새 권장 사항 만들기

권장 사항을 만들 때 권장 제품 항목​이 포함된 권장 사항 단위 또는 위젯을 만듭니다.

추천 단위

권장 사항 단위를 활성화하면 Adobe Commerce에서 데이터 수집을 시작하여 노출, 보기, 클릭 수 등을 측정합니다. Product Recommendations 테이블에는 정보에 입각한 비즈니스 결정을 내리는 데 도움이 되는 각 추천 단위에 대한 지표가 표시됩니다.

준비 지표

준비 지표는 사용 가능한 카탈로그 및 동작 데이터에서 성과가 가장 좋은 추천 유형을 보여줍니다. 이를 사용하여 이벤트 문제 또는 추천 유형을 채울 트래픽이 충분하지 않음을 식별합니다.

준비 표시기는 정적 기반 및 동적 기반 두 가지 범주로 나뉩니다. 정적 기반 권장 사항은 카탈로그 데이터만 사용합니다. 동적 기반 권장 사항은 쇼핑객의 행동 데이터를 사용하여 머신 러닝 모델을 교육하고, 개인화된 권장 사항을 생성하고, 각 권장 사항의 준비 점수를 계산합니다.

준비 지표 계산 방법

준비 지표는 모델이 얼마나 훈련되는지를 나타냅니다. 지표는 수집된 이벤트의 유형, 상호 작용하는 제품의 범위 및 카탈로그 크기에 따라 다릅니다.

준비 표시기 비율은 주어진 권장 사항 유형에 권장될 수 있는 제품의 비율을 예측합니다. 이 값은 정의된 기간 내에 관련 이벤트를 기록하는 카탈로그 크기, 상호 작용 볼륨 및 SKU의 백분율을 사용하여 계산됩니다. 예를 들어, 준비 표시기는 정상 트래픽의 기간보다 최대 휴일 트래픽 동안 더 높을 수 있습니다.

이러한 변수들의 결과, 준비 지표 퍼센트는 변동할 수 있다. 이렇게 하면 추천 유형이 “배포 준비 완료” 간에 변동하는 이유를 설명합니다.

준비 지표는 다음 두 가지 요소를 기반으로 계산됩니다.

위의 요소를 기반으로 준비 값이 계산되고 다음과 같이 표시됩니다.

준비 지표가 낮은 이유에 대해 자세히 알아보세요.

정적 기반

다음 권장 사항 유형은 카탈로그 데이터만 필요하므로 정적 기반입니다. 동작 데이터가 사용되지 않습니다.

다이내믹 기반

다음 권장 사항 유형은 storefront 동작 데이터를 사용하므로 동적 기반입니다.

지난 6개월간의 상점 행동 데이터:

Storefront 동작 데이터의 마지막 7일:

가장 최근 구매자 행동 데이터(보기만):

진행 시각화

각 추천 유형의 교육 진행률을 시각화할 수 있도록 추천 유형 선택 섹션에 각 유형에 대한 준비 측정값이 표시됩니다.

권장 사항 유형

카탈로그가 비교적 안정적이므로 카탈로그 기반 권장 사항 유형에 대한 준비 비율은 일반적으로 거의 변경되지 않습니다. 반면, 쇼핑객 행동 데이터를 기반으로 한 추천 유형에 대한 준비 비율은 일일 쇼핑객 활동과 함께 자주 변경될 수 있습니다.

준비 표시기 백분율이 낮은 경우 수행할 작업

준비 비율이 낮으면 이 권장 사항 유형에 대한 권장 사항에 포함할 수 있는 카탈로그의 제품이 많지 않음을 나타냅니다. 즉, 이 권장 사항 유형을 배포하면 백업 권장 사항이 반환될 가능성이 높습니다.

다음은 일반적인 낮은 준비 점수에 대한 가능한 이유와 해결 방법을 나열합니다.

권장 사항 미리보기 preview

권장 제품 미리 보기 패널은 항상 권장 구성 단위가 상점 앞에 배포될 때 권장 구성 단위에 나타나는 샘플 제품에서 사용할 수 있습니다.

비프로덕션 환경에서 작업할 때 권장 사항을 테스트하려면 다른 소스에서 권장 사항 데이터를 가져올 수 있습니다. 이를 통해 판매자는 규칙을 실험하고 프로덕션에 배포하기 전에 권장 사항을 미리 볼 수 있습니다.

추천 단위에 포함된 제품을 실시간으로 확인하려면 페이지 유형, 추천 유형 및 필터를 만들어 보십시오. 그런 다음 반환된 제품을 기반으로 비즈니스 요구 사항을 충족하도록 단위를 구성합니다.

여러 권장 사항 단위가 동일한 페이지에 배포되면 Adobe Commerce은 필터를 사용하여 표시되는 권장 사항에서 중복 제품을 제거했습니다. 그 결과, 미리보기 패널은 상점 전면이 아닌 다른 제품 세트를 보여줄 수 있다.