구현 워크플로
Product Recommendations은(는) 동작 데이터와 카탈로그 데이터를 모두 사용합니다.
-
행동 - 제품 보기, 장바구니에 추가한 항목 및 구매와 같이, 사이트에 대한 쇼핑객 참여의 데이터. Adobe Commerce 및 Adobe Sensei은 개인 식별 정보를 수집하지 않습니다.
-
카탈로그 - 이름, 가격 및 가용성과 같은 제품 메타데이터.
magento/product-recommendations module을(를) 설치하면 Adobe Sensei에서 동작 및 카탈로그 데이터를 집계하고 각 권장 사항 유형에 대해 Product Recommendations을(를) 만듭니다. 그런 다음 Product Recommendations 서비스는 이러한 권장 사항을 상점 앞에 배포합니다. 상점에서 제품 권장 사항을 구현하는 데 도움이 되도록 하려면 다음 워크플로를 사용하십시오.
워크플로
-
프로덕션에 데이터 수집 배포
Product Recommendations을(를) 배포하려면 두 개의 기본 데이터 원본(카탈로그 및 동작)이 필요합니다. 프로덕션은 쇼핑객의 작업을 캡처하고 분석하는 유일한 환경이므로 가능한 한 빨리 프로덕션에 데이터 수집을 시작하는 것이 가장 좋습니다. Adobe Sensei에서 고품질 추천을 제공하는 머신 러닝 모델을 교육하는 방법에 대해 알아봅니다. 추가된 혜택으로, 프로덕션에서 동작 데이터를 수집하기 시작할 때 비프로덕션 환경에서 작업하는 동안 이 프로덕션 데이터를 기반으로 권장 사항을 가져오기할 수 있습니다. 그런 다음 프로덕션에서 수집된 실제 구매자 데이터를 기반으로 계산되는 다양한 권장 사항을 테스트하고 실험할 수 있습니다.
프로덕션에 데이터 수집을 배포하려면 API 키를 제공하여 Product Recommendations 모듈을 설치 및 구성해야 합니다.
note tip TIP 데이터 수집을 배포해도 상점 모습이나 쇼핑객 경험은 변경되지 않습니다. 권장 사항 단위를 만들고 배포하기만 하면 상점 내 고객 환경이 변경됩니다. 프로덕션에 배포하기 전에 비프로덕션 환경에서 테스트해야 합니다. 또한 템플릿을 사용자 정의할 때까지 추천 단위를 만들지 마십시오. 다음 단계를 참조하십시오. -
내 스타일에 맞게 템플릿 사용자 지정
상점은 브랜드를 나타내므로 사이트 테마에 맞게 제품 추천 템플릿을 수정하십시오.
note tip TIP 템플릿을 사용자 정의하여 스타일시트를 지정하고 페이지에서 권장 사항 단위가 나타나는 위치를 덮어쓰는 등의 작업을 수행할 수 있습니다. 이 단계를 완료하는 방법은 개발자 설명서에서 사용자 지정을 참조하십시오.
-
비프로덕션 환경에서 권장 사항 테스트
프로덕션에 배포하기 전에 비프로덕션 환경에서 새 기술을 테스트하는 것이 항상 모범 사례입니다. 비프로덕션 환경에서 권장 사항을 테스트하면 다양한 권장 사항 단위 유형, 위치 및 페이지로 재생할 수 있습니다. 비프로덕션 환경에서 테스트하는 동안 프로덕션에 이미 수집된 행동 데이터를 기반으로 권장 사항을 가져올 수 있으므로 권장 사항 결과는 실제 고객의 쇼핑 행동을 기반으로 합니다.
note tip TIP 비프로덕션 환경 카탈로그가 프로덕션에 있는 카탈로그와 동일한지 확인합니다. 유사한 카탈로그를 사용하면 추천 단위에서 반품된 제품이 생산 중인 제품을 가깝게 모방할 수 있습니다. 이 단계를 완료하는 방법을 알아보려면 프로덕션 환경에서 동작 데이터 가져오기를 참조하십시오.
-
프로덕션 스토어에 권장 사항 만들기 및 배포
이제 프로덕션에 동작 데이터 수집을 배포하고, 제품 권장 사항 템플릿을 수정하고, 실제 구매자 동작을 사용하여 권장 사항을 테스트했으므로 모든 코드를 프로덕션으로 승격하고 실시간 제품 권장 사항을 만들기할 준비가 되었습니다.