導入ワークフロー
Product Recommendationsは、行動データとカタログデータの両方を使用します。
-
行動 – 商品ビュー、カートに追加された商品、購入など、サイトでの買い物客のエンゲージメントに関するデータ。 Adobe CommerceおよびAdobe AIは、個人を特定できる情報を収集しません。
-
カタログ – 名前、価格、在庫状況などの商品メタデータ。
magento/product-recommendations moduleをインストールすると、Adobe AI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Product Recommendationsを作成します。 次に、Product Recommendations サービスは、これらの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。 ストアフロントに商品レコメンデーションを導入するには、次のワークフローを使用します。
ワークフロー
-
実稼動環境へのデータ収集のデプロイ
Product Recommendationsをデプロイするには、カタログと行動の2つの主要な データソース が必要です。 プロダクションは、顧客の行動を把握および分析する唯一の環境です。そのため、できるだけ早い段階でプロダクションに関するデータ収集を開始しましょう。 Adobe AIがマシンラーニングモデルのトレーニングを行い、より質の高いレコメンデーションを提供する方法を学びます。 さらに、実稼動環境で行動データの収集を開始すると、実稼動以外の環境での運用中に、この実稼動データに基づいて推奨事項を取得できます。 その後、本番環境で収集された実際の買い物客データにもとづいて計算されたさまざまなレコメンデーションをテストして、実験することができます。
データ収集を実稼動環境にデプロイするには、API キーを指定してProduct Recommendations モジュールを インストールして設定する必要があります。
note tip TIP データ収集を導入しても、ストアフロントの外観や買い物客の体験は変わりません。 レコメンデーションユニットを作成および展開するだけで、ストアフロントの顧客体験が変化します。 実稼動環境にデプロイする前に、実稼動以外の環境でテストを行ってください。 また、テンプレートをカスタマイズするまで、レコメンデーションユニットを作成しないでください。 次のステップ。 -
自分のスタイルに合わせてテンプレートをカスタマイズ
ストアフロントはブランドの象徴であるため、サイトテーマに合わせて商品レコメンデーションテンプレートを変更しましょう。
note tip TIP テンプレートをカスタマイズすることで、スタイルシートを指定したり、レコメンデーションユニットがページ上に表示される場所を上書きしたりできます。 この手順を完了する方法については、開発者ドキュメントの「 カスタマイズ 」を参照してください。
-
実稼動以外の環境でレコメンデーションをテストする
実稼動環境にデプロイする前に、非実稼動環境で新しいテクノロジーをテストすることをお勧めします。 実稼動以外の環境でレコメンデーションをテストすると、様々なレコメンデーションユニットタイプ、ポジショニング、ページを使用して再生できます。 実稼働環境でのテスト中に、実稼働環境ですでに収集された行動データに基づいてレコメンデーションを取得できるため、実際の顧客のショッピング行動に基づいてレコメンデーション結果を得ることができます。
note tip TIP 実稼動以外の環境カタログと、実稼動環境のカタログとほぼ同じであることを確認します。 類似のカタログを使用することで、レコメンデーションユニットに返される製品が、生産時の製品を密接に模倣することができます。 この手順を完了する方法については、実稼動環境からFetch行動データを取得するを参照してください。
-
レコメンデーションを作成して実稼動ストアフロントにデプロイ
実稼動環境に行動データ収集をデプロイし、商品レコメンデーションテンプレートを変更し、実際の買い物客の行動を使用してレコメンデーションをテストしたら、すべてのコードを実稼動環境にプロモートし、create実稼動商品レコメンデーションを作成する準備が整いました。