[Premium]{class="badge positive" title="See what's included in Target Premium."}

Criteria maken

Criteria in Adobe Target Recommendations de inhoud van uw Recommendations activiteiten. Maak criteria om de aanbevelingen weer te geven die het meest geschikt zijn voor uw activiteit. Deze criteria gebruiken de acties van de bezoeker om te bepalen welke inhoud of producten aan vertoning worden.

In de volgende secties wordt uitgelegd hoe u nieuwe criteria kunt maken.

Het scherm Nieuwe criteria maken openen

Er zijn meerdere manieren om de Create New Criteria scherm. Sommige schermopties variëren afhankelijk van de manier waarop u het scherm bereikt.

  • Op de Recommendations > Criteria bibliotheekscherm, klik Create Criteria > Create Criteria. De criteria die u hier maakt, worden automatisch beschikbaar gesteld voor alle Recommendations activiteiten.
  • Wanneer u een Recommendations activiteit met behulp van de Visual Experience Composer (VEC), wordt u onmiddellijk naar de Select Criteria het scherm nadat u een element op uw pagina selecteert en klikt Replace w/ Recommendations, Insert Recommendations Before, of Insert Recommendations After. U kunt vervolgens een van de beschikbare criteria selecteren of op Create Criteria. Als u nieuwe criteria maakt, kunt u de criteria opslaan zodat u deze samen met andere criteria kunt gebruiken Recommendations activiteiten. Zie voor meer informatie Een Recommendations-activiteit maken.
  • Wanneer u een Recommendations activiteit, klik in Recommendations Location op de pagina en selecteer Change Criteria. Op de Select Criteria scherm, klikken Create Criteria. U hebt de optie om uw nieuwe criteria op te slaan voor gebruik met andere Recommendations activiteiten.

De volgende stappen veronderstellen u tot Create New Criteria scherm met de eerste methode: de Recommendations > Criteria bibliotheekscherm.

  1. Klik op Recommendations > Criteria.

  2. Klik op Create Criteria > Create Criteria.

    Nieuwe criteria maken

  3. Configureer de informatie in de volgende secties.

Basic Information info

  1. Typ a Criteria Name.

    Dit is de "interne"naam die wordt gebruikt om de criteria te beschrijven. U kunt bijvoorbeeld uw criteria "Hoogste margeproducten" noemen, maar u wilt niet dat die titel openbaar wordt weergegeven. Zie de volgende stap om de naar buiten gerichte titel in te stellen.

    Sectie Basisinformatie

  2. Typ een publiekelijk gericht Display Title om op de pagina te worden weergegeven voor aanbevelingen die gebruikmaken van deze criteria.

    U kunt bijvoorbeeld "Personen die dit hebben bekeken, hebben dit weergegeven" of "Gelijksoortige producten" weergeven wanneer u deze criteria gebruikt om aanbevelingen weer te geven.

  3. Typ een korte tekst Description van de criteria.

    Aan de hand van deze beschrijving kunt u de criteria vaststellen en informatie over het doel van de criteria toevoegen.

  4. Selecteer de industrie verticaal die op de doelstellingen van uw aanbevelingen activiteit wordt gebaseerd.

    table 0-row-2 1-row-2 2-row-2 3-row-2
    Verticale industrie Goal
    Detailhandel/e-handel Conversie die tot aankoop leidt
    Genereren van leads/B2B/Financiële services Omzetten zonder aankoop
    Media/Publiceren Betrokkenheid

    Andere criteria worden gewijzigd op basis van de verticale industriestandaard die u selecteert.

  5. Selecteer een Page Type.

    U kunt meerdere paginatypen selecteren.

    Samen, worden de industrie verticale en paginatypes gebruikt om uw bewaarde criteria te categoriseren, die het gemakkelijker maken om criteria voor andere te hergebruiken Recommendations activiteiten.

Recommendations Algorithm rec-algo

  1. Selecteer een Algorithm Type en Algorithm:

    Aanbevolen Algoritmesectie

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3
    Het type Algorithm Wanneer gebruiken Beschikbare algoritmen
    Cart-Based Aanbevelingen doen op basis van de inhoud van het winkelwagentje van de gebruiker.
    • Personen die ze bekeken, bekeken ze
    • Mensen die ze bekeken, kochten hen
    • Mensen die deze hebben gekocht, hebben de
    Popularity-Based Aanbevelingen doen op basis van de algemene populariteit van een item op uw site of op basis van de populariteit van items in de favoriete of meest bekeken categorie, het merk, het genre enzovoort van een gebruiker.
    • Meest bekeken op de site
    • Meest bekeken op rubriek
    • Meest bekeken door kenmerk Item
    • Topverkopers op de hele site
    • Topverkopers op rubriek
    • Topverkopers op objectkenmerk
    • Metrisch, boven op Analytics
    Item-Based Aanbevelingen doen op basis van het zoeken naar objecten die vergelijkbaar zijn met een item dat de gebruiker momenteel bekijkt of onlangs heeft bekeken.
    • Personen die dit hebben bekeken, zagen het volgende
    • Mensen die dit bekeken hebben, hebben het volgende gekocht
    • Mensen die dit hebben gekocht, hebben het volgende gekocht
    • Objecten met vergelijkbare kenmerken
    User-Based Aanbevelingen doen op basis van het gedrag van de gebruiker.
    • Onlangs bekeken objecten
    • Aanbevolen voor u
    Custom Criteria Aanbevelingen doen op basis van een aangepast bestand dat u uploadt.
    • Aangepast algoritme
    note note
    NOTE
    Als u Items/ Media with Similar Attributes kunt u instellen regels voor gelijkenis met inhoud.
  2. Selecteer zo nodig een Itemkenmerk en Profielkenmerk dat moet overeenkomen, Aanbevelingssleutel, Filtersleutel, en/of Metrisch om het algoritme te vormen.

De resterende opties van de algoritmeconfiguratie variëren afhankelijk van het geselecteerde algoritme. Als u het configureren van het algoritme wilt voltooien, selecteert u een Recommendation Key, Filtering Key, Co-Occurrence Basis, Analytics Metric, en/of Item Attribute en Profile Attribute to Match.

Voor meer informatie over het kiezen van een Recommendation Key, zie De aanbeveling baseren op een aanbevelingen.

Data Source data-source

  1. Selecteer het gewenste Behavioral Data Source: Adobe Target of Analytics.

    note note
    NOTE
    De Behavioral Data Source de sectie toont slechts als uw implementatie gebruikt Analyses voor doel (A4T).

    Sectie Gedragsgegevensbron

    Als u Analyticsselecteert u de gewenste rapportsuite.

    Indien de criteria worden gebruikt Adobe Analytics als gedragsgegevensbron, zodra gecreeerd, hangt de tijd voor criteria beschikbaarheid af van of de geselecteerde rapportreeks en het raadplegingsvenster voor een andere criteria, zoals hieronder verklaard is gebruikt:

    • Installatie van een eenmalige rapportsuite: De eerste keer wordt een rapportreeks gebruikt met een bepaald venster van de gegevenswaaierraadpleging, Target Recommendations kan twee tot zeven dagen duren om de gedragsgegevens voor de geselecteerde rapportsuite volledig te downloaden van Analytics. Dit tijdframe is afhankelijk van het Analytics systeembelasting.
    • Nieuwe of bewerkte criteria met behulp van een reeds beschikbare rapportsuite: Als de geselecteerde rapportsuite al is gebruikt bij het maken van nieuwe criteria of het bewerken van bestaande criteria Target RecommendationsMet een gegevensbereik dat gelijk is aan of kleiner is dan het geselecteerde gegevensbereik, zijn de gegevens direct beschikbaar en is er geen eenmalige installatie vereist. In dit geval, of als de montages van een algoritme terwijl het wijzigen van de geselecteerde rapportreeks of gegevenswaaier worden uitgegeven, loopt het algoritme of herstelt binnen 12 uren.
    • Doorlopende algoritmeuitvoering: Gegevensstromen uit Analytics tot Target Recommendations dagelijks. Bijvoorbeeld voor Viewed Affinity aanbeveling, wanneer een gebruiker een product bekijkt, wordt een product-mening het volgen vraag overgegaan in Analytics dicht bij real-time. De Analytics gegevens worden doorgegeven aan Target vroeg de volgende dag en Target voert het algoritme uit binnen minder dan 12 uur.

    Zie voor meer informatie Adobe Analytics gebruiken met Target Recommendations.

  2. Stel de Lookback Window om de tijdwaaier van beschikbare historische gegevens van het gebruikersgedrag te bepalen om te gebruiken wanneer het bepalen welke aanbevelingen te tonen. Deze optie is beschikbaar voor alle algoritmes, met uitzondering van Items met vergelijkbare kenmerken en aangepaste algoritmen.

    Schuifregelaar voor Venster opzoeken

    Als uw site veel verkeer heeft en het gedrag vaak verandert, kiest u een korter gegevensvenster. Een korter venster schakelt Recommendations om beter op veranderingen in de markt en in uw zaken te reageren. Een korter venster betekent bijvoorbeeld dat Recommendations wijzigingen in het gedrag van bezoekers detecteren wanneer uw bezoekers seizoensgebonden winkelen beginnen, zoals 'back-to-school'-winkelen of 'Kerstmis', en artikelen aanbevelen die geschikt zijn voor deze winkelseizoenen.

    Als u niet veel gegevens hebt of als het gedrag van de bezoeker niet vaak verandert, kunt u een langer venster selecteren. Voor veel sites leidt een korter venster echter tot aanbevelingen van hogere kwaliteit.

    De beschikbare gegevensbereiken zijn:

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3
    Venster opzoeken, optie Bijgewerkte frequentie (weergegeven bij aanwijzen) Ondersteunde algoritmen
    Zes uur Algorithm wordt elke 3-6 uur uitgevoerd Popularity-Based algoritmen wanneer de geselecteerde Behavioral Data Source is Adobe Target
    Eén dag Algorithm wordt elke 12-24 uur uitgevoerd Popularity-Based algoritmen
    Twee dagen Algorithm wordt elke 12-24 uur uitgevoerd
    • Popularity-Based algoritmen
    • Item-Based algoritmen
    • User-Based algoritmen
    • Cart-Based algoritmen
    Eén week Algorithm wordt elke 24-48 uur uitgevoerd
    • Popularity-Based algoritmen
    • Item-Based algoritmen
    • User-Based algoritmen
    • Cart-Based algoritmen
    Twee weken Algorithm wordt elke 24-48 uur uitgevoerd
    • Popularity-Based algoritmen
    • Item-Based algoritmen
    • Alles User-Based algoritmen
    • Cart-Based algoritmen
    Eén maand (30 dagen) Algorithm wordt elke 24-48 uur uitgevoerd
    • Popularity-Based algoritmen
    • Item-Based algoritmen
    • User-Based algoritmen
    • Cart-Based algoritmen
    Twee maanden (61 dagen) Algorithm wordt elke 24-48 uur uitgevoerd
    • Popularity-Based algoritmen
    • Item-Based algoritmen
    • User-Based algoritmen
    • Cart-Based algoritmen

Backup Content content

Backup Content regels bepalen wat er gebeurt als het aantal aanbevolen items de ontwerp van aanbevelingen. Het is mogelijk Recommendations criteria om minder aanbevelingen terug te keren dan uw ontwerp vraagt. Als uw ontwerp bijvoorbeeld sleuven voor vier items bevat, maar uw criteria slechts twee items aanbevolen laten, kunt u de resterende sleuven leeg laten, back-upaanbevelingen gebruiken om de extra sleuven te vullen, of u kunt ervoor kiezen geen aanbevelingen weer te geven.

Sectie Inhoud

  1. (Optioneel) Schuif de schuifregelaar Partial Design Rendering schakelen naar de positie "aan".

    Er worden zoveel mogelijk sleuven ingevuld, maar in de ontwerpsjabloon kan lege ruimte voor de resterende sleuven zijn opgenomen. Als deze optie is uitgeschakeld en er onvoldoende inhoud is om alle beschikbare sleuven te vullen, worden geen aanbevelingen gedaan en wordt in plaats daarvan standaardinhoud weergegeven.

    Schakel deze optie in als u wilt dat aanbevelingen worden gedaan met lege sleuven. Gebruik back-upaanbevelingen als u wilt dat de aanbevolen sleuven worden gevuld met inhoud op basis van uw criteria met lege sleuven die zijn gevuld met vergelijkbare of populaire inhoud van uw site, zoals in de volgende stap wordt uitgelegd.

  2. (Optioneel) Schuif de schuifregelaar Show Backup Content schakelen naar de positie "aan".

    Vul eventueel resterende lege sleuven in het ontwerp met een willekeurige selectie van de meest bekeken producten van de hele site.

    Het gebruik van aanbevelingen voor back-ups zorgt ervoor dat het ontwerp van uw aanbeveling alle beschikbare sleuven vult. Stel dat u een ontwerp van 4 x 1 hebt, zoals hieronder wordt geïllustreerd:

    4 x 1 ontwerp

    Op basis van uw criteria worden slechts twee objecten aanbevolen. Als u de optie Partial Design Rendering de eerste twee sleuven zijn ingevuld , maar de resterende twee sleuven blijven leeg . Als u echter de optie Show Backup Recommendations de eerste twee sleuven worden gevuld op basis van de door u opgegeven criteria en de resterende twee sleuven worden ingevuld op basis van uw aanbevelingen voor back-ups.

    De volgende matrix toont het resultaat dat u zult waarnemen bij het gebruik van de Partial Design Rendering en Backup Content opties:

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3
    Gedeeltelijke rendering van ontwerp Back-upinhoud Resultaat
    Uitgeschakeld Uitgeschakeld Als er minder aanbevelingen worden geretourneerd dan door het ontwerp wordt gevraagd, wordt het ontwerp van de aanbevelingen vervangen door de standaardinhoud en worden er geen aanbevelingen weergegeven.
    Ingeschakeld Uitgeschakeld Het ontwerp wordt teruggegeven, maar kan lege ruimte omvatten als minder aanbevelingen zijn teruggekeerd dan het ontwerp verzoekt.
    Ingeschakeld Ingeschakeld Back-upaanbevelingen vullen de beschikbare "sleuven" van het ontwerp volledig in.
    Als het toepassen van inclusieregels op reserveaanbevelingen het aantal kwalificerende reserveaanbevelingen tot het punt beperkt dat het ontwerp niet kan worden gevuld, wordt het ontwerp gedeeltelijk teruggegeven.
    Als de criteria geen aanbevelingen terugkeren, en de integratieregels reserveaanbevelingen tot nul beperken, wordt het ontwerp vervangen met standaardinhoud.
    Uitgeschakeld Ingeschakeld Back-upaanbevelingen vullen de beschikbare "sleuven" van het ontwerp volledig in.
    Als het toepassen van inclusieregels op reserveaanbevelingen het aantal kwalificerende reserveaanbevelingen tot het punt beperkt dat het ontwerp niet kan worden gevuld, wordt het ontwerp vervangen door standaardinhoud en geen aanbevelingen worden getoond.

    Zie voor meer informatie Een back-upaanbeveling gebruiken.

  3. (Voorwaardelijk) Als u Show Backup Content in de vorige stap kunt u Apply inclusion rules to backup recommendations.

    In de insluitingsregels wordt bepaald welke items in uw aanbevelingen worden opgenomen. Welke opties beschikbaar zijn, is afhankelijk van de verticale situatie in uw branche.

    Zie voor meer informatie Opnameregels opgeven hieronder.

Vergelijkbare inhoud similarity

Gebruiken Content Similarity regels om aanbevelingen te doen die op punt of media attributen worden gebaseerd.

NOTE
Als u Item-Based/ Media with Similar Attributes als uw Type Algorithm en Algorithm, kunt u de regels voor de gelijkenis van de inhoud instellen.

De gelijkenis van de inhoud vergelijkt de sleutelwoorden van puntattributen en doet aanbevelingen die op hoeveel sleutelwoorden verschillende punten in gemeenschappelijk hebben worden gebaseerd. Recommendations op basis van gelijkenis met inhoud vereist geen gegevens uit het verleden om sterke resultaten te bereiken.

Het gebruiken van inhoudgelijkenis om aanbevelingen te produceren is vooral effectief voor nieuwe punten, die niet waarschijnlijk in aanbevelingen zullen tonen gebruikend Personen die dit hebben bekeken, zagen het volgende en andere logica gebaseerd op gedrag uit het verleden. U kunt de gelijkenis van de inhoud ook gebruiken om nuttige aanbevelingen voor nieuwe bezoekers te produceren, die geen vroegere aankopen of andere historische gegevens hebben.

Wanneer u Item-Based/ Media with Similar Attributes, hebt u de optie om regels tot stand te brengen om het belang van specifieke puntattributen in het bepalen van aanbevelingen te verhogen of te verminderen. Voor objecten zoals boeken kunt u het belang van kenmerken zoals genre, auteur, serie, enzovoort, om soortgelijke boeken aan te bevelen.

ContentGelijksoortigheidsafbeelding

Omdat bij gelijkenis met inhoud trefwoorden worden gebruikt om items te vergelijken, kunnen sommige kenmerken, zoals message of beschrijving, kan "lawaai"in de vergelijking introduceren. U kunt regels maken om deze kenmerken te negeren.

Standaard zijn alle kenmerken ingesteld op Basislijn. U hoeft geen regel te maken, tenzij u deze instelling wilt wijzigen.

NOTE
Het algoritme voor de gelijkenis van de inhoud kan gebruikmaken van willekeurige sampling bij het berekenen van gelijkenis tussen items. Hierdoor kunnen de overeenkomsten tussen items per algoritme verschillen.

Opnameregels inclusion

Met behulp van verschillende opties kunt u de items beperken die in uw aanbevelingen worden weergegeven. U kunt inclusieregels gebruiken terwijl het creëren van criteria of bevorderingen.

Opnameregels

Opnameregels zijn facultatief; nochtans, geeft het plaatsen van deze details u meer controle over de punten die in uw aanbevelingen verschijnen. Elk detail dat u vormt vernauwt verder de vertoningscriteria.

U kunt er bijvoorbeeld voor kiezen alleen vrouwenschoenen weer te geven met een voorraad van meer dan 50 en een prijs tussen 25 en 45 dollar. U kunt ook elk kenmerk van elkaar voorzien, zodat de items die voor uw bedrijf belangrijker zijn, meestal worden weergegeven.

U kunt er ook voor kiezen om vacatures weer te geven voor bezoekers die uw site alleen vanuit bepaalde steden bezoeken en die de vereiste universitaire graden hebben.

De opties voor de inclusieregel variëren per verticale branche. Standaard worden inclusieregels toegepast op back-upaanbevelingen.

IMPORTANT
U moet opnemingsregels voorzichtig gebruiken. Ze zijn bijvoorbeeld handig als uw organisatie regels heeft die vereisen dat één merk niet wordt aanbevolen terwijl een ander merk wordt weergegeven. Er zijn echter alternatieve kosten voor deze functie. U kunt mogelijk een percentage aan lift verliezen door bepaalde items te beperken zodat ze niet kunnen worden weergegeven wanneer ze normaal gesproken aan de hand van de activiteitscriteria worden weergegeven.

De inclusieregels worden aangesloten bij EN. Aan alle regels moet worden voldaan om een punt in een aanbeveling te omvatten.

Voer de volgende stappen uit om een eenvoudige regel voor insluiting te maken, zoals eerder vermeld, om alleen vrouwenschoenen weer te geven met een voorraad van meer dan 50 en een prijs tussen 25 en 45 dollar:

  1. (Voorwaardelijk) Schuif de Allow recently purchased items to be recommended? schakelen naar de positie "aan".

    Deze instelling is gebaseerd op de productPurchasedId. Standaard wordt eerder aangeschafte items niet aanbevolen. In de meeste gevallen wilt u geen objecten promoten die een klant onlangs heeft aangeschaft. Het is handig om objecten te verkopen die mensen doorgaans slechts eenmaal kopen, zoals kajaks. Als je objecten verkoopt die mensen herhaaldelijk kunnen kopen, zoals shampoo of andere persoonlijke objecten, moet je deze optie inschakelen.

  2. Stel een prijsbereik in voor de producten die u wilt aanbevelen.

  3. Stel het minimale voorraadbedrag in voor de producten die u wilt aanbevelen.

  4. Vorm de aanbeveling om punten slechts te tonen wanneer zij aan bepaalde criteria voldoen.

    Afbeelding Recs_InclusionRules

    U kunt opgeven dat items alleen worden opgenomen wanneer een van de kenmerken in de lijst voldoet aan een of meer opgegeven voorwaarden of niet overeenkomt.

    De beschikbare beoordelaars zijn afhankelijk van de waarde die u kiest in de eerste vervolgkeuzelijst. U kunt meerdere items weergeven. Deze items worden geëvalueerd met OR.

    De veelvoudige regels worden gecombineerd met EN.

    note note
    NOTE
    Met deze optie beperkt u de items die in de aanbeveling worden weergegeven. Het heeft geen invloed op de pagina's waarop de aanbeveling wordt weergegeven. Als u wilt beperken waar de aanbeveling wordt weergegeven, selecteert u de pagina's in de ervaringscomposer.

Zie voor meer informatie Regels voor dynamische en statische integratie gebruiken.

Kenmerkweging weighting

U kunt veelvoudige regels toevoegen om het algoritme "te "verschuiven"dat op belangrijke informatie of meta-gegevens over de inhoudscatalogus wordt gebaseerd zodat bepaalde punten waarschijnlijker om worden getoond.

U kunt bijvoorbeeld een hogere wegingsfactor toepassen op onverkochte objecten, zodat deze vaker in de aanbeveling voorkomen. Niet-verkochte objecten worden niet volledig uitgesloten, maar ze verschijnen minder vaak. Meerdere gewogen kenmerken kunnen op hetzelfde algoritme worden toegepast en de gewogen kenmerken kunnen in de aanbeveling op gesplitst verkeer worden getest.

  1. Kies een waarde.

    De waarde bepaalt het type item dat vaker wordt weergegeven, op basis van een van de verschillende beschikbare criteria.

  2. Kies een evaluator.

  3. Typ het trefwoord om de regelkenmerken te voltooien.

    De volledige regel kan bijvoorbeeld 'Categorie bevat schoenen voor subreeksen' zijn.

    Afbeelding Recs_AttributeWeighting

  4. Selecteer de dikte die u aan de regel wilt toewijzen.

    De opties variëren van 0 tot 100 in stappen van 25.

  5. Voeg desgewenst aanvullende regels toe.

Als u klaar bent, klikt u op Save.

Als u een nieuwe Recommendations activiteit of het uitgeven van bestaande, Save criteria for later selectievakje is standaard ingeschakeld. Als u de criteria niet wilt gebruiken in andere activiteiten, schakelt u het selectievakje uit voordat u het bestand opslaat.

Trainingsvideo: Criteria maken in Recommendations (12:33) Zelfstudie-badge

Deze video bevat de volgende informatie:

  • Criteria maken
  • Criteria-reeksen maken
  • Aangepaste criteria uploaden
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654