[Premium]{class="badge positive" title="檢視Target Premium包含的內容。"}

Criteria

Adobe Target Recommendations中的Criteria是根據預先決定的一組訪客行為決定要建議哪些產品或內容的規則。 條件能以熱門趨勢、訪客目前和過去的行為,或類似產品和內容為基礎。 您可以新增多個條件,將多個建議類型彼此測試。

以下各節將詳細說明您可用於每個索引鍵的條件索引鍵和建議邏輯。 按一下連結以取得更多詳細資訊。

垂直產業 section_936BCFCF234C49A2BEC1C38AAC2D71AF

建立條件時,您可以根據建議活動的目標選取垂直產業。

垂直產業
目標
Retail/Ecommerce
轉換帶動購買
Lead Generation/B2B/Financial Services
轉換但未購買
Media/Publishing
參與度

其他條件選項會根據您選取的垂直產業而變更。 您可以在​ Administration>Recommendations ​頁面上設定預設的垂直產業,或為每個條件指定垂直產業。

演演算法型別 section_885B3BB1B43048A88A8926F6B76FC482

您選取的演演算法型別會決定可用的演演算法。

下表說明各種演演算法型別及其隨附的演演算法。

演演算法型別
使用時機
可用的演演算法
Cart-Based
根據使用者的購物車內容提供建議。
  • People Who Viewed These, Also Viewed
  • People Who Viewed These, Also Bought
  • People Who Bought These, Also Bought

如需詳細資訊,請參閱​ 以推薦索引鍵 ​為基礎的建議購物車型

Popularity-Based
根據您網站上的專案整體人氣或使用者最喜愛或檢視次數最多的類別、品牌、型別等內的專案人氣提供建議。
  • Most Viewed Across the Site
  • Most Viewed by Category
  • Most Viewed by Item Attribute
  • Top Sellers Across the Site
  • Top Sellers by Category
  • Top Sellers by Item Attribute
  • Top by Analytics Metric
Item-Based
根據找到使用者目前正在檢視或最近檢視之專案的類似專案提供建議。
  • People Who Viewed This, Viewed That
  • People Who Viewed This, Bought That
  • People Who Bought This, Bought That
  • Items with Similar Attributes
User-Based
根據使用者的行為提供建議。
  • Recently Viewed Items
  • Recommended for You
Custom Criteria
根據您上傳的自訂檔案提出建議。
  • 自訂演演算法

如需每個演演算法的詳細資訊,請參閱讓建議以建議索引鍵為依據

使用自訂建議索引鍵 custom-key

您也可以讓建議以自訂設定檔屬性的值為依據。

NOTE
可透過JavaScript、API或整合將自訂設定檔引數傳遞至Target。 如需自訂設定檔屬性的詳細資訊,請參閱訪客設定檔

例如,假設您要根據使用者最近新增至佇列的影片顯示建議影片。

  1. 按一下​ Recommendations > Criteria

  2. 按一下​ Create Criteria > Create Criteria

  3. 基本資訊區段中填入資訊。

  4. 建議的演演算法區段中,從​ Algorithm Type ​清單中選取​ Item Based

  5. 從​ Algorithm ​清單中選取​ People Who Viewed This, Viewed That

  6. 從​ Recommendation Key ​清單中選取自訂設定檔屬性(例如,Last Show Added to Watchlist)。

檢視條件資訊 section_7162DE58E4594FD688A4D7FDB829FD8B

您可以按一下Name欄中的所需條件來檢視條件詳細資料。

Attributes」和「詳細資料」區段可讓您檢視所選條件的一般資訊,包括其Name、Description、Industry Vertical、Page Types、Recommendation Key、Recommendation Logic、Algorithm ID以及「上次修改時間」資訊(日期及修改演演算法的人員)。

Usage ​區段可讓您檢視參考所選條件的活動清單。

NOTE
目前僅支援Recommendations活動的Algorithm Usage功能。 包含個建議作為選件的A/B Test、Auto-Allocate、Auto-Target和Experience Targeting (XT)活動目前不支援此功能。
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654