Raccogli dati
Quando installi e configuri Product Recommendations, il modulo distribuisce la raccolta di dati comportamentali nella vetrina. Questo meccanismo raccoglie dati comportamentali anonimi dagli acquirenti e potenzia Product Recommendations. Ad esempio, l’evento view viene utilizzato per calcolare il tipo di consiglio Viewed this, viewed that e l’evento place-order per calcolare il tipo di consiglio Bought this, bought that.
Per ulteriori informazioni sui dati comportamentali raccolti dagli eventi Product Recommendations, consulta la documentazione per gli sviluppatori.
Clienti del settore sanitario
Se sei un cliente del settore sanitario e hai installato l’estensione HIPAA Data Services, inclusa con l’estensione Data Connection, Product Recommendations non raccoglie più i dati dell’evento storefront perché sono generati sul lato client.
Per riprendere la raccolta e l’invio dei dati evento vetrina, riattivare la raccolta eventi per Product Recommendations. Per ulteriori informazioni, vedere Configurazione generale.
Tipi di dati ed eventi
Esistono due tipi di dati utilizzati in Product Recommendations:
- Comportamento: dati del coinvolgimento di un acquirente sul tuo sito, ad esempio visualizzazioni di prodotti, elementi aggiunti a un carrello e acquisti.
- Catalogo - Metadati del prodotto come nome, prezzo, disponibilità e così via.
Quando installi il modulo magento/product-recommendations, Adobe AI aggrega i dati comportamentali e di catalogo e crea consigli di prodotto per ogni tipo di consiglio. Il servizio Consigli di prodotto distribuisce quindi tali consigli nella vetrina sotto forma di un widget contenente il prodotto consigliato elementi.
Alcuni tipi di consigli utilizzano i dati comportamentali degli acquirenti per addestrare modelli di apprendimento automatico e generare consigli personalizzati. Altri si basano solo sui dati del catalogo. Per iniziare a utilizzare rapidamente i consigli di prodotto, scegli uno dei seguenti tipi di consigli per il solo catalogo:
More like thisVisual similarity
Avvio a freddo
Quando puoi iniziare a utilizzare i tipi di consigli che utilizzano dati comportamentali? Dipende. Questa situazione è definita problema di Avvio a freddo.
Il problema di Avvio a freddo è il tempo necessario per l’addestramento di un modello di apprendimento automatico prima che possa produrre consigli efficaci. Per i consigli di prodotto, Adobe AI deve raccogliere un numero sufficiente di dati per addestrare i suoi modelli prima di distribuire le unità di consigli. Più dati in genere migliorano l’accuratezza e l’utilità dei consigli. Poiché la raccolta dei dati si verifica nel sito attivo, avviare questo processo in anticipo installando e configurando il modulo magento/product-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. I consigli diventano più precisi quanto più a lungo vengono utilizzati sul sito.
Per aiutarti a visualizzare l’avanzamento della formazione di ciascun tipo di consiglio, la pagina crea consiglio visualizza gli indicatori di preparazione.
Mentre il tuo sito live raccoglie dati e i modelli di apprendimento automatico si addestrano, completa le altre attività di test e configurazione. Una volta che i modelli hanno abbastanza dati per generare consigli utili, distribuisci le unità di consigli nella vetrina.
Se il sito non riceve abbastanza traffico (visualizzazioni, acquisti o tendenze) per la maggior parte delle SKU di prodotto, il processo di apprendimento potrebbe non essere completato, causando il blocco degli indicatori di preparazione nell’amministratore. Gli indicatori di preparazione aiutano i commercianti a scegliere il tipo di consiglio migliore per il loro negozio, ma sono solo una guida e potrebbero non raggiungere mai il 100%. Ulteriori informazioni sugli indicatori di preparazione. Ulteriori informazioni sugli indicatori di preparazione.
Raccomandazioni per il backup backuprecs
Se i dati di input sono insufficienti e un’unità di consigli non è in grado di restituire tutti gli elementi richiesti, Adobe Commerce le riempie di consigli di backup. Ad esempio, dopo aver distribuito il tipo di consiglio Recommended for you nella home page, un acquirente alle prime armi potrebbe non aver generato abbastanza dati comportamentali per i consigli personalizzati. In questo caso, Adobe Commerce visualizza gli elementi in base al tipo di consiglio Most viewed .
Se la raccolta dei dati di input non è sufficiente, i seguenti tipi di consigli eseguono il fallback al tipo di consiglio Most viewed:
Recommended for youViewed this, viewed thatViewed this, bought thatBought this, bought thatTrendingConversion (view to purchase)Conversion (view to cart)
Avvertenze
- Gli ad blocker e le impostazioni di privacy possono impedire l’acquisizione degli eventi e causare la mancata generazione di rapporti per metriche relative a coinvolgimento e ricavi. Inoltre, alcuni eventi non vengono inviati a causa di acquirenti che escono dalla pagina o a causa di problemi di rete.
- Le implementazioni headless devono implementare gli eventi per alimentare il dashboard Consigli di prodotto.
- Per i prodotti configurabili, la funzione Consigli di prodotto utilizza l’immagine del prodotto principale. Se il prodotto principale non ha alcuna immagine, tale prodotto non viene visualizzato nell’unità di consigli.