Adobe Merchandising
제품 검색 및 추천을 통해 쇼핑객을 위한 개인화된 경험을 만드는 방법을 알아봅니다.
이러한 Adobe Merchandising 서비스는 제품 컨텍스트에서 제품 데이터를 분리하는 구성 가능한 카탈로그 데이터 모델(CCDM)을 기반으로 구축됩니다. 제품 데이터에는 SKU, 속성, 메타데이터, 에셋 및 가격이 포함됩니다. 제품 컨텍스트는 카탈로그 보기, 데이터 액세스 정책, 카탈로그 원본(로케일)을 포함하여 데이터가 전달되는 방식을 정의합니다. 카탈로그 보기 및 정책은 상점 데이터를 제어하기 때문에 B2B, B2C 및 D2C 모델에 대한 사용자 지정 카탈로그를 구성하고 기본 데이터를 복제하지 않고 쇼핑 경험을 조정할 수 있습니다.
-
제품 검색 - 머천다이저에서 쇼핑 경험을 조정하고 최적화할 수 있는 강력한 도구를 제공하여 고객이 적시에 적절한 제품을 신속하게 찾을 수 있도록 합니다. 검색 비헤이비어를 조정하면 제품 가시성, 관련성 및 전환에 직접 영향을 미칠 수 있습니다.
제품 검색을 통해 다음 사항을 구성하여 가장 관련성이 높은 제품으로 안내할 수 있습니다.
- 머천다이징 규칙 - 검색 결과, 기본 제품 목록 및 범주 페이지에서 제품을 증폭, 저장, 고정 또는 필터링합니다.
- 패싯 - 쇼핑객이 검색 및 범주 결과를 좁히는 데 사용하는 필터를 구성합니다.
- 동의어 - 다른 검색어가 동일한 제품을 반환하도록 동일한 용어를 매핑합니다.
설정에서 기본적으로 활성화된 의미 체계 검색은 자연어 및 의도 기반 쿼리의 관련성을 개선합니다. 설정에서 가격 패싯, 카탈로그 언어, 고급 의미 및 퍼지 검색 옵션을 구성할 수도 있습니다.
-
권장 사항 - 인공 지능 및 머신 러닝 알고리즘을 사용하여 상점 전반의 집계된 방문자 행동 및 제품 상호 작용을 분석합니다. 이 데이터는 카탈로그와 결합하여 매우 매력적이고 관련성이 높으며 개인화된 경험을 제공합니다. 권장 사항은 "이 제품을 본 고객이 본 경우도 본 경우"와 같이 레이블이 있는 단위로 상점 전면에 표시됩니다. 권장 사항 작업 영역에서 직접 권장 사항을 만들고, 관리하고, 배포하고, 쇼핑 여정 전체에 배치하여 홍보 목표, 교차 판매 전략 및 개인화된 경험을 지원할 수 있습니다.