レコメンデーションの作成と管理
レコメンデーションを作成する場合は、推奨される製品 項目 を含む レコメンデーションユニット またはウィジェットを作成します。
推奨単位
レコメンデーションユニットをアクティブ化すると、Adobe Commerceは データの収集 を開始し、インプレッション数、ビュー数、クリック数などを測定します。 Recommendations テーブルには、情報に基づいたビジネス上の意思決定に役立つ各レコメンデーションユニットの指標が表示されます。
-
Adobe Commerce Optimizer サイドバーで、マーチャンダイジング/レコメンデーション に移動して レコメンデーション ワークスペースを表示します。
-
レコメンデーションを作成 をクリックします。
-
「レコメンデーションに名前を付ける」セクションで、内部参照のわかりやすい名前（
Home page most popularなど）を入力します。 -
「レコメンデーションタイプを選択」セクションで、戦略に基づいて必要な レコメンデーションのタイプ を指定します。
-
「ストアフロント表示ラベル」セクションで、「トップセラー など、買い物客に表示される ラベル」を入力します。
-
製品数を選択 セクションで、スライダーを使用して、レコメンデーションユニットに表示する製品の数を指定します。
デフォルトは
5で、最大値は20です。 -
（任意）「フィルター」セクションで フィルターを適用 を使用して、レコメンデーションユニットに表示する製品を制御します。
-
完了したら、次のいずれかをクリックします。
-
ドラフトとして保存 して、レコメンデーションユニットを後で編集します。 ドラフト状態では、レコメンデーションユニットのレコメンデーションタイプを変更できません。
-
アクティブ化 して、ストアフロントでレコメンデーションユニットを有効にします。
レコメンデーションが Recommendations ワークスペースに表示されます。 ストアフロントでレコメンデーションを使用するには、 レコメンデーション ID を見つける必要があります。
-
レコメンデーション ID を取得
レコメンデーションを作成したら、その ID を取得して、ストアフロントにレコメンデーションユニットを実装する必要があります。
-
レコメンデーション ページで、レコメンデーションを選択します。
-
レコメンデーション名の横にある情報アイコン（
レコメンデーションユニットの詳細 ページが表示されます。
-
「Recommendation ID」セクションで、ID をコピーします。
-
この ID を使用して、Edge Delivery Services ストアフロントに レコメンデーションドロップダウン を設定します。
既存のお勧めを管理
既存のレコメンデーションを編集、非アクティブ化または削除できます。
-
Adobe Commerce Optimizer サイドバーで、マーチャンダイジング/レコメンデーション に移動します。
-
変更する推奨事項を選択します。
-
（その他
-
メニューで、レコメンデーションを ディアクティベート、削除 または 編集 できます。 編集 を選択した場合は、必要に応じて次の設定を調整できます。
- レコメンデーション名
- ストアフロントのラベル
- 製品数
- 製品のフィルタリング
推奨タイプは変更できません。
-
完了したら、「変更を保存」をクリックします。
準備状況インジケーター
準備状況インジケーターは、使用可能なカタログと行動データに基づいて、最もパフォーマンスの高い推奨タイプを示します。 また、準備状況インジケーターを使用して、 イベントの収集 に関する問題があるかどうか、または推奨タイプを入力するのに十分なトラフィックがないかどうかを判断することもできます。
準備状況インジケーターは、 静的ベース または 動的ベース に分類されます。 静的ベースではカタログデータのみを使用し、動的ベースでは買い物客の行動データを使用します。 その行動データは、機械学習モデルのトレーニング パーソナライズされたレコメンデーションの構築 準備スコアの計算）に使用されます。
準備状況インジケーターの計算方法
準備指標は、モデルのトレーニング量を示します。 指標は、収集されるイベントのタイプ、操作される製品の幅、カタログのサイズによって異なります。
準備状況インジケーターの割合は、推奨タイプに応じて推奨される可能性のある製品数を示す計算から得られます。 統計は、カタログの全体のサイズ、インタラクションの量（ビュー数、クリック数、買い物かごへの追加など）、特定の期間内にそれらのイベントを登録する SKU の割合に基づいて、製品に適用されます。 例えば、ホリデーシーズンのトラフィックのピーク時には、準備状況インジケーターに通常の量の時間よりも高い値が表示される場合があります。
これらの変数の結果、準備指標の割合が変動する可能性があります。 これにより、レコメンデーションタイプが「デプロイの準備完了」の内外に出てくる場合がある理由を説明します。
準備状況の指標は、次の 2 つの要因に基づいて計算されます。
- 結果セットの十分なサイズ：backup recommendations の使用を回避するために、ほとんどのシナリオで返される結果は十分にありますか？
- 十分な結果セットの多様性：返される製品は、カタログの様々な製品を表していますか？ この要素の目的は、サイト全体で推奨される項目が製品の少数派のみになるのを避けることです。
上記の要因に基づいて、準備値が計算され、次のように表示されます。
- 75% 以上は、そのレコメンデーションタイプに対して提案されたレコメンデーションが非常に関連性の高いことを意味します。
- 少なくとも 50% は、そのレコメンデーションタイプに対して提案されるレコメンデーションの関連性が低くなることを意味します。
- 50% 未満とは、そのレコメンデーションタイプに対して提案されたレコメンデーションが関連性がない可能性があることを意味します。 この場合、 バックアップの推奨事項 が使用されます。
準備状況インジケーターが低い可能性がある理由 についての詳細をご覧ください。
静的ベース
次のレコメンデーションタイプはカタログデータのみを必要とするため、静的ベースです。 行動データは使用されません。
- その他の関連リソース
動的ベース
次のレコメンデーションタイプはストアフロントの行動データを使用するので、動的ベースです。
過去 6 か月間のストアフロント行動データ：
- これを表示、それを表示
- これを見て、それを購入
- これを購入、それを購入
- 推奨
ストアフロントの行動データの過去 7 日間：
- 最も多く閲覧された
- 最も多く購入された
- 買い物かごに最も追加された件数
- トレンド
- 購入コンバージョンの表示
- 表示から買い物かごへのコンバージョン
最新の買い物客行動データ（表示のみ）:
- 最近表示された項目
進行状況を視覚化
各レコメンデーション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、「レコメンデーションタイプを選択」セクションには、各タイプの準備状況の測定値が表示されます。
レコメンデーションタイプ
マーチャントカタログは頻繁に変更されないので、カタログデータに依存するレコメンデーションタイプの準備状況インジケーターの割合は大きく変更されません。 ただし、買い物客の行動データに基づくレコメンデーションタイプの準備状況インジケーターの割合は、多くの場合、毎日の買い物客のアクティビティに応じて変化します。
準備状況インジケーターの割合が低い場合はどうするか
準備状況の割合が低い場合は、このレコメンデーションタイプのレコメンデーションに含める資格のある製品がカタログにたくさんないことを示します。 つまり、このレコメンデーションタイプをデプロイした場合でも、 バックアップレコメンデーション が返される可能性が高くなります。
以下に、考えられる理由と、一般的な低レディネススコアに対する解決策をリストします。
-
静的ベース – これらの指標の割合が低い場合は、表示可能な製品のカタログデータがないことが原因である可能性があります。 値が予想よりも低い場合は、完全同期でこの問題を修正できます。
-
動的ベース – 動的ベースの指標の割合が低い場合は、次の原因が考えられます。
- それぞれのレコメンデーションタイプ requestId、製品コンテキストなど）の必須 ストアフロントイベント）にフィールドが欠落している。
- ストアのトラフィックが少ないので、受信する行動イベントの量は少なくなります。
- ストア内の様々な製品をまたいだストアフロントの行動イベントの多様性は低いです。 例えば、製品の 10% のみが常に表示または購入されている場合、それぞれの準備状況インジケーターは低くなります。
お勧めをプレビュー
推奨製品プレビュー パネルは、ストアフロントにデプロイしたときにレコメンデーションユニットに表示される可能性のある製品のサンプル選択で常に使用できます。
実稼動以外の環境で作業する際にレコメンデーションをテストするには、別のソースからレコメンデーションデータを取得します。 これにより、マーチャントは、実稼動環境にデプロイする前に、ルールを試して推奨事項をプレビューできます。
バックアップ – 収集されたトレーニングデータが不足しているため、バックアップのレコメンデーションを使用してスロットがいっぱいになることを示します。 機械学習モデルとバックアップの推奨事項の詳細については、 行動データ を参照してください。
レコメンデーションユニットを作成する際は、レコメンデーションタイプとフィルターを試して、含まれる製品に関するリアルタイムのフィードバックを即座に取得します。 表示される製品を理解し始めると、ビジネスニーズに合わせてレコメンデーションユニットを設定できます。
Adobe Commerce Optimizer フィルター レコメンデーションを 用すると、1 つのページに複数のレコメンデーションユニットがデプロイされる場合に、重複する製品が表示されるのを回避できます。 その結果、プレビューパネルに表示される製品は、ストアフロントに表示される製品と異なる場合があります。