データを収集
Product Recommendations をインストールして設定すると、モジュールは行動データの収集をストアフロントにデプロイします。 このメカニズムは、匿名化された行動データを買い物客から収集し、Product Recommendations の権限を与えます。 例えば、view イベントは Viewed this, viewed that レコメンデーションタイプの計算に使用され、place-order イベントは Bought this, bought that レコメンデーションタイプの計算に使用されます。
イベントが収集する行動データについて詳しくは、 開発者ドキュメント Product Recommendations を参照してください。
ヘルスケア関連のお客様
医療関係のお客様が データ接続 拡張機能の一部である データサービス HIPAA 拡張機能 をインストールした場合、Product Recommendations で使用されるストアフロントイベントデータは取得されなくなります。 これは、ストアフロントのイベントデータがクライアントサイドで生成されるからです。 ストアフロントのイベントデータのキャプチャと送信を続行するには、Product Recommendations のイベント収集を再度有効にします。 詳しくは、 一般設定 を参照してください。
データタイプとイベント
Product Recommendations で使用されるデータには、次の 2 種類があります。
- 行動 – 製品表示、買い物かごに追加された項目、購入など、サイトに対する買い物客のエンゲージメントからのデータ。
- カタログ – 製品メタデータ（名前、価格、在庫状況など）。
magento/product-recommendations モジュールをインストールすると、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商品レコメンデーションを作成します。 次に、Product 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。 サイトでの製品レコメンデーションの使用を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 thisVisual similarity
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。 商品レコメンデーションの場合、レコメンデーションユニットをサイトにデプロイする前に、Adobe Senseiが機械学習モデルをトレーニングするのに十分なデータを収集するのを待つことになります。 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、magento/production-recommendations モジュールをインストールして設定し、このプロセスを早期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。
Most viewed、Most purchased、Most added to cart）Viewed this, viewed thatViewed this, bought that, Bought this, bought thatTrending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。 レコメンデーションは、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。
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、管理者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 backuprecs
入力データが不十分で、リクエストされたすべてのレコメンデーションアイテムをユニットで提供できない場合、Adobe Commerceは、レコメンデーションユニットを設定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。
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。
Recommended for youViewed this, viewed thatViewed this, bought thatBought this, bought thatTrendingConversion (view to purchase)Conversion (view to cart)
注意事項
- 広告ブロッカーとプライバシー設定は、イベントがキャプチャされるのを防ぎ、エンゲージメントと売上高 指標 が過小報告される原因になる可能性があります。 さらに、買い物客のページからの離脱やネットワークの問題が原因で、一部のイベントが送信されない場合があります。
- ヘッドレス実装 製品レコメンデーションダッシュボードを強化するには、イベンティングを実装する必要があります。
- 設定可能な製品の場合、Product Recommendations では、レコメンデーションユニット内の親製品の画像を使用します。 設定可能な製品に画像が指定されていない場合、その特定の製品のレコメンデーションユニットは空になります。