Implementeringsarbetsflöde

Product Recommendations använder både beteendedata och katalogdata:

  • Beteende - Data från en kunds engagemang på er webbplats, till exempel produktvisningar, artiklar som lagts till i en kundvagn och inköp. Adobe Commerce och Adobe Sensei samlar inte in personligt identifierbar information.

  • Katalog - Produktmetadata som namn, pris och tillgänglighet.

När du installerar magento/product-recommendations module aggregerar Adobe Sensei beteendedata och katalogdata och skapar Product Recommendations för varje rekommendationstyp. Tjänsten Product Recommendations distribuerar sedan dessa rekommendationer till din butik. Använd följande arbetsflöde för att implementera produktrekommendationer i butiken:

NOTE
Om din storefront implementeras med PWA Studio finns mer information i dokumentationen för PWA. Om du använder en anpassad klientteknik som React eller Vue JS, ska du lära dig hur du integrerar Product Recommendations i den headless-butiken.

Arbetsflöde

  1. Distribuera datainsamling till produktion

    Distribuering av Product Recommendations kräver två huvudsakliga datakällor: katalog och beteende. Eftersom produktion är den enda miljön där era kunders handlande fångas in och analyseras är det i ditt bästa intresse att börja samla in data i produktionen så tidigt som möjligt. Lär dig hur Adobe Sensei utbildar maskininlärningsmodeller som ger rekommendationer av högre kvalitet. När du börjar samla in beteendedata i produktionen kan du dessutom hämta rekommendationer baserat på dessa produktionsdata när du arbetar i icke-produktionsmiljöer. Sedan kan ni testa och experimentera med olika rekommendationer som beräknas utifrån verkliga kunddata som samlats in i produktionen.

    Om du vill distribuera datainsamling till produktion måste du installera och konfigurera modulen Product Recommendations genom att ange en API-nyckel.

    note tip
    TIP
    Att datainsamlingen distribueras förändrar inte butikens utseende eller kundernas upplevelse. Det är bara när rekommendationsenheter skapas och distribueras som kundupplevelsen i er butik ändras. Testa din icke-produktionsmiljö innan du distribuerar till produktionen. Skapa inte rekommendationsenheter förrän du anpassar mallen. Se nästa steg.
  2. Anpassa mallen så att den matchar din stil

    Din storefront representerar ditt varumärke, så se till att du ändrar mallen för produktrekommendationer så att den matchar ditt webbplatstema.

    note tip
    TIP
    Genom att anpassa mallen kan du ange din formatmall, skriva över var en rekommendationsenhet visas på en sida och så vidare.

    Läs Anpassa i utvecklardokumentationen om du vill veta hur du slutför det här steget.

  3. Testa rekommendationer i din icke-produktionsmiljö

    Det är alltid en god praxis att testa ny teknik i icke-produktionsmiljön innan du driftsätter till produktionen. Genom att testa rekommendationer i din icke-produktionsmiljö kan du leka med olika typer av rekommendationsenheter, positionering och sidor. Ni kan dra slutsatser baserade på beteendedata som redan samlats in i produktionen när ni testar i er icke-produktionsmiljö, så att rekommendationsresultaten baseras på de faktiska kundernas shoppingbeteende.

    note tip
    TIP
    Se till att din icke-produktionsmiljökatalog i stort sett är densamma som den du har i produktionen. Genom att använda liknande kataloger ser du till att de produkter som returneras i rekommendationsenheterna liknar produkterna i produktionen.

    Mer information om hur du slutför det här steget finns i Hämta beteendedata från din produktionsmiljö.

  4. Skapa och distribuera rekommendationer till din produktionsbutik

    Nu när du har distribuerat beteendedatainsamlingen i produktionen, ändrat mallen för produktrekommendationer och testat rekommendationer med hjälp av beteendet hos kunderna är du redo att marknadsföra all kod till produktion och skapa rekommendationer för direktprodukter.

recommendation-more-help
4bf3c55a-3844-4322-a5d2-42b4e56228e5