イベント

イベントは、リアルタイムのデータインサイトを活用してショッピングエクスペリエンスを強化し、コンバージョンを促進する重要なツールです。

Adobe Commerce Optimizer は、ストアフロントイベントを自動的にサイトにデプロイします。 これらのイベントは、サイトでの買い物客のインタラクションからデータをキャプチャします。 この匿名データにより、recommendations、 製品検出および 成功指標が強化されます。

イベント ページでは、ストアフロントイベントデータが収集されるのを監視できます。 イベントデータ収集を表示することで、マーチャントは、ストアフロントイベントを正しく実装したことと、イベントが正常にキャプチャされていることを確認できます。 マーチャントはこのページを使用して、潜在的な問題を特定し、イベントの問題を解決する手順を実行できます。

イベント数

「イベント数 タブでは、検索、クリック数、購入など、買い物客のインタラクションを追跡し、トレンドの分析と買い物体験の向上に役立ちます。

{modal="regular"}

健全性チェック

健全性チェック タブでは、各行動イベントの正常性に関するインサイトを提供し、正確なデータ収集と機能を確保します。​

{modal="regular"}

以降の節では、 製品検出と 推奨事項のイベントの詳細について説明します。

製品の検出

製品検出では、イベントを使用して、「最も多く閲覧された」、「これを閲覧し、それを閲覧した」などの検索アルゴリズムを強化します。

次の表に、製品検出で使用されるイベント ランキング戦略を示します。

必須のダッシュボードイベント

一部のイベントは、 検索パフォーマンスダッシュボードに入力する必要があります

推奨事項

Recommendations で使用されるデータには、次の 2 種類があります。

Adobe Senseiは、行動データとカタログデータを集計し、レコメンデーションタイプごとにレコメンデーションを作成します。 次に、Recommendations サービスは、推奨される製品 項目 を含むウィジェットの形式で、レコメンデーションをストアフロントにデプロイします。

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。 サイトですばやくレコメンデーションの使用を開始する場合は、More like this のレコメンデーションタイプを使用できます。

コールドスタート

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ですか？ 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、モデルがトレーニングを受けて実効を発揮するまでにかかる時間を表します。 お勧めの場合、Adobe Senseiが機械学習モデルをトレーニングするために十分なデータを収集するのを待ってから、レコメンデーションユニットをサイトにデプロイすることを意味します。 モデルのデータが多いほど、レコメンデーションはより正確で有用になります。 データ収集はライブサイトで行われるので、このプロセスは早めに開始することをお勧めします。

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。

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。

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。

ライブサイトでデータが収集され、機械学習モデルがトレーニングされている間に、レコメンデーションを設定するために必要な他のテストおよび設定タスクを完了できます。 この作業が完了するまでに、モデルには便利なレコメンデーションを作成するのに十分なデータが含まれており、ストアフロントにモデルをデプロイできます。

ほとんどの製品 SKU でサイトに十分なトラフィック（表示、購入、トレンド）が届かない場合は、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、Recommendations ワークスペースの準備インジケーターが動かなくなった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。 準備状況インジケーターについて 詳しくは、 こちら ] を参照してください。

バックアップの推奨事項

入力データが不十分で、要求されたすべてのレコメンデーション項目をユニットで提供できない場合、Adobe Commerce Optimizer 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代替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 Optimizer 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。

入力データの収集が不十分な場合、次のレコメンデーションタイプが Most viewed のレコメンデーションタイプにフォールバックします。

レコメンデーション固有のイベント

次の表に、買い物客がストアフロントのレコメンデーションユニットとやり取りしたときにトリガーされるイベントを示します。 収集されたイベントデータにより、 指標が強化され、レコメンデーションのパフォーマンスを分析できます。

必須のダッシュボードイベント

Recommendations パフォーマンスダッシュボードに入力するには、次のイベントが必要です。

次のイベントは Recommendations に固有ではありませんが、Adobe Senseiが買い物客データを正しく解釈するために必要です。

レコメンデーションタイプ

次の表に、各レコメンデーションタイプで使用されるイベントを示します。

サポート

データの不一致に気付いた場合、またはレコメンデーションと検索結果が期待どおりに動作しない場合は、 サポートチケットを送信してください。