活动

事件是通过利用实时数据洞察来增强购物体验并提高转化率的重要工具。

Adobe Commerce Optimizer自动将storefront事件部署到您的站点。 这些事件从购物者在您网站上的互动中捕获数据。 此匿名数据支持推荐、产品发现和成功量度。

通过​ 事件 ​页面，您可以观察正在收集的店面事件数据。 通过查看事件数据收集，商家可以验证他们是否已正确实施店面事件，以及是否成功捕获了事件。 商家可以使用此页面识别潜在问题，并采取措施解决任何事件问题。

事件计数

事件计数 ​选项卡跟踪购物者交互，如搜索、点击和购买，以帮助您分析趋势并改善购物体验。

{modal="regular"}

健全性检查

健全性检查 ​选项卡提供每个行为事件的运行状况分析，从而确保准确的数据收集和功能。​AEM

{modal="regular"}

以下部分介绍了产品发现和推荐的事件详细信息。

产品发现

产品发现使用事件来增强搜索算法，例如“查看次数最多”和“查看了这个项目，查看了那个项目”。

此表描述了产品发现排名策略使用的事件。

必需的报告面板事件

需要一些事件来填充搜索性能仪表板

Recommendations

推荐中使用了两种类型的数据：

Adobe Sensei汇总行为和目录数据，为每个推荐类型创建推荐。 推荐服务随后以包含推荐的产品​ 项目 ​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。 如果要快速开始使用网站上的推荐，则可以使用More like this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。 这可能会使推荐工作区上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

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 Optimizer将提供备份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 Optimizer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：

特定于推荐的事件

下表列出了当购物者与店面上的推荐单元进行交互时触发的事件。 收集的事件数据支持量度分析推荐的执行情况。

必需的报告面板事件

需要以下事件才能填充推荐性能仪表板

以下事件并非特定于推荐，而是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。

支持

如果您发现任何数据差异，或者如果推荐和搜索结果未按预期工作，请提交支持票证。