实施工作流
Product Recommendations同时使用行为和目录数据：
-
行为 — 购物者在您网站上的参与数据，例如产品查看次数、添加到购物车的商品数，以及购买次数。 Adobe Commerce和Adobe Sensei不收集个人身份信息。
-
目录 — 产品元数据，如名称、价格和可用性。
安装magento/product-recommendations module时，Adobe Sensei会聚合行为和目录数据并为每个推荐类型创建Product Recommendations。 然后，Product Recommendations服务将这些推荐部署到您的店面。 要帮助您在店面中实施产品推荐，请使用以下工作流：
工作流
-
将数据集合部署到生产环境
部署Product Recommendations需要两个主要数据源：目录和行为。 由于生产是捕获和分析购物者行为的唯一环境，因此请尽早在生产上开始收集数据。 了解Adobe Sensei如何训练机器学习模型，以获取更高质量的推荐。 作为一项附加好处，当您开始收集生产上的行为数据时，可以在非生产环境中操作时基于此生产数据获取推荐。 然后，您可以测试和试验根据在生产过程中收集的实际购物者数据计算的各种推荐。
要将数据收集部署到生产环境，您必须🔗通过提供API密钥来安装和配置 Product Recommendations模块。
note tip TIP 部署数据收集不会更改店面的外观或购物者的体验。 只有创建和部署推荐单元才能改变店面的客户体验。 在部署到生产环境之前，请确保在非生产环境中进行测试。 此外，在自定义模板之前，请勿创建推荐单位。 请参阅下一步。 -
自定义模板以匹配您的样式
您的店面代表您的品牌，因此请确保修改产品推荐模板以匹配您的站点主题。
note tip TIP 通过自定义模板，您可以指定样式表、覆盖推荐单元在页面上出现的位置等等。 请参阅开发人员文档中的自定义，了解如何完成此步骤。
-
在非生产环境中测试推荐
在部署到生产环境之前，最好在非生产环境中测试一项新技术。 通过在非生产环境中测试推荐，您可以播放不同的推荐单元类型、位置和页面。 您可以在非生产环境中执行测试时，根据已在生产环境中收集的行为数据提取推荐，这样推荐结果就会基于实际客户的购物行为。
note tip TIP 确保您的非生产环境目录与生产环境中的目录大致相同。 使用类似的目录可确保推荐单元中返回的产品与生产中的产品非常相似。 请参阅从生产环境获取行为数据以了解如何完成此步骤。
-
创建推荐并将其部署到您的生产店面
现在，您已在生产环境中部署行为数据收集，修改了产品推荐模板，并且使用实际的购物者行为对推荐进行了测试，接下来可以将所有代码提升到生产环境中并创建实时产品推荐。