收集数据

当您安装和配置基于SaaS的Adobe Commerce功能(如Product Recommendations或Live Search)时，这些模块会将行为数据收集部署到您的店面。 此机制从购物者那里收集匿名行为数据，并为产品推荐和实时搜索结果提供支持。 例如，view事件用于计算Viewed this, viewed that推荐类型，place-order事件用于计算Bought this, bought that推荐类型。

数据类型和事件

产品Recommendations中使用两种类型的数据：

安装magento/product-recommendations模块时，Adobe Sensei会聚合行为和目录数据，并为每种推荐类型创建产品Recommendations 。 然后，产品Recommendations服务以包含推荐的产品​ 项 ​的小组件的形式将这些推荐部署到您的店面。

某些推荐类型使用购物者的行为数据来训练机器学习模型，以构建个性化推荐。 其他推荐类型仅使用目录数据，不使用任何行为数据。 如果您想快速开始在网站上使用产品Recommendations，则可以使用以下仅目录推荐类型：

冷启动

何时可以开始使用使用使用行为数据的推荐类型？ 视情况而定。 这称为​ 冷启动 ​问题。

冷启动 ​问题是指模型训练并生效所需的时间。 对于产品推荐，这意味着在网站上部署推荐单元之前，需要等待Adobe Sensei收集足够的数据来训练其机器学习模型。 模型拥有的数据越多，推荐就越准确和有用。 由于数据收集是在实时网站上进行的，因此最好通过安装和设置magento/production-recommendations模块来提前启动此过程。

下表针对为每种推荐类型收集足够数据所花费的时间提供了一般性指导：

可能影响培训所需时间的其他变量：

为了帮助您可视化每个推荐类型的培训进度，创建推荐页面会显示就绪指示器。

在实时网站上收集数据并训练机器学习模型时，您可以完成设置推荐所需的其他测试和配置任务。 当您完成此工作后，模型将有足够的数据来创建有用的推荐，从而允许您将其部署到店面。

如果您的网站没有获得大多数产品SKU的足够流量（查看次数、购买次数、趋势），则可能没有足够的数据来完成学习过程。 这会使管理员中的就绪指示器看起来卡住。 就绪指示器旨在为商家提供另一个数据点，以便选择哪种推荐类型更适合他们的商店。 这些数字可作为指引，可能永远不会达到100%。 了解关于就绪指示器的更多信息。

备用建议 backuprecs

如果输入数据不足以在一个单元中提供所有请求的推荐项，Adobe Commerce将提供备用推荐以填充推荐单元。 例如，如果您将Recommended for you推荐类型部署到主页，则您网站上的首次购物者未生成足够的行为数据来准确推荐个性化产品。 在这种情况下，Adobe Commerce会根据Most viewed推荐类型向此购物者显示项目。

在输入数据收集不足的情况下，以下推荐类型回退到Most viewed推荐类型：

活动

Adobe Commerce店面事件收集器列出了部署到您的店面的所有事件。 但是，从该列表中，有一个特定于产品Recommendations的事件子集。 当购物者与店面上的推荐单元进行交互时，这些事件会收集数据，并增强用于帮助您分析推荐表现情况的量度。

必需的报告面板事件

需要以下事件来填充Product Recommendations 仪表板

以下事件并非特定于产品Recommendations，而是为Adobe Sensei正确解释购物者数据所必需的：

推荐类型

此表描述了每种建议案类型使用的事件。

注意事项