandation. Elle n’affecte pas les pages sur lesquelles la recommandation est affichée. Pour limiter l’emplacement d’affichage de la recommandation, sélectionnez les pages dans le compositeur d’expérience.

Pour plus d’informations, voir Utilisation de règles d’inclusion dynamiques et statiques.

Pondération d’attribut weighting

Vous pouvez ajouter plusieurs règles pour "pousser" l’algorithme en fonction d’informations ou de métadonnées importantes sur le catalogue de contenu afin que certains éléments soient plus susceptibles d’être affichés.

Par exemple, vous pouvez appliquer une pondération plus élevée aux articles en vente afin qu’ils apparaissent plus souvent dans la recommandation. Les articles non soldés ne sont pas complètement exclus, mais ils apparaîtront moins souvent. Plusieurs attributs pondérés peuvent être appliqués au même algorithme et les attributs pondérés peuvent être testés dans un trafic partagé dans la recommandation.

  1. Sélectionnez une valeur.

    La valeur détermine le type d’élément le plus susceptible de s’afficher, selon l’un des critères disponibles.

  2. Sélectionnez un évaluateur.

  3. Saisissez le mot clé pour compléter les attributs de règle.

    Par exemple, la règle complète peut être "La catégorie contient des sous-chaînes de chaussures".

    Image Recs_AttributeWeighting

  4. Sélectionnez le poids à assigner à la règle.

    Les options sont comprises entre 0 et 100, avec des incréments de 25.

  5. Ajoutez d’autres règles si nécessaire.

Lorsque vous avez terminé, cliquez sur Save.

Si vous créez une activité Recommendations ou que vous en modifiez une existante, la case Save criteria for later est cochée par défaut. Si vous ne souhaitez pas utiliser les critères dans d’autres activités, décochez la case avant de procéder à l’enregistrement.

Vidéo de formation : Création de critères dans Recommendations (12:33) Badge de tutoriel

Cette vidéo traite des sujets suivants :

  • Création de critères
  • Création d’une séquence de critères
  • Téléchargement de critères personnalisés
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654