行動データ

一部のレコメンデーションタイプでは、買い物客の行動データを使用して機械学習モデルをトレーニングし、パーソナライズされたレコメンデーションを作成します。 その他のレコメンデーションタイプでは、カタログデータのみを使用し、行動データは使用しません。 すぐに開始する場合は、次のカタログのみのレコメンデーションタイプを使用できます。

  • More like this
  • Visual similarity

では、行動データを使用するレコメンデーションタイプの使用を開始できるのはいつからでしょうか。 場合によります。 これは、「コールドスタート 問題と呼ば ます。

コールドスタート の問題は、モデルが高品質と見なされるまでにトレーニングする必要がある時間の尺度です。 Product Recommendations では、Adobe Senseiが機械学習モデルのトレーニングを完了するのを待ってから、サイトにレコメンデーションユニットをデプロイすることを意味します。 これらのモデルに含まれるデータが多いほど、レコメンデーションは正確で有用になります。 このデータの収集には時間がかかり、トラフィック量に応じて異なります。 このデータは実稼動サイトでのみ収集できるので、できるだけ早くデータ収集をそこにデプロイすることが最善の利益となります。 これを行うには、magento/production-recommendations モジュールを インストールおよび設定します。

次の表に、各レコメンデーションタイプで十分なデータの収集に要する時間に関する一般的なガイダンスを示します。

レコメンデーションタイプ
トレーニング時間
備考
人気度ベース(Most viewedMost purchasedMost added to cart
可変
イベントの量に依存 – 表示は最も一般的なので、より迅速に学習されます。その後、買い物かごに追加され、購入されます
Viewed this, viewed that
さらにトレーニングが必要
製品表示の量が急激に多い
Viewed this, bought that, Bought this, bought that
最も多くのトレーニングが必要
購入イベントは、特に製品表示と比較して、コマースサイトで最もまれなイベントです
Trending
人気度のベースラインを確立するために 3 日間のデータが必要です
トレンド分析は、製品の人気ベースラインと比較した、製品の人気の最近の勢いの指標です。 製品のトレンドスコアは、フォアグラウンドセット(24 時間にわたる最近の人気度)とバックグラウンドセット(72 時間にわたる人気度のベースライン)を使用して計算されます。 過去 24 時間以内に、ベースラインの人気度と比較してアイテムの人気が大幅に高まった場合、高いトレンドスコアが得られます。 すべての製品にこのスコアがあり、常に最も高いスコアは、上位のトレンド製品のセットで構成されます。

トレーニングに要する時間に影響を与える可能性があるその他の変数を次に示します。

  • トラフィック量が多いほど、学習が速くなります
  • 一部のレコメンデーションタイプは、他のタイプよりも高速にトレーニングされます
  • Adobe Commerceは 4 時間ごとに行動データを再計算します。 Recommendationsは、サイトで使用されるほど正確になります。

各推奨タイプのトレーニングの進行状況を視覚化できるように、「 推奨を作成」ページに準備状況インジケーターが表示されます。

データが実稼動環境で収集され、機械学習モデルがトレーニングされる間に、レコメンデーションをストアフロントにデプロイするために必要な 残りのタスクを実装できます。 レコメンデーションのテストと設定が完了する前に、機械学習モデルが適切なレコメンデーションを作成するのに十分なデータを収集および計算したので、レコメンデーションをストアフロントにデプロイできるようになりました。

ほとんどの SKU に十分なトラフィック(ビュー、購入した製品、トレンド)がない場合は、学習プロセスを完了するのに十分なデータがない可能性があります。 これにより、管理画面の準備インジケーターが停止したかのように見える場合があります。
準備状況の指標は、店舗にとって優れたレコメンデーションタイプを選択する際に、マーチャントに別のデータポイントを提供することを目的としています。 数値は目安であり、100% に達することはありません。

バックアップの推奨事項 backuprecs

リクエストされたレコメンデーションアイテムを 1 つのユニット内ですべて提供するのに十分な入力データがない場合、Adobe Commerceは、レコメンデーションユニットにデータを入力するためのバックアップレコメンデーションを提供します。 例えば、ホームページに Recommended for you のレコメンデーションのタイプをデプロイした場合、サイト上で初めて買い物をする人は、パーソナライズされた製品を正確に推奨するのに十分な行動データを生成していません。 この場合、Adobe Commerceは、この買い物客に Most viewed のレコメンデーションタイプに基づいて項目を表示します。

次のレコメンデーションタイプは、収集され Most viewed 十分な入力データがない場合、レコメンデーションタイプにフォールバックします。

  • Recommended for you
  • Viewed this, viewed that
  • Viewed this, bought that
  • Bought this, bought that
  • Trending
  • Conversion (view to purchase)
  • Conversion (view to cart)
recommendation-more-help
4bf3c55a-3844-4322-a5d2-42b4e56228e5