Dati comportamentali
Alcuni tipi di consigli utilizzano i dati comportamentali dei tuoi acquirenti per addestrare modelli di apprendimento automatico per creare consigli personalizzati. Altri tipi di consigli utilizzano solo i dati di catalogo e non utilizzano dati comportamentali. Per iniziare rapidamente, puoi utilizzare i seguenti tipi di consigli solo per catalogo:
More like thisVisual similarity
Quando puoi iniziare a utilizzare i tipi di consigli che utilizzano i dati comportamentali? Dipende. Questo problema è denominato Avvio a freddo.
Il problema di Avvio a freddo è una misura del tempo necessario per la formazione di un modello prima che possa essere considerato di alta qualità. Nei consigli di prodotto, si traduce nell’attendere che Adobe Sensei adotti i modelli di apprendimento automatico prima di distribuire unità di consigli sul sito. Maggiore è il numero di dati di questi modelli, più accurati e utili sono i consigli. La raccolta di questi dati richiede tempo e varia in base al volume di traffico. Poiché questi dati possono essere raccolti solo su un sito di produzione, è nel tuo interesse distribuire la raccolta dati il prima possibile. A tale scopo, installare e configurare il modulo magento/production-recommendations.
La tabella seguente fornisce alcune indicazioni generali sul tempo necessario per raccogliere dati sufficienti per ogni tipo di consiglio:
Most viewed, Most purchased, Most added to cart)Viewed this, viewed thatViewed this, bought that, Bought this, bought thatTrendingAltre variabili che possono influire sul tempo necessario per la formazione:
- Un volume di traffico più elevato contribuisce a un apprendimento più rapido
- Alcuni tipi di consigli si addestrano più rapidamente di altri
- Adobe Commerce ricalcola i dati comportamentali ogni quattro ore. Recommendations diventa più preciso quanto più a lungo vengono utilizzati sul tuo sito.
Per aiutarti a visualizzare l'avanzamento della formazione di ciascun tipo di consiglio, la pagina crea consiglio visualizza gli indicatori di preparazione.
Mentre i dati vengono raccolti sulla produzione e i modelli di apprendimento automatico vengono addestrati, puoi implementare le attività rimanenti necessarie per distribuire i consigli nella vetrina. Al termine del test e della configurazione dei consigli, i modelli di apprendimento automatico hanno raccolto e calcolato dati sufficienti per generare consigli rilevanti e quindi distribuire i consigli nella vetrina.
Se il traffico è insufficiente (visualizzazioni, prodotti acquistati, tendenze) per la maggior parte delle SKU, i dati potrebbero non essere sufficienti per completare il processo di apprendimento. In questo modo l’indicatore di preparazione nell’amministratore potrebbe sembrare bloccato.
Gli indicatori di preparazione hanno lo scopo di fornire agli esercenti un altro punto di dati nella scelta del tipo di consigli migliore per il negozio. I numeri sono una guida e potrebbero non raggiungere mai il 100%.
Raccomandazioni per il backup backuprecs
Se i dati di input non sono sufficienti per fornire tutti gli elementi di consigli richiesti in un'unità, Adobe Commerce fornisce consigli di backup per popolare le unità di consigli. Ad esempio, se distribuisci il tipo di consiglio Recommended for you nella tua home page, un acquirente sul tuo sito non ha generato abbastanza dati comportamentali per consigliare accuratamente prodotti personalizzati. In questo caso, Adobe Commerce fa emergere a questo acquirente gli elementi in base al tipo di consiglio Most viewed.
Se i dati di input raccolti non sono sufficienti, i seguenti tipi di consigli tornano al tipo di consigli Most viewed:
Recommended for youViewed this, viewed thatViewed this, bought thatBought this, bought thatTrendingConversion (view to purchase)Conversion (view to cart)