Basic Information

  1. Criteria Name を入力します。

    これは、条件の説明に使用される「内部」名です。例えば、条件を「利幅の高い商品」と呼びたいが、正式に表示されるタイトルにはそれを使いたくないという場合があります。公開されるタイトルを設定するには、次の手順を参照してください。

  2. この条件を使用するレコメンデーションに対してページに表示する、公開 Display Title を入力します。

    例えば、この条件を使用してレコメンデーションを表示する際に、「これを表示したひとはこれも表示しています」または「類似の商品」と表示したい場合があります。

  3. 条件の短い Description を入力します。

    説明は、条件の識別に役立ち、条件の目的に関する情報が含まれる場合があります。

  4. Recommendations アクティビティの目標に基づいて、業界の業種を選択します。

    業種目標
    Retail/Ecommerce購入をもたらすコンバージョン
    Lead Generation/B2B/Financial Services購入を伴わないコンバージョン
    Media/Publishingエンゲージメント

    その他の条件オプションは、選択した業種に応じて変わります。

  5. Page Type を選択します。

    複数のページタイプを選択できます。

    業界の垂直方向とページのタイプを組み合わせると、保存した条件を分類するのに役立ち、他の Recommendations アクティビティで条件を簡単に再利用できます。

Recommendations Algorithm

  1. Algorithm TypeAlgorithm を選択:

    推奨されるアルゴリズムの節

    アルゴリズムタイプ使用すべき/使用可能なアルゴリズム
    Cart-Based

    ユーザーの買い物かごの中身に基づいてお勧めを紹介します。

    • People Who Viewed These, Also Viewed
    • People Who Viewed These, Also Bought
    • People Who Bought These, Also Bought
    Popularity-Based

    サイト全体でのアイテムの全体的な人気度に基づいて、またはユーザーのお気に入りのカテゴリや最も多く閲覧されたカテゴリ、ブランド、ジャンルなどのアイテムの人気度に基づいて、レコメンデーションを作成します。

    • Most Viewed Across the Site
    • Most Viewed by Category
    • Most Viewed by Item Attribute
    • Top Sellers Across the Site
    • Top Sellers by Category
    • Top Sellers by Item Attribute
    • Top by Analytics Metric
    Item-Based

    ユーザーが現在表示している項目または最近表示した項目に類似した項目を見つけることに基づいてお勧めを紹介します。

    • People Who Viewed This, Viewed That
    • People Who Viewed This, Bought That
    • People Who Bought This, Bought That
    • Items with Similar Attributes
    User-Basedユーザーの行動に基づいてお勧めを紹介します。
    Custom Criteriaアップロードしたカスタムファイルに基づいてお勧めを紹介します。
    NOTE
    Items/ Media with Similar Attributes を選択した場合は、「コンテンツの類似性ルール を設定するオプションが表示さます。
  2. 必要に応じて、項目属性一致するプロファイル属性レコメンデーションキーフィルタリングキー分析指標 を選択して、アルゴリズムを設定します。

残りのアルゴリズム設定オプションは、選択したアルゴリズムによって異なります。 アルゴリズムの設定を完了するには、Recommendation Key、Filtering Key、Co-Occurrence Basis、Analytics Metric、Item Attribute および Profile Attribute to Match を選択します。

レコメンデーシ Recommendation Key ンの選択について詳しくは、 レコメンデーションキーに基づくレコメンデーションのベースを参照してください。

Backup Content

Backup Content のルールは、推奨項目数が recommendations のデザインを満たさない場合の動作を決定します。 Recommendations の条件で返されるレコメンデーションは、デザインで要求されるレコメンデーションよりも少なくなる可能性があります。 例えば、デザインに 4 つのアイテムのスロットがあるものの、条件によって 2 つのアイテムしか推奨されない場合は、残りのスロットを空のままにするか、バックアップ レコメンデーションを使用して余分なスロットを埋めるか、レコメンデーションを表示しないように選択できます。

  1. (オプション) Partial Design Rendering トグルを「オン」の位置にスライドさせます。

    可能な限り多くのスロットが埋められますが、デザイン テンプレートには残りのスロットの空白スペースが含まれる場合があります。 このオプションが無効になっていて、使用可能なすべてのスロットに入るのに十分なコンテンツがない場合、レコメンデーションは提供されず、代わりにデフォルトコンテンツが表示されます。

    レコメンデーションを空のスロットで提供する場合は、このオプションを有効にします。 次の手順で説明するように、条件に基づいてレコメンデーションスロットにコンテンツを入力し、サイトの類似コンテンツや人気コンテンツが空のスロットに入力する場合は、バックアップのレコメンデーションを使用します。

  2. (オプション) Show Backup Content トグルを「オン」の位置にスライドさせます。

    サイト全体から最も多く閲覧された製品をランダムに選択して、デザインの残りの空のスロットを埋めます。

    バックアップのレコメンデーションを使用すると、レコメンデーションの設計が使用可能なすべてのスロットに確実に適用されます。 次の図に示すように、4 x 1 のデザインがあるとします。

    4 x 1 デザイン

    条件によって、2 つの項目のみが推奨されるとします。 Partial Design Rendering オプションを有効にした場合、最初の 2 つのスロットは埋められますが、残りの 2 つのスロットは空のままです。 ただし、「Show Backup Recommendations」オプションを有効にすると、最初の 2 つのスロットは指定した基準に基づいて入力され、残りの 2 つのスロットはバックアップの推奨事項に基づいて入力されます。

    次のマトリックスは、Partial Design Rendering および Backup Content オプションを使用する際に確認できる結果を示しています。

    デザインの部分レンダリングコンテンツのバックアップ結果
    無効無効返されたレコメンデーションがデザインで指定されているよりも少ない場合、レコメンデーションデザインはデフォルトコンテンツに置き換えられ、レコメンデーションは表示されません。
    有効無効デザインはレンダリングされますが、返されたレコメンデーションがデザインで指定されているよりも少ない場合、空白スペースが含まれることがあります。
    有効有効使用可能なデザインの「スロット」に代替レコメンデーションが挿入され、デザインが完全にレンダリングされます。
    インクルージョンルールを代替レコメンデーションに適用するとデザインに挿入できなくなるほど適格な代替レコメンデーションの数が制限される場合、デザインは部分的にレンダリングされます。
    この基準がレコメンデーションを返さず、インクルージョンルールが代替レコメンデーションをゼロに制限する場合、デザインはデフォルトコンテンツで置き換えられます。
    無効有効使用可能なデザインの「スロット」に代替レコメンデーションが挿入され、デザインが完全にレンダリングされます。
    インクルージョンルールを代替レコメンデーションに適用するとデザインに挿入できなくなるほど適格な代替レコメンデーションの数が制限される場合、デザインはデフォルトコンテンツに置き換えられ、レコメンデーションは表示されません。

    詳しくは、 代替レコメンデーションの使用を参照してください。

  3. (条件付き)前の手順で Show Backup Content を選択した場合は、Apply inclusion rules to backup recommendations を有効にできます。

    包含ルールは、レコメンデーションに含める項目を決定します。 使用できるオプションは、業種によって異なります。

    詳しくは、以下の インクルージョンルールの指定を参照してください。

Data Source

  1. Adobe Target または Analytics から目的の Behavioral Data Source を選択します。

    NOTE
    「Behavioral Data Source」セクションは、実装で Analytics for Target (A4T)を使用している場合にのみ表示されます。

    行動データのSourceセクション

    Analytics を選択した場合は、目的のレポートスイートを選択します。

    条件で Adobe Analytics を行動データソースとして使用する場合、作成後、条件を使用できるまでの時間は、選択したレポートスイートとルックバックウィンドウが他の条件にも使用されたかどうかで異なります(下図を参照)。

    • 1 回限りのレポートスイート設定:指定されたデータ範囲のルックバックウィンドウで最初にレポートスイートが使用されると、Target Recommendations は、選択されたレポートスイートの行動データを Analytics から完全にダウンロードするまで 2 ~ 7 日間かかる可能性があります。この時間枠は、Analytics のシステム負荷によって異なります。
    • 新しい条件または既に使用可能なレポートスイートを使用して編集した条件:新しい条件を作成したり既存の条件を編集したりする場合、選択されたレポートスイートが選択されたデータ範囲以下のデータ範囲で既に Target Recommendations で使用されていれば、データは即座に使用でき、1 回限りの設定は必要ありません。この場合、または選択されたレポートスイートまたはデータ範囲が変更されずにアルゴリズムの設定が編集されると、12 時間以内にアルゴリズムが実行または再実行されます。
    • 進行中のアルゴリズム実行:毎日の Analytics から Target Recommendations へのデータフロー。例えば、Viewed Affinity のレコメンデーションでは、ユーザーが製品を閲覧すると、製品ビューのトラッキングコールがにリアルタイムに近い Analytics で渡されます。 Analytics データが翌日早くに Target にプッシュされ、Target が 12 時間以内にアルゴリズムを実行します。

    詳しくは、Target RecommendationsでAdobe Analyticsを使用するを参照してください。

  2. Lookback Window を設定して、表示するレコメンデーションを決定する際に使用できる、過去のユーザー行動データの時間範囲を決定します。 このオプションは、Items with Similar Attributes と Custom Algorithms を除くすべてのアルゴリズムで使用できます。

    ルックバックウィンドウのスライダー

    サイトのトラフィックが多く、行動が頻繁に変わる場合は、データの範囲を狭めます。Recommendations は、範囲を狭くするほどマーケットやビジネスの変化に反応しやすくなります。例えば、範囲を狭く設定した場合、訪問者が新学期やクリスマスなどの季節の製品の購入を始めると、Recommendations は訪問者の行動の変化を検知して季節に適した品目をレコメンデーションするようになります。

    データ量が多くない場合や、訪問者の行動が頻繁に変化しない場合は、範囲を長くすることもできます。ただし、多くのサイトでは、ウィンドウが短いほど、レコメンデーションの品質が高くなります。

    有効なデータ範囲は、次のとおりです。

    ルックバックウィンドウオプション更新された頻度(ホバーしたときに表示)サポートされるアルゴリズム
    6 時間アルゴリズムは 3~6 時間ごとに実行されます選択した Behavioral Data Source が Adobe Target の場合の Popularity-Based アルゴリズム
    1 日アルゴリズムは 12 ~ 24 時間ごとに実行されますPopularity-Based アルゴリズム
    2 日アルゴリズムは 12 ~ 24 時間ごとに実行されます
    • Popularity-Based アルゴリズム
    • Item-Based アルゴリズム
    • User-Based アルゴリズム
    • Cart-Based アルゴリズム
    1 週間アルゴリズムは 24 ~ 48 時間ごとに実行されます
    • Popularity-Based アルゴリズム
    • Item-Based アルゴリズム
    • User-Based アルゴリズム
    • Cart-Based アルゴリズム
    2 週間アルゴリズムは 24 ~ 48 時間ごとに実行されます
    • Popularity-Based アルゴリズム
    • Item-Based アルゴリズム
    • すべての User-Based アルゴリズム
    • Cart-Based アルゴリズム
    1 か月(30 日)アルゴリズムは 24 ~ 48 時間ごとに実行されます
    • Popularity-Based アルゴリズム
    • Item-Based アルゴリズム
    • User-Based アルゴリズム
    • Cart-Based アルゴリズム
    2 か月(61 日)アルゴリズムは 24 ~ 48 時間ごとに実行されます
    • Popularity-Based アルゴリズム
    • Item-Based アルゴリズム
    • User-Based アルゴリズム
    • Cart-Based アルゴリズム

コンテンツの類似性

Content Similarity ルールを使用して、項目またはメディアの属性に基づいてお勧めを紹介します。

NOTE
Algorithm Type および Algorithm として Item-Based/ Media with Similar Attributes を選択した場合は、コンテンツの類似性ルールを設定するオプションがあります。

コンテンツの類似性では、アイテム属性キーワードを比較し、複数の項目に共通するキーワードの数に基づいてレコメンデーションを作成します。コンテンツの類似性に基づくレコメンデーションでは、過去のデータがなくても質の高い結果が得られます。

コンテンツの類似性を使用したレコメンデーションの生成は、新しいアイテムでは特に効果的です。新しいアイテムでは、過去の行動に基づいて これを閲覧したユーザー、これも閲覧したユーザー およびその他のロジックを使用したレコメンデーションに表示されない可能性が高くなります。 また、コンテンツの類似性を使用すると、過去の購入などの履歴データがない新規訪問者に対する便利なレコメンデーションを生成することもできます。

Item-Based/Media with Similar Attributes を選択する場合は、レコメンデーションを決定する際の特定の項目属性の重要性を増減させるルールを作成することもできます。 本などの項目については、ジャンル著者シリーズ ​などの属性の重要度を高くして、類似する本を推奨することができます。

コンテンツの類似性ではキーワードを使用して項目を比較しているため、メッセージ ​や​ 説明 ​などの一部の属性により比較に「邪魔」が入ることがあります。このような属性については、ルールを作成して無視することができます。

デフォルトでは、すべての属性は「ベースライン」に設定されています。この設定を変更しない場合、ルールを作成する必要はありません。

NOTE
コンテンツの類似性アルゴリズムでは、項目間の類似性の計算にランダムサンプリングを使用する場合があります。 その結果、項目間の類似性評価は、アルゴリズム実行間で異なる場合があります。

インクルージョンルール

いくつかのオプションを使用して、レコメンデーションに表示する品目を絞り込むことができます。条件やプロモーションの作成時にインクルージョンルールを使用できます。

インクルージョンルールはオプションです。ただし、これらの詳細を設定すると、レコメンデーションに表示される項目をさらに制御できるようになります。詳細を設定するたびに、表示基準をより詳細に絞り込むことができます。

例えば、在庫数が 50 を超えていて、価格が $25~$45 の婦人靴だけを表示するよう選択できます。また、ビジネス上非常に重要な品目が最も表示されやすくなるように各属性に対して重みを付けることもできます。

別の例として、サイトにアクセスした訪問者のうち、特定の都市にいて、特定の学位を取得している訪問者に求人情報を表示できます。

インクルージョンルールのオプションは、業種によって異なります。デフォルトでは、インクルージョンルールは代替レコメンデーションに適用されます。

IMPORTANT
インクルージョンルールは使用する際に注意が必要です。例えば、会社で、あるブランドが表示されているときに別のブランドをレコメンデーションしないというルールがある場合に、このフィルターは便利です。ただし、この機能には機会費用が伴う場合があります。アクティビティ条件によって通常表示されると考えられる一部の品目を、表示しないように制限することで、上昇率が減少する可能性があります。

インクルージョンルールは、AND で結合されます。品目がレコメンデーションに含まれるためには、すべてのルールを満たす必要があります。

上述の例のように、在庫数が 50 を超えていて、価格が $25~$45 の婦人靴だけを表示するシンプルなインクルージョンルールは、次の手順で作成できます。

  1. (条件付き) Allow recently purchased items to be recommended? 切り替えスイッチを「オン」の位置にスライドします。

    この設定は、productPurchasedId に基づいています。デフォルトの動作では、以前に購入された品目はレコメンドされません。ほとんどの場合、顧客が最近購入した品目を再び推奨することは望ましくありません。カヤックなど、通常 1 回しか購入しない品目を販売する場合に便利です。シャンプーやその他の個人的なアイテムなど、人々が繰り返し購入するために戻ってくるアイテムを販売する場合は、このオプションを有効にする必要があります。

  2. レコメンデーションする商品の価格帯を設定します。

  3. レコメンデーションする商品の最小在庫数を設定します。

  4. 特定の基準を満たす場合のみ品目を表示するよう、レコメンデーションを設定します。

    一覧にある属性のいずれかが、1 つまたは複数の指定の条件を満たす、あるいは満たさない場合のみ、品目を含めるよう指定できます。

    使用できる評価演算子は、最初のドロップダウンで選択する値によって異なります。複数の品目を指定することができます。この品目は、OR で評価されます。

    複数のルールは、AND で結合できます。

    NOTE
    このオプションは、レコメンデーションに表示される品目を限定します。そのレコメンデーションがどのページに表示されるかには影響しません。レコメンデーションを表示する場所を制限するには、Experience Composer でページを選択します。

詳しくは、 動的および静的インクルージョンルールの使用を参照してください。

属性の重み付け

コンテンツカタログに関する重要な情報やメタデータに基づいてアルゴリズムを「微調整」する複数のルールを追加して、特定の項目が表示される可能性を高めることができます。

例えば、販売中の項目に高い重み付けを適用して、レコメンデーションにより頻繁に表示されるようにすることができます。 その結果、非セール品は完全に除外されませんが、表示される頻度は低くなります。複数の重み付け属性を同じアルゴリズムに適用することができ、レコメンデーションの分割したトラフィックについて重み付け属性をテストできます。

  1. 値を選択します。

    この値は、利用可能な条件のいずれかに基づいて、より表示される可能性の高くなる品目のタイプを決定します。

  2. 評価基準を選択します。

  3. キーワードを入力して、ルール属性を完成させます。

    例えば、完全なルールは、「カテゴリに部分文字列シューズが含まれる」のようになります。

  4. ルールに割り当てる重みを選択します。

    オプションの範囲は 0 ~ 100(25 単位の増分)です。

  5. 必要に応じて、その他のルールを追加します。

終了したら、「Create」をクリックします。

新しい Recommendations アクティビティを作成する場合、または既存のアクティビティを編集する場合、「Save criteria for later」チェックボックスはデフォルトで選択されています。 他のアクティビティで条件を使用したくない場合、保存する前にチェックボックスをオフにします。

Target