데이터 수집

Product Recommendations 또는 Live Search와 같은 SaaS 기반 Adobe Commerce 기능을 설치하고 구성하면 모듈이 동작 데이터 수집을 상점 앞에 배포합니다. 이 메커니즘은 쇼핑객으로부터 익명으로 처리된 행동 데이터를 수집하고 제품 추천과 실시간 검색 결과를 지원합니다. 예를 들어 view 이벤트는 Viewed this, viewed that 권장 사항 유형을 계산하는 데 사용되고 place-order 이벤트는 Bought this, bought that 권장 사항 유형을 계산하는 데 사용됩니다.

NOTE
제품 권장 사항을 위한 데이터 수집에는 PII(개인 식별 정보)가 포함되지 않습니다. 쿠키 ID 및 IP 주소와 같은 모든 사용자 식별자는 엄격히 익명으로 처리됩니다. 자세히를 알아보세요.

데이터 유형 및 이벤트

제품 Recommendations에 사용되는 데이터에는 두 가지 유형이 있습니다.

  • 행동 - 제품 보기, 장바구니에 추가된 항목, 구매 등 사이트에 대한 쇼핑객 참여의 데이터.
  • 카탈로그 - 이름, 가격, 가용성 등의 제품 메타데이터입니다.

magento/product-recommendations 모듈을 설치하면 Adobe Sensei에서 동작 및 카탈로그 데이터를 집계하여 각 권장 사항 유형에 대한 제품 Recommendations을 만듭니다. 그런 다음 Product Recommendations 서비스는 이러한 권장 사항을 권장 제품 items ​을(를) 포함하는 위젯 형태로 상점 앞에 배포합니다.

일부 추천 유형은 구매자의 행동 데이터를 사용하여 머신 러닝 모델을 교육하여 개인화된 추천을 구축합니다. 다른 권장 사항 유형은 카탈로그 데이터만 사용하며 동작 데이터는 사용하지 않습니다. 사이트에서 Product Recommendations 사용을 빠르게 시작하려면 다음과 같은 카탈로그 전용 권장 사항 유형을 사용할 수 있습니다.

  • More like this
  • Visual similarity

콜드 스타트

행동 데이터를 사용하는 권장 사항 유형은 언제 사용할 수 있습니까? 상황에 따라 다릅니다. 이를 콜드 스타트 문제라고 합니다.

콜드 스타트 문제는 모델이 교육하고 효과를 얻는 데 걸리는 시간을 나타냅니다. 제품 추천의 경우, 이는 Adobe Sensei이 사이트에 추천 단위를 배포하기 전에 머신 러닝 모델을 교육할 충분한 데이터를 수집할 때까지 대기하는 것을 의미합니다. 모델에 데이터가 많을수록 권장 사항이 더 정확하고 유용합니다. 데이터 수집은 라이브 사이트에서 수행되므로 magento/production-recommendations 모듈을 설치하고 설정하여 이 프로세스를 일찍 시작하는 것이 좋습니다.

다음 표에서는 각 권장 사항 유형에 대해 충분한 데이터를 수집하는 데 걸리는 시간에 대한 일반적인 지침을 제공합니다.

추천 유형
교육 시간
메모
인기도 기반(Most viewed, Most purchased, Most added to cart)
다양함
이벤트의 양에 따라 다릅니다. 보기가 가장 일반적이므로 더 빠르게 학습합니다. 그런 다음 장바구니에 추가한 다음 구매합니다.
Viewed this, viewed that
추가 교육 필요
제품 조회수가 현저하게 많음
Viewed this, bought that, Bought this, bought that
가장 많은 교육 필요
구매 이벤트는 커머스 사이트에서 특히 제품 보기에 비해 가장 드문 이벤트입니다
Trending
인기도 기준을 설정하려면 3일의 데이터가 필요합니다.
트렌딩은 자체 인기도 기준선과 비교하여 제품의 인기에서 최근 모멘텀을 측정하는 것입니다. 제품의 트렌드 점수는 전경 세트(24시간 동안의 최근 인기도)와 배경 세트(72시간 동안의 인기도 기준선)를 사용하여 계산됩니다. 항목의 인기가 기준선 인기보다 24시간 내에 크게 증가하면 높은 트렌드 점수를 받습니다. 모든 제품에는 이 점수가 있으며, 항상 점수가 높은 항목이 상위 트렌드 제품 집합을 구성합니다.

교육에 필요한 시간에 영향을 줄 수 있는 기타 변수:

  • 트래픽 양이 많을수록 학습 속도가 빨라집니다.
  • 일부 권장 사항 유형은 다른 권장 사항보다 빠르게 교육됩니다
  • Adobe Commerce은 4시간마다 행동 데이터를 다시 계산합니다. Recommendations은 사이트에서 오래 사용할수록 정확해집니다.

각 권장 사항 유형의 교육 진행률을 시각화할 수 있도록 권장 사항 만들기 페이지에 준비 표시기가 표시됩니다.

라이브 사이트에서 데이터가 수집되고 기계 학습 모델이 교육되는 동안 권장 사항을 설정하는 데 필요한 다른 테스트 및 구성 작업을 완료할 수 있습니다. 이 작업을 마칠 때까지 모델에는 유용한 권장 사항을 만드는 데 필요한 데이터가 충분하므로 이를 상점에 배포할 수 있습니다.

사이트에 대부분의 제품 SKU에 대한 트래픽(보기, 구매, 트렌드)이 충분하지 않은 경우 학습 프로세스를 완료하는 데 필요한 데이터가 충분하지 않을 수 있습니다. 이로 인해 관리자의 준비 표시기가 중단된 것처럼 보일 수 있습니다. 준비 지표는 상인이 자신의 스토어에 더 나은 권장 사항 유형을 선택할 때 다른 데이터 포인트를 제공하기 위한 것입니다. 숫자는 안내서이며 100%에 도달할 수 없습니다. 준비 지표에 대해 자세히 알아보기.

백업 권장 사항 backuprecs

입력 데이터가 요청한 모든 권장 사항 항목을 한 단위로 제공하기에 충분하지 않은 경우 Adobe Commerce에서 백업 권장 사항을 제공하여 권장 사항 단위를 채웁니다. 예를 들어, 홈 페이지에 Recommended for you 추천 유형을 배포하는 경우, 사이트에서 처음 구매하는 사람이 개인화된 제품을 정확히 추천하기에 충분한 행동 데이터를 생성하지 않았습니다. 이 경우 Adobe Commerce은 Most viewed 추천 유형에 따라 이 구매자에게 항목을 표시합니다.

입력 데이터 수집이 부족한 경우 다음 추천 유형은 Most viewed 추천 유형으로 대체됩니다.

  • Recommended for you
  • Viewed this, viewed that
  • Viewed this, bought that
  • Bought this, bought that
  • Trending
  • Conversion (view to purchase)
  • Conversion (view to cart)

이벤트

Adobe Commerce Storefront 이벤트 수집기는 Storefront에 배포된 모든 이벤트를 나열합니다. 그러나 이 목록에는 제품 Recommendations과 관련된 이벤트의 하위 집합이 있습니다. 이러한 이벤트는 쇼핑객이 상점 위의 추천 단위와 상호 작용할 때 데이터를 수집하여 추천 실적을 분석하는 데 사용되는 지표에 전원을 공급합니다.

이벤트
설명
impression-render
페이지에서 추천 단위가 렌더링될 때 전송됩니다. 페이지에 두 개의 추천 단위(구매, 보기)가 있으면 두 개의 impression-render 이벤트가 전송됩니다. 이 이벤트는 노출 지표를 추적하는 데 사용됩니다.
rec-add-to-cart-click
쇼핑객이 추천 단위에서 항목에 대한 장바구니에 추가 단추를 클릭합니다.
rec-click
쇼핑객이 추천 단위에서 제품을 클릭합니다.
view
페이지 아래로 스크롤하는 것처럼 추천 단위가 적어도 50% 이상 볼 수 있게 되면 전송됩니다. 예를 들어 추천 단위에 두 개의 줄이 있는 경우 한 줄과 두 번째 줄의 한 픽셀이 쇼핑객에게 표시되면 view 이벤트가 전송됩니다. 쇼핑객이 페이지를 위아래로 여러 번 스크롤하는 경우 view 이벤트가 쇼핑객이 페이지에서 전체 추천 단위를 다시 볼 수 있는 횟수만큼 전송됩니다.
NOTE
제품 추천 지표는 Luma 상점 전선에 최적화되어 있습니다. Storefront가 PWA Studio으로 구현된 경우 PWA 설명서를 참조하세요. React 또는 Vue JS와 같은 사용자 지정 프론트엔드 기술을 사용하는 경우 Headless🔗 환경에서 제품 Recommendations을 통합하는 방법을 알아보세요.

필수 대시보드 이벤트

Product Recommendations 대시보드를 채우려면 다음 이벤트가 필요합니다.

대시보드 열
이벤트
조인 필드
노출 횟수
page-view, recs-request-sent, recs-response-received, recs-unit-render
unitId
보기
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view
unitId
클릭수
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click
unitId
매출
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-order
unitId, sku, parentSku
LT 수익
page-view, recs-request-sent, recs-response-received, recs-item-click, recs-add-to-cart-click, place-order
unitId, sku, parentSku
CTR
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-item-click, recs-add-to-cart-click
unitId, sku, parentSku
vCTR
page-view, recs-request-sent, recs-response-received, recs-unit-render, recs-unit-view, recs-item-click, recs-add-to-cart-click
unitId, sku, parentSku

다음 이벤트는 제품 Recommendations에만 해당되지 않지만, Adobe Sensei에서 쇼핑객 데이터를 올바르게 해석하는 데 필요합니다.

  • view
  • add-to-cart
  • place-order

권장 사항 유형

이 표에서는 각 권장 사항 유형에서 사용하는 이벤트에 대해 설명합니다.

권장 사항 유형
이벤트
페이지
가장 많이 본 항목
page-view
product-view
제품 세부 사항 페이지
최다 구매
page-view
complete-checkout
장바구니/체크아웃
장바구니에 가장 많이 추가됨
page-view
add-to-cart
제품 세부 사항 페이지
제품 목록 페이지
장바구니
위시리스트
이 항목을 보고 다른 항목도 보았습니다.
page-view
product-view
제품 세부 사항 페이지
이 항목을 보고 다른 항목을 구입함
제품 Recs
page-view
product-view
구매, 구매
제품 Recs
page-view
product-view
트렌딩
page-view
product-view
제품 세부 사항 페이지
전환: 구매로 보기
제품 Recs
page-view
product-view
전환: 구매로 보기
제품 Recs
page-view
complete-checkout
전환: 장바구니로 보기
제품 Recs
page-view
product-view
전환: 장바구니로 보기
제품 Recs
page-view
add-to-cart

주의 사항

  • 광고 차단기 및 개인 정보 설정을 사용하면 이벤트가 캡처되지 않을 수 있으며, 이로 인해 참여 및 매출 지표이(가) 제대로 보고되지 않을 수 있습니다. 또한 페이지 또는 네트워크 문제로 인해 일부 이벤트가 전송되지 않을 수 있습니다.
  • Headless 구현은(는) 제품 Recommendations 대시보드를 구동하는 이벤트를 구현해야 합니다.
  • 구성 가능한 제품의 경우 제품 Recommendations은 권장 사항 단위의 상위 제품 이미지를 사용합니다. 구성 가능한 제품에 이미지가 지정되지 않은 경우 해당 특정 제품에 대한 추천 단위가 비어 있게 됩니다.
NOTE
쿠키 제한 모드가 활성화된 경우, Adobe Commerce은 구매자가 쿠키 사용에 동의할 때까지 행동 데이터를 수집하지 않습니다. 쿠키 제한 모드 가 비활성화되면 Adobe Commerce은 기본적으로 동작 데이터를 수집합니다.
recommendation-more-help
4bf3c55a-3844-4322-a5d2-42b4e56228e5