동작 데이터

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. 빠르게 시작하려면 다음과 같은 카탈로그 전용 권장 사항 유형을 사용할 수 있습니다.

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

콜드 스타트 문제는 모델이 고품질로 간주되기 전에 훈련해야 하는 시간을 측정하는 것입니다. 제품 추천에서 는 사이트에 추천 단위를 배포하기 전에 Adobe Sensei이 머신 러닝 모델을 교육할 때까지 기다리는 것으로 해석됩니다. 이러한 모델에 데이터가 많을수록 권장 사항이 더 정확하고 유용합니다. 이 데이터를 수집하는 데는 시간이 걸리고 트래픽 볼륨에 따라 다릅니다. 이 데이터는 프로덕션 사이트에서만 수집할 수 있으므로 가능한 한 빨리 해당 사이트에 데이터 수집을 배포하는 것이 좋습니다. magento/production-recommendations 모듈을 설치 및 구성하여 이 작업을 수행할 수 있습니다.

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

교육에 필요한 시간에 영향을 줄 수 있는 기타 변수:

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

프로덕션 환경에서 데이터를 수집하고 기계 학습 모델을 교육하는 동안 상점에 권장 사항을 배포하는 데 필요한 남은 작업을 구현할 수 있습니다. 권장 사항 테스트 및 구성을 마칠 때까지, 머신 러닝 모델은 관련 권장 사항을 빌드하기에 충분한 데이터를 수집하고 계산하므로 권장 사항을 상점 앞에 배포할 수 있습니다.

대다수 SKU에 대한 트래픽(보기, 제품 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.

백업 권장 사항 backuprecs

입력 데이터가 부족하여 요청한 모든 권장 사항 항목을 한 단위에 제공할 수 없는 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.

다음 추천 유형은 수집된 입력 데이터가 충분하지 않은 경우 Most viewed 추천 유형으로 대체됩니다.