文件Commerce「Product Recommendations 指南」

建議型別

Last update: Thu Aug 17 2023 00:00:00 GMT+0000 (Coordinated Universal Time)
  • 主題：

建立對象：

  • undefined

Adobe Commerce提供了一大組建議，您可以將這些建議部署至網站上的各個頁面。 所有建議型別都是資料導向。 它們由行為資料、產品屬性資料和量度提供支援。 為方便參考，建議型別分組如下：

作為最佳實務，Adobe建議您在使用建議時遵循下列准則：

  • 讓您的建議型別多樣化。 如果客戶一再建議相同的產品，就會開始忽略建議。

  • 請勿將相同的建議部署至購物車頁面和訂單確認頁面。 考慮使用 Most Added to Cart （購物車頁面和） Bought This, Bought That 用於訂單確認頁面。

  • 保持網站整潔。 請勿在同一頁面上部署超過三個建議單位。

  • 如果您的商店銷售服裝， More like this 推薦可建議不符合所檢視產品性別的特定性別產品。 請考慮僅針對非服裝類別使用此建議型別。

個人化 personalized

這些建議型別會根據特定購物者在您網站上的行為記錄，來建議產品。

型別
說明
為您推薦
根據每位購物者目前和先前的現場行為推薦產品。 根據購物者的瀏覽和購買記錄，顯示高度相關的建議。 此建議型別在多數購物者開始網站歷程的首頁上有效。 對於您網站上未產生任何訊號來個人化體驗的首次購物者，Adobe Commerce會根據「檢視次數最多」的建議型別顯示產品。 但是，當購物者開始與網站上的產品互動時，建議的產品會即時調整其行為。

使用處：
— 首頁
— 類別​

建議的標籤：
— 專為您量身打造
— 為您推薦
— 因應您的購物趨勢
最近檢視的專案
根據瀏覽器歷史記錄，顯示購物者最近檢視的產品。 任何已刪除的產品都會由推薦單位移除。 如果沒有瀏覽器歷史記錄，或套用篩選規則時的歷史記錄不足，則不會顯示建議單位。 如果結果包含的產品少於設定的數量，建議單位只會顯示傳回的產品。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最近檢視的專案
— 再看一看

交叉銷售和追加銷售 crossup

這些推薦型別是社交證明驅動的，可幫助購物者找到其他人喜歡的內容，或是產品驅動的，可幫助他們找到其他類似的產品

型別
說明
已檢視這個專案，已檢視那個專案
建議消費者以目前檢視的產品檢影片率不成比例的產品。

使用處：
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 檢視過此產品的客戶也檢視過(PDP)
已檢視此專案，但購買了其他專案
建議消費者在檢視目前產品後，多半會購買不合比例的產品。 協助引導購物者發現他們原本可能未注意到的產品。

使用處：
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 已檢視此最終版本的客戶已購買
— 客戶最終購買
— 其他人檢視此產品後會購買什麼？
已購買此專案，已購買該專案
建議購物者經常以目前檢視的產品購買不成比例的產品。 最常用於購物車或產品詳細資料頁面，以增加相關交叉銷售產品的曝光率，從而提高平均訂單值。 顯示與購物車高度相關的產品，購物者可藉由彙總其他購物者使用目前產品所購買的專案，將其新增至購物車。

使用處：
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 取得您所需的一切
— 別忘了這些
— 經常一起購買
更多相關資訊
根據類似的中繼資料（例如名稱、說明、類別指派和屬性）推薦產品。 透過評估正在檢視之產品的屬性，會推薦相同類別中的類似產品。 例如，如果購物者瀏覽瑜伽墊，建議使用裝置類別中的其他產品。 由於此建議型別無法區分性別，因此不建議服裝、時尚或其他性別特定垂直領域使用。

使用處：
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 更多這樣的產品
— 類似此
視覺相似度
建議產品外觀與正在檢視的產品相似。 如果影像和產品的視覺方面對於購物體驗很重要，則此建議型別最有用。

人氣 popularity

這些建議型別會建議過去七天內最受歡迎或最熱門的產品。

型別
說明
檢視次數最多
建議檢視次數最多的產品，方法是計算過去七天內發生檢視動作的工作階段數。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最受歡迎
— 趨勢分析
— 目前熱門
— 最近熱門
— 受此產品啟發的熱門產品(PDP)
— 最暢銷商品
購買最多
建議購物者過去七天內最常購買的產品。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最受歡迎
— 趨勢分析
— 目前熱門
— 最近熱門
— 受此產品啟發的熱門產品(PDP)
— 最暢銷商品
加入購物車次數最多
建議購物者在過去七天內最常新增到購物車中的產品。 此建議型別可用於所有頁面。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最受歡迎
— 趨勢分析
— 目前熱門
— 最近熱門
— 受此產品啟發的熱門產品(PDP)
— 最暢銷商品
趨勢
根據產品在您網站上的人氣近期動向推薦產品。

Adobe Sensei會彙總您網站上的瀏覽和購買資料，以判斷和排名哪些產品最近受到購物者的歡迎。 由於「趨勢」會分析最近的產品動向，因此對於營業額高的目錄來說，這是一種有效的建議型別。 如果您的目錄比較靜態，除非您對象的購物模式是高度變數，否則可能沒有用處。

當在首頁上使用時，Trending會推薦最近在整個網站都受歡迎的產品。 趨勢分析顯示的不是持續受歡迎的產品，而是最近受歡迎的產品。 例如，如果您有促銷特定產品的電子郵件行銷活動，電子郵件產生的熱門程度增加會增加促銷產品歸類為趨勢的可能性。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 趨勢分析
— 目前的趨勢
— 最近趨勢
— 熱門產品
— 趨勢相關產品(PDP)

高效能 highperf

這些建議型別會根據成功標準（例如加入購物車或轉換率），建議表現最好的產品。

型別
說明
檢視購買轉換
推薦檢視與購買轉換率最高的產品。 在所有註冊了產品檢視的購物者工作階段中，最終註冊購物者購買的比例為何？

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最暢銷商品
— 熱門產品
— 您可能對
檢視到購物車轉換
推薦最高檢視到購物車轉換率的產品。 在所有註冊了產品檢視的購物者工作階段中，購物者最終註冊加入購物車的比例為何？

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最暢銷商品
— 熱門產品
— 您可能對
購買最多
此建議型別通常稱為「最暢銷商品」，會計算過去七天內發生下單動作的工作階段數量。 此建議型別可用於所有頁面。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最受歡迎
— 趨勢分析
— 目前熱門
— 最近熱門
— 受此產品啟發的熱門產品(PDP)
— 最暢銷商品
加入購物車次數最多
建議購物者在過去七天內最常新增到購物車中的產品。 此建議型別可用於所有頁面。

使用處：
— 首頁
— 類別
— 產品詳細資料
— 購物車
— 確認​

建議的標籤：
— 最受歡迎
— 趨勢分析
— 目前熱門
— 最近熱門
— 受此產品啟發的熱門產品(PDP)
— 最暢銷商品

視覺相似度 visualsim

此 視覺相似度 建議型別會推薦外觀類似產品的產品與正在檢視的產品。 當產品的影像和視覺方面是購物體驗的重要部分時，此建議型別最有用。

運作方式

此 視覺相似度 recommendation type會針對目錄中視覺上類似於目前檢視影像的其他產品提供建議。 視覺相似度包含下列方面：

  • 顏色
  • 形狀
  • 大小
  • 紋理
  • 材質
  • 樣式

Adobe Sensei使用AI處理和分析目錄中的影像，並建立用於判斷視覺相似性的屬性。

NOTE
如果您在非生產環境中測試此建議型別，請確定您的影像URL可公開存取。
NOTE
目前，產品影像的大小不得超過10 MB。

由於此建議型別不適用於大部分的目錄，因此預設不會啟用。 您必須明確啟用此建議型別。

啟用視覺相似度建議型別

NOTE
此 視覺相似度 建議型別可在以下情況下使用： 安裝 作為選用模組。

  1. 在 管理員 側欄，前往 行銷 > 促銷活動 > 產品Recommendations 以顯示 產品Recommendations 儀表板。

  2. 按一下 設定 （齒輪圖示），以顯示 設定 頁面。

  3. 在 Visual Recommendations 區段，選取 啟用Visual Recommendations.

  4. 按一下 儲存變更 完成後。

    此 建立新建議 頁面現在顯示 視覺相似度 當頁面型別為時，作為可選取的建議型別 產品詳細資料.

啟用視覺化建議後，Adobe Sensei會啟動影像處理。 所需時間取決於目錄的大小。

使用處

  • 產品詳細資料

建議的店面標籤

  • 您可能也會喜歡
  • 我們找到您可能喜歡的其他產品
  • 受此款式啟發

範例

下圖顯示「 」的產品詳細資料頁面 鉗形手錶：

鉗形手錶

以下顯示 視覺相似度 建議單位 鉗形手錶：

視覺相似度單位

recommendation-more-help
4bf3c55a-3844-4322-a5d2-42b4e56228e5