产品推荐方法

产品Recommendations方法允许您根据客户的需求和兴趣提供量身定制的个性化产品推荐。 借助准确的预测模型，客户的购买历史记录可以让您深入了解他们可能对哪些产品感兴趣。

这个配方是为谁设计的？

在现代，零售商可以提供多种产品，为客户提供大量选择，这也会阻碍客户的搜索。 由于时间和工作限制，客户可能无法找到所需的产品，从而导致购买时认知会出现高度不一致性或根本不会购买。

这个食谱有什么作用？

产品推荐配方使用机器学习来分析客户过去与产品的互动，并快速轻松地生成个性化的产品推荐列表。 这优化了产品发现过程，并消除了对客户的长时间、非生产性、不相关的搜索。 因此，产品推荐配方可以改善客户的整体购买体验，从而提高参与度和品牌忠诚度。

我该如何入门？

您可以按照Adobe Experience Platform实验室教程来开始操作（请参阅下面的实验室链接）。 本教程将向您展示如何在Jupyter Notebook中创建产品Recommendations方法，方法是按照笔记本到方法工作流进行操作，并在Experience Platform Data Science Workspace中实施方法。

数据架构

此方法使用自定义XDM架构对输入和输出数据进行建模：

输入数据架构

输出数据架构

算法

产品Recommendations方法利用协作筛选，为您的客户生成产品推荐的个性化列表。 与基于内容的方法不同，协作过滤不需要关于特定产品的信息，而是利用客户对一组产品的历史偏好。 这种强大的推荐技术使用两个简单的假设：

此过程分为两个主要步骤。 首先，定义相似客户的子集。 然后，在该集中，确定这些客户之间的相似功能，以便返回对目标客户的建议。