活動

事件是運用即時資料深入分析來增強購物體驗及促進轉換的重要工具。

Adobe Commerce Optimizer自動將店面活動部署至您的網站。 這些事件會從購物者在您網站上的互動中擷取資料。 此匿名資料可支援建議、產品探索和成功量度。

事件 ​頁面可讓您觀察正在收集的店面事件資料。 檢視事件資料收集可讓商家驗證他們是否已正確實作店面事件，以及是否成功擷取事件。 商戶可以使用此頁面來識別潛在問題，並採取措施來解決任何事件問題。

事件計數

事件計數 ​索引標籤會追蹤購物者互動，例如搜尋、點按和購買，協助您分析趨勢並改善購物體驗。

{modal="regular"}

健全性檢查

健全狀態檢查 ​索引標籤提供每個行為事件健全狀態的深入分析，以確保精確的資料收集和功能。​URL

{modal="regular"}

下列章節說明產品探索和建議的事件詳細資料。

產品探索

產品探索會使用事件來增強搜尋演演算法，例如「檢視次數最多」和「已檢視這個專案，已檢視那個專案」。

此表格說明產品探索排名策略所使用的事件。

必要的儀表板事件

需要一些事件才能填入搜尋效能儀表板

Recommendations

建議中使用兩種型別的資料：

Adobe Sensei會彙總行為和目錄資料，為每個建議型別建立Recommendations。 Recommendations服務接著會以包含建議產品​ 專案 ​的Widget形式，將這些建議部署至您的店面。

有些建議型別會使用購物者的行為資料來訓練機器學習模型，以建立個人化建議。 其他建議型別僅使用目錄資料，不使用任何行為資料。 如果您想要在您的網站上快速開始使用Recommendations，可以使用More like this建議型別。

冷啟動

您何時可以開始使用使用使用行為資料的建議型別？ 視情況而定。 這稱為​ 冷啟動 ​問題。

Cold Start ​問題是指模型訓練及生效所需的時間。 針對建議，這表示等候Adobe Sensei收集足夠的資料以訓練其機器學習模型，然後再將建議單位部署在您的網站上。 模型擁有的資料越多，建議就越準確和有用。 由於資料收集會在即時網站上進行，因此最好及早開始此程式。

下錶針對收集每種建議型別的足夠資料所需時間提供一些一般指引：

其他可能影響訓練所需時間的變數：

為了協助您視覺化每個建議型別的訓練進度，建立建議頁面會顯示準備程度指標。

當您的即時網站上正在收集資料且機器學習模型正在進行訓練時，您可以完成設定建議所需的其他測試和設定工作。 當您完成此工作時，模型將擁有足夠的資料來建立有用的建議，可讓您將其部署到店面。

如果您的網站未針對大部分產品SKU取得足夠的流量（檢視、購買、趨勢），則可能沒有足夠的資料來完成學習程式。 這可能會讓Recommendations工作區上的整備程度指標看起來卡住。 整備程度指標旨在為商家提供另一個資料點，以便選擇哪種推薦型別更適合他們的商店。 數字是參考指標，可能永遠無法達到100%。 進一步瞭解整備指標。

備份建議

如果輸入資料不足以提供單位中所有要求的建議專案，Adobe Commerce Optimizer會提供備份建議以填入建議單位。 例如，如果您將Recommended for you建議型別部署至首頁，則您網站上的首次購物者未產生足夠的行為資料，因此無法精確建議個人化產品。 在此情況下，Adobe Commerce Optimizer會根據Most viewed推薦型別向此購物者顯示專案。

在輸入資料收集不足的情況下，下列建議型別會遞補為Most viewed建議型別：

建議專屬事件

下表列出當購物者與店面的推薦單位互動時所觸發的事件。 所收集的事件資料可支援量度分析建議的執行狀況。

必要的儀表板事件

需要下列事件才能填入Recommendations效能儀表板

下列事件並非建議所特有，但Adobe Sensei必須具備，才能正確解譯購物者資料：

建議型別

此表格說明每種建議型別所使用的事件。

支援

如果您發現任何資料差異，或如果建議和搜尋結果未如預期運作，請提交支援票證。