ステージング環境でテスト
実稼動環境にレコメンデーションをデプロイする前に、実稼動以外の環境でテストして、すべてが期待どおりに動作していることを確認する必要があります。
Product Recommendations ~に基づいて製品を返す 買い物客の行動データ ストアフロントから収集します。 ただし、実稼動環境以外では、買い物客の行動データがない可能性が高くなります。 行動データなしでテストできるレコメンデーションタイプは次のみです。 More like this
. このレコメンデーションタイプは、直接のコンテンツ類似性一致を使用するので、入力データは不要です。
次のレコメンデーションタイプには、行動データが必要です。
- 最も頻繁に閲覧された
- これを閲覧し、それを閲覧した
- これを購入し、それを購入しました
行動データを使用して、実稼動環境以外の環境でレコメンデーションをテストする方法を教えてください。 いくつかのオプションがあります。
実稼動環境からレコメンデーションを取得する(推奨)
Adobe Commerceを使用すると、実稼動環境からレコメンデーションを取得し、 切り替え SaaS データ容量。
実稼動環境からレコメンデーションを取得するには、次の点を確認する必要があります。
- ストアフロントのデータ収集は 設定済みおよび有効 実稼動環境で
- 非実稼動環境のカタログは、実稼動環境のカタログとほぼ同じです。 同様のカタログを使用すると、レコメンデーション単位で返される商品が実稼動環境の商品と密接に似たものになります。
実稼動環境以外での行動データの生成
-
をデプロイします。
magento/product-recommendations
モジュールを、カタログデータが実稼動カタログに似ている実稼動以外の環境に追加します。 -
非実稼動用のデータスペース ID の 1 つを 設定 」と入力します。
-
ストアフロントをクリックして、実際の買い物客の動作を模倣し、データを自分で生成します(または自動化スクリプトを作成します)。 テストを通じて、実稼動以外の環境で行動イベントを生成します。 これらのイベントは、レコメンデーションを促進する製品の親和性の生成に使用されます。 テストの場合、 Commerce では、次のレコメンデーションタイプの操作を示しています。
- 最も多く閲覧された — 入力データが最小限に抑えられます。 ユーザーは製品を表示する必要があります。
- これを閲覧し、それを閲覧 — 複数のユーザーが複数の製品を閲覧する必要があります。
- これを購入したもの — 複数のユーザーが複数の製品を購入する必要があります。
注意事項
-
非実稼動 SaaS データスペースの行動データとカタログデータは、製品レコメンデーションの結果として生成される個別の環境を識別し、その環境が、関連するストアフロントで生成される行動データに完全に基づいています。
-
大量の行動データがないので、製品の関連付けを計算するための入力データは少なくなります。 ただし、そのデータは引き続きSenseiに送信され、機械学習モデルを計算し、この環境で生成したデータに基づいてレコメンデーションを提供します。