使推荐基于推荐键

基于算法的Recommendations使用访客行为上下文在Adobe Target Recommendations活动中显示相关结果。

每种算法类型提供了适合其类型的不同算法，如下表所示：

每个标准都在其自身的选项卡中进行定义。流量会在不同的标准测试中均匀拆分。换句话说，如果您有两个标准，则流量会在这两个标准之间平均拆分。如果您有两个标准和两个设计，则流量会在四种组合之间平均拆分。您也可指定一定数量的网站访客（百分比），这部分访客将看到默认内容以进行对比。在这种情况下，指定百分比的访客将看到默认内容，其余内容将在您的标准和设计组合中拆分。

有关创建标准和定义其算法类型和算法的详细信息，请参阅创建标准。

不同的推荐算法可以将其自身放置在不同类型的页面上。 有关每种算法类型及其可用算法的更多信息，请参阅以下部分。

基于购物车 cart-based

Cart-Based算法类型允许根据访客当前购物车的内容推荐项目。 推荐键是通过逗号分隔值的mbox参数cartIds提供的。 仅考虑前 10 个值。

基于购物车的推荐逻辑类似于基于用户的算法“Recommended For You”以及基于项目的算法“People Who Viewed These, Bought Those”和“People Who Bought These, Bought Those”。

Target使用协作过滤技术确定访客购物车中每个项目的相似性，然后合并每个项目的这些行为相似性，以获取合并列表。

Target还使营销人员可以选择查看单个会话或多个会话中的访客行为：

Target会根据每位访客当前购物车中的商品为其提供推荐，无论您查看的是单个会话中的访客行为还是多个会话中的访客行为。

以下算法可用于Cart-Based算法类型：

People Who Viewed This, Viewed Those

推荐在查看了指定项目的同一会话中最常查看的项目。

此逻辑返回查看此产品后用户查看的其他产品；指定的产品不包含在结果集中。

此逻辑允许您通过推荐查看了某个项目的其他访客也查看过的项目来创建额外的转化机会。 例如，在您的网站上查看公路自行车的访客可能还会查看自行车头盔、自行车工具包、车锁等。 您可以使用此逻辑创建推荐，以推荐其他产品帮助您增加收入。

如果选择此算法，则可以选择以下Recommendations密钥：

查看了这个项目，但购买了那个项目的人

推荐在查看了指定项目的同一会话中最常购买的项目。此标准会返回客户在查看指定项目后所购买的其他产品，返回的结果集中不包含指定的产品。

此逻辑返回查看此产品后用户购买的其他产品；指定的产品不包含在结果集中。

利用此逻辑，您可以通过在产品页面上显示推荐来增加交叉销售机会，例如，该推荐会显示查看过所购买项目的其他访客所购买的项目。 例如，如果访客正在查看钓竿，推荐会显示其他访客购买的其他项目，例如鱼缸、拖把和钓鱼诱饵。 当访客浏览您的网站时，您会向访客提供额外的购买建议。

如果选择此算法，则可以选择以下Recommendations密钥：

购买了这个项目，也购买了那个项目的人

推荐客户在购买指定项目的同时最常购买的其他项目。

此逻辑返回人们购买了这个产品后购买的其他产品；指定的产品不包含在结果集中。

此逻辑允许您通过在购物车摘要页面上显示推荐（例如，显示其他购买者也购买的项目）来增加交叉销售机会。 例如，如果访客正在购买套装，推荐会显示其他访客与该套装一起购买的其他项目，例如领带、皮鞋和袖扣。 在访客审核其购买情况时，您向他们提供其他建议。

如果选择此算法，则可以选择以下Recommendations密钥：

Popularity-Based

Popularity-Based算法类型允许您根据整个网站中项目的整体热门程度或用户最喜爱或查看次数最多的类别、品牌、流派等中的项目热门程度进行推荐。

以下算法可用于Popularity-Based算法类型：

全网站查看的次数最多 most-viewed

推荐由最常被查看的项目确定。 它由新近度/频率标准通过如下计算方式来决定：

例如，在一个会话中查看冲浪板 A 后再查看冲浪板 B 的结果是 A：10，B：5。会话结束时，您拥有A：5，B：2.5。如果在下一会话中查看相同的项目，则值将更改为A：15 B：7.5。

在常规页面（如主页或登陆页面以及站外广告）上使用此算法。

同类中查看次数最多 most-viewed-category

推荐由获得最多活动的类别决定，使用的方法与“查看次数最多的项目”相同，但是由类别接受评分，而非产品。

它由新近度/频率标准通过如下计算方式来决定：

首次访问类别得 10 分。接下来每次访问同一类别得 5 分。每次访问中之前查看过的非当前类别将减 1 分。

例如，在一个会话中查看类别 A 后再查看类别 B 的结果是 A：9，B：10。如果您在下一个会话中查看相同的项目，则值将更改为 A：20，B：9。

在常规页面（如主页或登陆页面以及站外广告）上使用此算法。

如果您选择“按类别查看次数最多”算法，则可以选择以下Recommendations键值：

按项目属性查看的次数最多

推荐与网站上查看次数最多的项目或媒体类似的项目或媒体。

通过此算法，您可以选择推荐所基于的项目属性，例如“名称”或“品牌”。

然后，选择访客配置文件中存储哪些配置文件属性进行匹配，例如“最喜爱的品牌”、“上一个添加到购物车的项目”或“查看次数最多的节目”。

全网站最畅销商品 top-sellers

显示整个网站中已完成最多的订单中包含的物料。 同一项目在一个订单中购买多件会被计为一次订购。

此算法允许您为网站上的最畅销商品创建推荐，以提高转化率和收入。 此逻辑尤其适用于首次访问网站的访客。

按类别划分的畅销商品排名

按类别显示已完成最多的订单中包含的物料。 同一项目在一个订单中购买多件会被计为一次订购。

通过此算法，您可以根据类别为网站上的最畅销商品创建推荐，以提高转化率和收入。 此逻辑尤其适用于首次访问网站的访客。

如果您选择“按类别查看次数最多”算法，则可以选择以下Recommendations键值：

按项目属性排名的最畅销商品

推荐与网站上购买次数最多的项目或媒体类似的项目或媒体。

通过此算法，您可以选择推荐所基于的项目属性，例如“名称”或“品牌”。

然后，选择访客配置文件中存储哪些配置文件属性进行匹配，例如“最喜爱的品牌”、“上一个添加到购物车的项目”或“查看次数最多的节目”。

按Analytics量度排名

显示“前x个”，其中​ x ​是任意Analytics量度。 使用来自mbox的行为数据时，您可以使用“最畅销”或“查看次数最多”（x =“已出售”或x =“已查看”）。 如果您使用的是来自Adobe Analytics的行为数据，则可以使用x = "购物车添加次数"或一些其他Analytics量度。

Item-Based

Item-Based推荐类型允许您根据用户当前正在查看或最近查看的项目的相似项目进行推荐。

以下算法可用于Item-Based算法类型：

查看了这个项目，也查看了那个项目的人 viewed-viewed

推荐在查看了指定项目的同一会话中最常查看的项目。

此逻辑返回查看此产品后用户查看的其他产品；指定的产品不包含在结果集中。

此逻辑允许您通过推荐查看了某个项目的其他访客也查看过的项目来创建额外的转化机会。 例如，在您的网站上查看公路自行车的访客可能还会查看自行车头盔、自行车工具包、车锁等。 您可以使用此逻辑创建推荐，以推荐其他产品帮助您增加收入。

如果选择此算法，则可以选择以下Recommendations密钥：

查看了这个项目，但购买了那个项目的人 viewed-bought

推荐在查看了指定项目的同一会话中最常购买的项目。此标准会返回客户在查看指定项目后所购买的其他产品，返回的结果集中不包含指定的产品。

此逻辑返回查看此产品后用户购买的其他产品；指定的产品不包含在结果集中。

利用此逻辑，您可以通过在产品页面上显示推荐来增加交叉销售机会，例如，该推荐会显示查看过所购买项目的其他访客所购买的项目。 例如，如果访客正在查看钓竿，推荐会显示其他访客购买的其他项目，例如鱼缸、拖把和钓鱼诱饵。 当访客浏览您的网站时，您会向访客提供额外的购买建议。

如果选择此算法，则可以选择以下Recommendations密钥：

购买了这个项目，也购买了那个项目的人 bought-bought

推荐客户在购买指定项目的同时最常购买的其他项目。

此逻辑返回人们购买了这个产品后购买的其他产品；指定的产品不包含在结果集中。

此逻辑允许您通过在购物车摘要页面上显示推荐（例如，显示其他购买者也购买的项目）来增加交叉销售机会。 例如，如果访客正在购买套装，推荐会显示其他访客与该套装一起购买的其他项目，例如领带、皮鞋和袖扣。 在访客审核其购买情况时，您向他们提供其他建议。

如果选择此算法，则可以选择以下Recommendations密钥：

具有相似属性的项目 similar-attributes

根据当前页面活动或以往的访客行为来推荐类似的项目或媒体。

如果您选择了具有相似属性的项目/媒体，则可以选择设置内容相似度规则。

使用内容相似度生成推荐对新项目特别有效，对于使用“查看了这个项目，也查看了那个项目的人”和基于过去行为的其他逻辑的新项目，这些项目不太可能出现在推荐中。 您还可以使用内容相似度为没有过去购买数据或其他历史数据的新访客生成有用的推荐。

如果选择此算法，则可以选择以下Recommendations密钥：

有关详细信息，请参阅内容相似度。

User-Based

通过基于用户的算法类型，可根据用户的行为提供推荐。

以下算法可用于User-Based算法类型：

最近查看的项目 recently-viewed

使用访客的历史记录（跨会话）根据设计中的版块数量显示访客最近查看过的 x 个项目。

“最近查看的项目”算法返回特定于给定环境的结果。 如果两个网站属于不同的环境，并且访客在两个网站之间切换访问，则每个网站仅显示相应网站的最近查看的项目。如果两个网站位于同一环境中，并且访客在两个网站之间切换访问，则访客会看到两个网站的最近查看的相同项目。

可以筛选Recently Viewed Items/媒体，以便仅显示具有特定属性的项目。

可能的用例包括，具有多个企业的跨国公司可能有一个跨多个数字资产的访客查看项目。 在这种情况下，您可以限制最近查看的项目，以便仅显示之前查看的相应财产中的项目。这样可防止最近查看过的项目显示在其他数字资产的网站上。

在常规页面（如主页或登陆页面以及站外广告）上使用此算法。

为您推荐 recommended-for-you

根据每位访客的浏览、查看和购买历史记录推荐商品。

通过此算法，您可以为新访客和回访访客提供个性化内容和体验。 推荐列表根据访客最近的活动进行加权，在会话中更新，并随着用户浏览您的网站而更加个性化。

查看次数和购买次数均用于确定推荐的项目。 指定的推荐键（例如，当前项目）用于应用您选择的任何包含规则过滤器。

例如，您可以：

如果选择此算法，则可以选择以下筛选键：

自定义标准 custom

“自定义标准”算法类型允许您根据上传的自定义文件提供推荐。

推荐由使用 user.x 或 profile.x 属性存储在访客配置文件中的项目确定。

如果选择该选项，配置文件属性中必须存在 entity.id 值。

如果要根据自定义属性来进行推荐，则必须选择自定义属性，然后再选择推荐类型。

您可以基于自己的自定义标准输出进行实时筛选。例如，您可以将推荐项目限制为访客最喜欢的类别或品牌。这样，您便能够将离线计算与实时筛选结合使用。

此功能意味着您可以使用Target来基于离线计算的推荐或管理的自定义列表添加个性化。 这样做可以将数据科学和研究与 Adobe 行之有效的众多功能（包括交付、运行时筛选、A/B 测试、定位、报表、集成，等等）结合起来。

通过在自定义标准中添加包含规则，您可以将原本为静态的推荐转变为基于访客兴趣的动态推荐。

用例可能包括：

推荐键 keys

Recommendation Key下拉列表中提供了以下推荐键：

当前项目 current-item

推荐由访客当前正在查看的项目决定。

推荐会向对指定项目感兴趣的访客显示可能令其感兴趣的其他项目。

如果选择该选项，entity.id 值必须作为显示 mbox 中的参数传递。

可以与以下算法一起使用：

使用以下位置在您的网站上使用Current Item推荐键：

上次购买的项目 last-purchased

推荐由每位唯一访客最近购买的项目决定。这是自动捕获的，因此页面上不得传递任何值。

可以与以下算法一起使用：

使用以下位置在您的网站上使用Last Purchased Item推荐键：

自定义推荐键

您可以使推荐基于自定义配置文件属性的值。例如，假定您要根据访客最近添加到其队列中的影片显示推荐的影片。

如果自定义配置文件属性与单个实体 ID 不直接匹配，则需要向 Recommendations 说明您希望如何与实体进行匹配。例如，假设您要显示访客最喜爱的品牌中的最畅销商品项目。

上次查看的项目 last-viewed

推荐由每位唯一访客最近查看的项目决定。这是自动捕获的，因此页面上不得传递任何值。

可以与以下算法一起使用：

使用以下位置在您的网站上使用Last Viewed Item推荐键：

查看次数最多的项目 most-viewed-logic

显示网站上查看次数最多的项目或媒体。

此逻辑允许您根据网站上查看次数最多的项目显示推荐，以提高其他项目的转化率。 例如，媒体网站可在其主页上显示其查看次数最多的视频的推荐，以鼓励访客观看其他视频。

此推荐键可与以下算法一起使用：

当前类别 current-category

推荐由访客当前正在查看的产品类别决定。

推荐会显示指定产品类别中的项目。

如果选择该选项，entity.categoryId 值必须作为显示 mbox 的参数传递。

此推荐键可与以下算法一起使用：

使用以下位置在您的网站上使用Current Category推荐键：

最喜爱类别 favorite-category

推荐由访客最喜爱的产品类别决定。

推荐会显示指定产品类别中的项目。

如果选择该选项，entity.categoryId 值必须作为显示 mbox 的参数传递。

此推荐键可与以下算法一起使用：

使用以下位置在您的网站上使用Current Category推荐键：

网站亲和度 site-affinity

根据项目间关系的确定性来推荐项目。您可以配置此标准，以确定需要多少数据，才能使用“包含规则”滑块显示推荐。 例如，如果您选择“非常强”，则会推荐具有最强匹配确定性的产品。

例如，如果您设置了非常强的亲和度，且您的设计包含 5 个项目，其中有 3 个项目达到了联系阈值强度，则另外 2 个未达到最低强度要求的项目不会在推荐中显示，且会被替换为您定义的备用项目。具有最强亲和度的项目会最先显示。

例如，在线零售商可以在后续访问中推荐访客在过去会话期间感兴趣的项目。 捕获每个访客会话的活动，以根据回访间隔和频率模型计算亲和度。 当此访客返回您的网站时，将使用网站亲和度根据您网站上以往的操作显示推荐。

有些客户具有多种产品收藏集和多种网站行为，对于他们而言，设置较弱的网站亲和度可能会获得更好的结果。

此逻辑可以与以下推荐键一起使用：