[Premium]{class="badge positive" title="Se vad som ingår i Target Premium."}
Introduktion till Recommendations
Texten i den här artikeln kommer från webbseminariet Introduktion till Recommendations som du kan visa i sin helhet nedan.
Webbseminariet Introduktion till Recommendations innehåller en fördjupad genomgång av hur du kan utnyttja värdet för Adobe Target Recommendations. Ta reda på hur den här Target-aktiviteten automatiskt visar produkter eller innehåll som kan intressera dina kunder genom att optimera realtidsförslag baserat på tidigare besök. Gå vidare till användargränssnittet för Target för att få en stegvis översikt över hur du skapar en Recommendations-aktivitet.
Introduktion
Vi känner alla till den typ av rekommendationer vi ser inom detaljhandeln. Allt fler kunder förväntar sig den här typen av rekommendationer och använder dem som utgångspunkt för att utforska andra tillgängliga alternativ. Om du tänker på ditt eget shoppingbeteende fungerar dessa rekommendationer verkligen bra. Nästan alla av oss har köpt en produkt som vi såg först i en rekommendation någonstans, oavsett om den fanns i en butik eller på en digital egendom.
Följande bild visar en rekommendation som visar tillbehör som vanligen köps med en ny telefon, inklusive laddningsstationer, fall och hörlurar.
Men det vi inte alltid tänker på är hur varumärken som sätter det digitala först ökar ribban för kundernas förväntningar. Det sätt vi konsumerar media och innehåll på styrs i allt högre grad av personaliserade rekommendationer. Tänk på det första du ser när du öppnar Netflix, Spotify eller YouTube. Dessa varumärken utgör grunden för kundupplevelsen med rekommendationer. I en värld där det finns fler alternativ än någonsin är det viktigt att ni kan identifiera det mest relevanta innehållet för kunden vid interaktionen.
Marknadsförarna använder Adobe Target för att skapa personaliserade upplevelser i en mängd olika branscher, kundtyper och kanaler.
Adobe Target levererar personaliserat innehåll överallt.
-
Publicering: Webbutgivare använder Target Recommendations för att rekommendera artiklar till webbplatsbesökare och öka engagemanget.
-
Videokurser: Adobe Creative Cloud använder Target för att rekommendera videokurser för Photoshop-användare i Photoshop-programmet.
-
Gaming: Spelföretag använder Target för att rekommendera spel och innehåll till användare på sina konsoler.
-
Resa: En tysk resebokare använder Target för att rekommendera hotell och mycket annat till resenärer.
Det här är bara några exempel på hur kunderna använder Target för att leverera personaliserade rekommendationer.
Vad är bra rekommendationer?
Fantastiska rekommendationer bör vara relevanta och personaliserade. Det innebär att ni behöver tre saker för att öka relevansen och personaliseringen:
- Marketerkontroller hjälper till att öka relevansen för de objekt som rekommenderas. Som marknadsförare ger ni tabellen ett värdefullt sammanhang och vet vilka attribut som är relevanta för en rekommendationsmodell. Om du kör en videowebbplats vet du att användarna kanske är intresserade av att se filmer från samma regissör, men du bryr dig antagligen inte om att se filmer som har producerats i samma studio. Target ger dig funktioner som gör att du kan förbättra dina algoritmer med den här domänkunskapen.
- Sofistikerade modeller för att förstå miljontals objekt i katalogen och interaktionshändelser. Target har sofistikerade maskininlärningsfunktioner som byggts under ett decennium av erfarenhet och vi hanterar miljarder rekommendationer per år.
- Användarkontext för att se till att rekommendationerna är aktuella och relevanta för dina användare. Du vill inte rekommendera videon som någon just tittat på eller skjortan som någon just lagt till i kundvagnen. Målets omfattande användarprofil kan användas i rekommendationer för att säkerställa personalisering.
Implementera Target Recommendations
Börja med en strategi.
- Vilka objekt vill du rekommendera? Börja med att fundera på vilka objekt du vill rekommendera. Det kan vara produkter, videor eller innehåll.
- Var vill du visa rekommendationer? Tänk sedan på var du vill ge rekommendationer. Se vilka kanaler (webb, mobil, butiker, kioskdatorer och så vidare) som finns. Vilka delar av kundresan kommer att innehålla rekommendationer? Vilka sidor på din webbplats kommer att innehålla rekommendationer?
- Hur avgör du om rekommendationerna lyckas? Anta att du har en upplevelse utan rekommendationer och en upplevelse med rekommendationer, eller att du har två olika typer av rekommendationer. Hur skulle ni avgöra vilken upplevelse som var bättre för era kunder? Vissa mätvärden kan vara svårare än andra att mäta. Till exempel är effekten av rekommendationer på kundens livstidsvärde ofta svår att komma åt direkt. Det är därför ofta enklare att få till en mindre abstrakt mätmetod som är mer konkret, till exempel intäkter per besök, genomsnittligt ordervärde eller antal klick. I vissa fall kanske du vill minimera ett mått, till exempel antalet supportsamtal.
När du har kommit fram till din strategi är du redo att börja implementera Target Recommendations.
Det finns tre stora steg för att skapa implementering av dina rekommendationer:
- Undervisa Target om ditt sammanhang eller dina produkter.
- Hämta användarbeteende.
- Få rekommendationer i rätt sammanhang.
Undervisa Target om ditt sammanhang eller dina produkter
När du börjar med Recommendations skickar du information om alla objekt som du vill rekommendera. Target erbjuder flera integreringsalternativ för att skapa katalogen.
Den enklaste och vanligaste metoden är att skicka en CSV-fil varje dag eller vecka från ert system för produktinformationshantering eller från ert innehållshanteringssystem. Men du kan också skicka information på datalagret från sidan med JavaScript-biblioteket Adobe Target, använda våra API:er för att skicka information direkt från källsystemet eller använda vår Adobe Analytics-integrering om du redan skickar katalogdata till Analytics.
Ibland kanske du vill använda flera alternativ tillsammans, till exempel skicka de flesta data dagligen via en CSV-fil och skicka lageruppdateringar oftare via ett API.
IT-avdelningen brukar hjälpa till att förbereda sig för detta steg.
Oavsett vilken metod du väljer bör du inkludera metadata om varje objekt i tre kategorier:
- Data som du vill visa för användaren som tar emot rekommendationen. Filmens namn och en URL för miniatyrbild.
- Data som är användbara när det gäller marknadsföring och marknadsföring. Exempel: filmens klassificering så att du inte rekommenderar NC-17-filmer.
- Data som är användbara när du vill fastställa likheter mellan objekt och andra objekt. Till exempel filmens genre eller de skådespelare som finns i filmen.
Hämta användarbeteende
Därefter bör du lägga till taggar eller utnyttja befintlig Analytics-implementering för att spåra konverteringshändelser (till exempel vyer och köp) som driver Target -algoritmer.
Du måste se till att Target är medveten om de objekt som användarna visar och köper. Om köpet inte är relevant för ditt sammanhang kan du spåra en annan typ av konverteringshändelse, till exempel hämtning av PDF, slutförande av en enkät, prenumeration på ett nyhetsbrev, titta på en video o.s.v.
Om du redan använder Target för att köra A/B-tester på din webbplats, kanske du redan har slutfört det här steget. Om du redan använder Adobe Analytics för att rapportera webbplatsbesök och konverteringsbeteenden kan du använda Analytics som din beteendedatakälla. Annars är det enklast att konfigurera detta med en tagghanterare som taggar i Adobe Experience Platform. Det går också att skicka interaktioner offline eller i appen till Target via API:t i realtid.
Få rekommendationer i rätt sammanhang
Skicka information om användaren och sammanhanget vid interaktionen till Target för att returnera relevanta och personaliserade rekommendationer.
Förutom användarbeteendet i sammanställningen måste du skicka Target till den specifika kontext där rekommendationer visas. Detta inkluderar information om sidan och information från användarprofilen. Target använder den här informationen för att göra personaliserade rekommendationer. På en återförsäljarwebbplats vill du t.ex. veta vilken produkt och produktkategori besökaren tittar på just nu. Du vill också veta mer om den användaren (favoritmärke, favoritproduktkategori, lojalitetsnivå osv.). Den här informationen är viktig så att Target kan filtrera objekt och förbättra personaliseringen av rekommendationer.
Bygg din första Recommendations-aktivitet
Vad är en Recommendations-aktivitet?
En Recommendations-aktivitet består av följande komponenter:
- Målgrupp: Vem ska se dessa rekommendationer?
- Villkor: Vilka objekt bör rekommenderas?
- Design: Hur ska de rekommenderade objekten visas?
Target innehåller 14 inbyggda målgrupper, 42 inbyggda kriterier och 10 inbyggda designmallar. Du kan anpassa vart och ett av dessa objekt eller lägga till ett eget. Vi har haft webbinarier om att bygga målgrupper i Target. I det här avsnittet fokuseras på att definiera villkor, som definierar vilka objekt som ska rekommenderas.
Target använder konceptet med kriteriekortet. Ett villkorskort är som ett recept för personalisering.
Det är viktigt att välja eller skapa rätt kriterier för att uppnå de personaliseringsresultat ni vill ha. Ett villkor är som en kanal som tar dig från hela katalogen till den slutliga uppsättningen rekommendationer.
I följande avsnitt beskrivs de olika delarna av den här tratten och hur de fungerar i Target:
Statiska filter (samlingar och uteslutningar)
Statiska filter är i stort sett tillämpliga regler för katalogattribut som du inte förväntar dig att ändras ofta.
I en innehållskontext kanske du vill inkludera alla filmer i rekommendationerna, men exkludera filmer med klassificering NC-17. Inom detaljhandeln kan du ha flera varumärken i olika delar av världen, men du vill bara rekommendera produkter som finns i USA. Du kanske också vill utesluta produkter från en regional privat etikett.
Det här är alla katalogattribut som är allmänt tillämpliga och som du kanske vill använda i flera rekommendationer, och du förväntar dig inte att de ska ändras ofta.
Algoritm (rekommendationsnyckel och logik)
Nästa steg är att välja en rekommendationsnyckel och logik. Här bestämmer du vad som är grunden för din rekommendation.
Det första du behöver välja är rekommendationsnyckeln. Rekommendationsnyckeln är vad du "letar upp" för att välja rekommendationen. Det här är vad du baserar din rekommendation på.
Du kan basera din rekommendation på:
- Det objekt som besökaren för närvarande visar
- Den kategori som besökaren för närvarande visar
- Artikeln som besökaren senast köpte eller lade till i kundvagnen
- Ett anpassat attribut relaterat till en besökare eller ett objekt
Baserat på dessa tangenter väljer du sedan önskad logik för rekommendationer:
- Objekt med liknande attribut
- De senast visade objekten i en viss kategori
- Kunder som köpte den här artikeln köpte även dessa artiklar
- Ett anpassat attribut
Target innehåller en portfölj med algoritmer.
- Popularitetsbaserade algoritmer innehåller De mest visade och populära säljarna.
- Innehållsbaserade algoritmer innehåller innehållets likhet.
- Objektbaserade filteralgoritmer för samarbete omfattar Visad/Visad, Visad/Köpt och Köpt/Köpt. Observera att"köpt" kan vara vilken konvertering som helst.
- Personaliserade algoritmer innehåller nyligen visade, platstillhörighet och profilförbättrad samarbetsfiltrering.
- Med Använd egna algoritmer kan du använda egna algoritmer.
Affärsregler online
Det sista steget är att tillämpa onlineaffärsregler. Här kan du ge dina algoritmer domänkunskap och aktuell kontext baserat på vad besökaren gör på din digitala egendom.
I innehållskontexten kanske du vill utesluta filmer som besökaren tidigare har tittat på, rekommendera filmer av samma regissör eller lyfta filmer i samma genre. Inom detaljhandeln kanske du vill utesluta produkter som inte finns i lager, visa artiklar i ett prisintervall på 5 till 500 dollar eller lyfta artiklar från samma varumärke.
Demo
När du har slutfört de uppgifter som illustreras i rekommendationstratten som beskrivs ovan, får du din slutgiltiga rekommendation. Om du vill se en produktdemonstration i Target börjar demon klockan 21:00 i Adobe Target Basics Webinar som är länkad till nedan.
Adobe Target Basics-webbinarium: Introduktion till Recommendations intro-to-recs
Introduktion till Recommendations