Show Menu
TEMAS×

Crear criterios

Los criterios controlan el contenido de sus actividades de Recommendations. Cree criterios para mostrar las recomendaciones que más se ajusten a su actividad.

Crear criterios

Los criterios controlan el contenido de sus actividades de Recommendations. Cree criterios para mostrar las recomendaciones que más se ajusten a su actividad.
Existen varias maneras de llegar a la pantalla Crear nuevos criterios. Algunas opciones de pantalla dependen de cómo llega a la pantalla.
  • Cuando esté creando una Recommendationsactividad haga clic en Crear nuevo en la pantalla Seleccionar criterios. Tendrá la opción de guardar los nuevos criterios para usarlos con otras actividades de Recommendations.
  • Cuando esté editando una Recommendationsactividad, haga clic en el cuadro Ubicación de Recommendations de la página y seleccione Cambiar criterios . En la pantalla Seleccionar criterios, haga clic en Crear nuevo . Tendrá la opción de guardar los nuevos criterios para usarlos con otras actividades de Recommendations.
  • En la pantalla de la biblioteca Recommendations > Criterios , haga clic en Crear criterios . Los criterios que crea aquí quedan disponibles automáticamente para todas las actividades de Recommendations.
  1. Haga clic en Crear criterios o Crear nuevo .
  2. Seleccione Crear criterio .
  3. Escriba un Nombre de criterio .
    Es el nombre “interno” que se usa para describir los criterios. Por ejemplo, quizá use el nombre “Productos con más margen” para los criterios, pero es probable que no quiera que ese título se muestre al público. Consulte el paso siguiente para establecer el título que se presenta al público.
  4. Escriba un Título que se mostrará a la audiencia para que aparezca en la página para todas las recomendaciones que usen este criterio.
    Por ejemplo, una idea es mostrar “Las personas que han visto esto también vieron” o “Productos similares” cuando use estos criterios para mostrar recomendaciones.
  5. Escriba una breve Descripción del criterio.
    La descripción debería ayudarle a identificar el criterio y puede incluir información sobre la finalidad del criterio.
  6. Seleccione un Segmento de mercado vertical :
    • Venta minorista/Comercio electrónico
    • Generación de vanguardia/B2B/Servicios financieros
    • Medios/Publicación Otras opciones de criterios cambiarán según el sector que seleccione.
  7. Seleccione un Tipo de página .
    Puede seleccionar varios tipos de página.
    En conjunto, el sector y los tipos de página se usan para categorizar los criterios guardados, facilitando su reutilización para otras actividades de Recommendations.
  8. Seleccione una Clave de recomendación .
    Para obtener más información sobre cómo basar los criterios en una clave, consulte Basar la recomendación en una clave de recomendación .
  9. Seleccione la Lógica de recomendación .
    Para obtener más información sobre opciones de lógica de recomendación, consulte Criterios .
    Si selecciona Artículos / Medios con atributos similares , tendrá la opción de definir reglas de similitud de contenido .
  10. Establezca el Intervalo de fechas para determinar el intervalo de fechas del historial de datos de comportamiento del usuario, para usarlo cuando determine qué recomendaciones mostrar.
    Si el sitio tiene mucho tráfico y los comportamientos cambian con frecuencia, elija un período de datos más breve. Un periodo más breve permite a Recommendationsresponder mejor a los cambios del mercado y de su empresa. Por ejemplo, un periodo breve significa que Recommendationsdetectará cambios en el comportamiento de los visitantes a medida que estos comiencen a realizar compras de temporada, como las compras de vuelta al colegio o las compras navideñas, y recomendará artículos apropiados para esas temporadas.
    Si no dispone de muchos datos o el comportamiento de los visitantes no cambia con frecuencia, puede elegir un período de tiempo más largo. Sin embargo, para muchos sitios, un período más corto permite ofrecer mejores recomendaciones.
    Los intervalos de fechas que hay disponibles son:
    • Dos días
    • Una semana
    • Dos semanas
    • Un mes
    • Dos meses
  11. Seleccione la Fuente de datos de comportamiento deseada: mboxes o Analytics.
    Si elige Analytics, seleccione el grupo de informes deseado.
  12. Establezca las reglas de Contenido .
    Las reglas de contenido determinan qué sucede si el número de artículos recomendados no completa su diseño. Por ejemplo, si el diseño tiene espacio para cinco artículos, pero los criterios hacen que solo se recomienden tres artículos, puede dejar vacío el espacio restante, o puede usar recomendaciones de copia de seguridad para completar el espacio adicional.
    Seleccione las conmutaciones adecuadas:
    • Habilitar procesamiento parcial de diseño
    • Mostrar recomendaciones de copia de seguridad
    • Recomendar productos adquiridos anteriormente Esta configuración se basa en productPurchasedId . Es útil si vende artículos que la gente suele comprar solo una vez como, por ejemplo, canoas. Le recomendamos desactivar esta opción si vende artículos que la gente suele volver para comprar de nuevo como, por ejemplo, champú u otros artículos personales.
  13. Establezca las Reglas de inclusión .
    Las Reglas de inclusión determinan qué artículos se incluirán en sus recomendaciones. Las opciones disponibles dependen del sector.
    Para obtener más información, consulte Reglas de inclusión .
  14. Configure la Ponderación de atributos .
    Puede agregar varias reglas para “desplazar” el algoritmo basado en descripción o metadatos importantes sobre el catálogo de contenido. Por ejemplo, puede aplicar una ponderación más alta para artículos en venta de modo que aparezcan con más frecuencia en la recomendación.
  15. Cuando termine, haga clic en Guardar .
    Si está creando una nueva actividad de Recommendations o está editando una existente, la casilla Guardar criterios para más adelante está seleccionada de forma predeterminada. Si no desea usar los criterios en otras actividades, desmarque la casilla antes de guardar.

Tiempo de procesamiento de criterios esperado

Después de guardar un criterio, Target calcula las recomendaciones. Este cálculo tarda algún tiempo en realizarse y el intervalo de tiempo varía según la lógica de recomendación seleccionada, el intervalo de datos, el número de artículos en el catálogo, la cantidad de datos de comportamiento que han generado los clientes y la fuente de datos de comportamiento seleccionada. La fuente de datos de comportamiento tiene el mayor impacto en el tiempo de procesamiento, como se indica a continuación:

mboxes regionales clásicos

Si se seleccionan mboxes como el origen de datos de comportamiento, una vez creados, los criterios se ejecutan inmediatamente. Dependiendo de la cantidad de datos de comportamiento utilizados y del tamaño del catálogo, el algoritmo puede tardar hasta 12 horas en ejecutarse. Al realizar cambios en la configuración de criterios, el algoritmo se vuelve a ejecutar. Según el cambio realizado, las recomendaciones calculadas anteriormente podrían estar disponibles hasta que se complete una nueva ejecución, o para cambios mayores, solo el contenido predeterminado o de copia de seguridad estará disponible hasta que se complete una nueva ejecución. Si un algoritmo no se modifica, se vuelve a ejecutar automáticamente Target cada 12-48 horas, según el intervalo de datos seleccionado.

Adobe Analytics.

If the criteria uses Adobe Analytics as the behavioral data source, once created, the time for criteria availability depends on whether the selected report suite and lookback window has been used for any other criteria.
  • Configuración de grupos de informes únicos: La primera vez que se utiliza un grupo de informes con una ventana retrospectiva de un intervalo de datos determinado, Target Recommendations puede tardar entre dos y siete días en descargar completamente los datos de comportamiento del grupo de informes seleccionado desde Analytics. Este intervalo de tiempo depende de la carga Analytics del sistema.
  • Criterios nuevos o editados con un grupo de informes ya disponible: Al crear un nuevo criterio o editar un criterio existente, si el grupo de informes seleccionado ya se ha utilizado con Target Recommendations, con un intervalo de datos igual o inferior al intervalo de datos seleccionado, los datos estarán disponibles inmediatamente y no se requerirá ninguna configuración por única vez. En este caso, o si se edita la configuración de un algoritmo sin modificar el grupo de informes o intervalo de datos seleccionado, el algoritmo se ejecuta o se vuelve a ejecutar en un plazo de 12 horas.
  • Se está ejecutando el algoritmo: Los datos fluyen de Analytics a Target Recommendations diario. Por ejemplo: para la recomendación Afinidad vista, cuando un usuario ve un producto, una llamada de seguimiento de vista de producto se pasa a Analytics casi en tiempo real. Los Analytics datos se insertan Target al principio del día siguiente y Target ejecuta el algoritmo en menos de 12 horas.

Basar la recomendación en una clave de recomendación

Las recomendaciones basadas en claves utilizan el contexto de comportamiento del visitante para mostrar resultados relevantes.
Existen dos tipos de recomendaciones:
  • Popularidad: enumera los elementos según los más visitados, los más vendidos y las métricas principales. La clave está vacía para los criterios de popularidad.
  • Basado en claves: comprende el resto de los criterios. Recommendations ofrece un conjunto diverso de opciones con respecto al tipo de clave. Las opciones van desde “elemento actual” a “parámetros de perfil”, que le permiten establecer programáticamente la clave de los valores para recomendar. Puede probar varios criterios uno frente a otro basando cada criterio en una clave diferente.
Cada criterio está definido en su propia pestaña. El tráfico se divide equitativamente en las distintas pruebas de criterios. Es decir, si tiene dos criterios, el tráfico se divide a partes iguales entre ellos. Si tiene dos criterios y dos diseños, el tráfico se divide equitativamente entre las cuatro combinaciones. También puede especificar el porcentaje de los visitantes del sitio que ven el contenido predeterminado, para su comparación. En ese caso, el porcentaje de visitantes especificado ve el contenido predeterminado y el resto se divide entre las combinaciones de algoritmo y plantilla.
  1. Cree una recomendación nueva o seleccione una existente y haga clic en Editar .
  2. Para cambiar la clave de recomendación, seleccione la nueva clave en la lista desplegable Clave de recomendación y haga clic en Guardar .
    Dado que lógicas diferentes dirigen a claves de recomendaciones diferentes, estas últimas se prestan a colocarse en diferentes tipos de páginas. Consulte las secciones siguientes para obtener más información acerca de cada clave.

Artículo actual

La recomendación está determinada por el artículo que el visitante está viendo en ese momento.
Las recomendaciones muestran otros artículos que pueden ser de interés para los visitantes interesados en el artículo especificado.
Si se selecciona está opción, el valor entity.id debe pasarse como parámetro en mbox de visualización.
Lógica (criterio)
  • Elementos con atributos similares.
  • Los usuarios que vieron esto, vieron aquello.
  • Los usuarios que vieron esto, compraron aquello.
  • Los usuarios que compraron esto, compraron aquello.
  • Afinidad del sitio
Ubicación en el sitio
Páginas con un solo elemento, como las páginas de productos.
NO lo utilice en páginas de resultados de búsqueda nulos.

Categoría actual

La recomendación está determinada por la categoría de producto que el visitante está viendo en ese momento.
Recommendations muestra los elementos en la categoría del producto especificada.
Si se selecciona está opción, el valor entity.categoryId debe pasarse como parámetro al mbox de visualización.
Lógica (criterio)
  • Principales vendedores
  • Más visitados
Ubicación en el sitio
Páginas de una sola categoría.
NO lo utilice en páginas de resultados de búsqueda nulos.

Atributo personalizado.

La recomendación viene determinada por un elemento almacenado en el perfil de un visitante, utilizando los atributos user. x o perfil.atributos x .
Si se selecciona está opción, el valor entity.id debe estar presente en el atributo del perfil.
Lógica (criterio)
  • Los usuarios que vieron esto, vieron aquello.
  • Los usuarios que vieron esto, compraron aquello.
  • Los usuarios que compraron esto, compraron aquello.
  • Comportamiento general.
  • Más visitados
  • Principales vendedores
Si la clave es un atributo de perfil personalizado y el tipo de algoritmo es el más visitado o el más vendido, aparece una nueva lista desplegable llamada “Agrupar por valor único de” que tiene una lista de atributos de entidades conocidas (excepto ID, categoría, margen, valor, inventario y entorno). Este campo es obligatorio.
Ubicación en el sitio
Puede utilizarse en cualquier página.
Utilizar una clave de recomendaciones personalizada
Puede basar las recomendaciones en el valor de un atributo de perfil personalizado. Por ejemplo, supongamos que desea mostrar películas recomendadas basadas en la película que agregó un visitante recientemente a su cola.
  1. Seleccione su atributo de perfil personalizado en la lista desplegable Clave de recomendación (por ejemplo, «Última visualización agregada a la lista de observación»).
  2. A continuación, seleccione la lógica de recomendación (por ejemplo, "Personas que vieron esto, Vieron aquello").
Si el atributo de perfil personalizado no coincide directamente con un ID de entidad único, es necesario explicar cómo Recommendations desea que se produzca la coincidencia en una entidad. Por ejemplo, supongamos que desea mostrar los artículos más vendidos de la marca favorita de un visitante.
  1. Seleccione su atributo de perfil personalizado en la lista desplegable Clave de recomendación (por ejemplo, «Marca favorita»).
  2. A continuación, seleccione la lógica de recomendación que desee utilizar con esta clave (por ejemplo, "Principales vendedores").
    Se muestra la opción Agrupar por valor único de.
  3. Seleccione el atributo de entidad que coincida con la clave que ha elegido. En este caso, «Marca favorita» coincide con entity.brand .
    Recommendations ahora genera una lista «Principales vendedores» para cada marca y muestra al visitante la lista «Principales vendedores» adecuada en función del valor almacenado en el atributo de perfil de Marca favorita del visitante.

Último artículo comprado

La recomendación está determinada por el último artículo que compró cada visitante único. La captura se realiza de forma automática, por lo tanto no es necesario pasar valores a la página.
Lógica (criterio)
  • Elementos con atributos similares.
  • Los usuarios que vieron esto, vieron aquello.
  • Los usuarios que vieron esto, compraron aquello.
  • Los usuarios que compraron esto, compraron aquello.
  • Afinidad del sitio
Ubicación en el sitio
La página inicial, la página Mi cuenta o anuncios externos.
NO lo utilice en páginas de productos o en páginas importantes para las compras.

Último artículo visitado

La recomendación está determinada por el último artículo que vio cada visitante único. La captura se realiza de forma automática, por lo tanto no es necesario pasar valores a la página.
Lógica (criterio)
  • Elementos con atributos similares.
  • Los usuarios que vieron esto, vieron aquello.
  • Los usuarios que vieron esto, compraron aquello.
  • Los usuarios que compraron esto, compraron aquello.
  • Afinidad del sitio
Ubicación en el sitio
La página inicial, la página Mi cuenta o anuncios externos.
NO lo utilice en páginas de productos o en páginas importantes para las compras.

Artículo más visitado

La recomendación está definida por el artículo que se vio con mayor frecuencia, usando el mismo método utilizado en la categoría de favoritos.
Se determina por el criterio de frecuencia y actualización que funciona de la siguiente manera:
  • 10 puntos por primera visualización de producto
  • 5 puntos por cada visualización subsiguiente
  • Al final de la sesión, se dividen todos los valores por 2
Por ejemplo, si ve surfboardA y luego surfboardB en una misma sesión, el resultado es A: 10, B: 5. Cuando la sesión finalice, tendrá A: 5, B: 2,5. Si ve los mismos artículos en la sesión siguiente, los valores cambian a A: 15 B: 7,5.
Lógica (criterio)
  • Elementos con atributos similares.
  • Los usuarios que vieron esto, vieron aquello.
  • Los usuarios que vieron esto, compraron aquello.
  • Los usuarios que compraron esto, compraron aquello.
  • Afinidad del sitio
Ubicación en el sitio
Páginas generales, como páginas principales o de aterrizaje y anuncios externos.

Categoría favorita

La recomendación está determinada por la categoría que recibió la mayor cantidad de actividad, usando el mismo método empleado con el “artículo más visitado”, excepto que se clasifican las categorías en lugar de los productos.
Se determina por el criterio de frecuencia y actualización que funciona de la siguiente manera:
  • 10 puntos por primera visualización de categoría
  • 5 puntos por cada visualización subsiguiente
Las categorías visitadas por primera vez reciben 10 puntos. Por las siguientes visitas a la misma categoría, se conceden 5 puntos. Con cada visita, la puntuación de las categorías antiguas que se vieron con anterioridad se reduce 1 punto.
Por ejemplo, si ve categoría A y luego categoría B en una sesión, el resultado es A: 9, B: 10. Si ve los mismos elementos en la próxima sesión, los valores serán A: 20 B: 9.
Lógica (criterio)
  • Principales vendedores
  • Más visitados
Ubicación en el sitio
Páginas generales, como páginas principales o de aterrizaje y anuncios externos.

Popularidad

La recomendación está determinada por la popularidad de los artículos del sitio. La popularidad incluye a los principales vendedores y a los más visitados según los datos del mbox, y si usa Adobe Analytics, todas las métricas disponibles en el informe de productos. Los elementos se clasifican según la lógica de recomendación seleccionada.
Lógica (criterio)
  • Principales vendedores
  • Más visitados
  • Métricas de informe de productos (si utiliza Adobe Analytics)
Ubicación en el sitio
Páginas generales, como páginas principales o de aterrizaje y anuncios externos.

Artículos vistos recientemente.

Utiliza el historial del visitante (sesiones de alcance) para presentar el último elemento X que el visitante haya visto, según el número de espacios en el diseño.
Los criterios de Elementos visualizados recientemente ahora devuelven resultados específicos de un entorno determinado. Si dos sitios pertenecen a entornos distintos y un visitante alterna entre ellos, cada sitio muestra solo los elementos visualizados recientemente desde el sitio adecuado. Si dos sitios se encuentran en el mismo entorno y un visitante cambia entre los dos, el visitante verá los mismos artículos vistos recientemente en ambos.
Ubicación en el sitio
Páginas generales, como páginas principales o de aterrizaje y anuncios externos.
Los elementos vistos recientemente respetan tanto la configuración global de Exclusiones como la configuración de colección seleccionada para la actividad. Si un elemento está excluido por una exclusión global o no está contenido en la colección seleccionada, no se mostrará; por lo tanto, cuando se utiliza un criterio de Artículos vistos recientemente, generalmente se debe utilizar la configuración "Todas las colecciones".

Reglas de inclusión

Existen varias opciones que le ayudan a reducir el número de artículos que aparecen en las recomendaciones. Puede utilizar reglas de exclusión al crear criterios o promociones.
Las reglas de inclusión son opcionales, pero definir estos detalles permite controlar mejor los artículos que aparecen en las recomendaciones. Cada detalle que se configure reduce un poco más los criterios de visualización.
Por ejemplo, puede que desee mostrar únicamente los zapatos de mujer que tengan un precio entre 25 y 45 dólares y de los que haya más de 50 pares disponibles en el inventario. También puede ponderar cada atributo para que los artículos que son más importantes para su negocio tengan más posibilidades de aparecer.
Otro ejemplo: puede elegir mostrar ofertas de trabajo solo a quienes visiten su sitio desde determinadas ciudades, o tengan una determinada titulación universitaria.
Las opciones de reglas de inclusión varían por sector. De forma predeterminada, las reglas de inclusión se aplican a recomendaciones de copia de seguridad.
Debería usar las reglas de inclusión con cautela. Estos filtros son útiles si, por ejemplo, su organización ha establecido reglas que exigen que una marca no se recomiende al mismo tiempo que se está viendo otra marca. Sin embargo, esta función tiene un coste de oportunidad, ya que posiblemente pueda perder un porcentaje de alza al restringir la presentación de algunos elementos que normalmente se mostrarían con los criterios de la actividad.
Las reglas de inclusión se unen mediante Y. Deben cumplirse todas las reglas para incluir un artículo en una recomendación.
Para crear una regla de inclusión sencilla, como se mencionó, previamente, que muestre únicamente zapatos de mujer de entre 25 y 45 dólares y de los que haya más de 50 pares en el inventario, siga los pasos siguientes:
  1. Establezca un rango de precios para los productos que desea recomendar.
  2. Defina la cantidad mínima en inventario para los productos que desea recomendar.
  3. Configure la recomendación para que únicamente muestre los artículos cuando cumplan determinados criterios.
    Puede especificar que los artículos se incluyan solamente cuando uno de los atributos de la lista cumpla o no una o varias condiciones especificadas.
    Los evaluadores que hay disponibles dependen del valor que elija en la primera lista desplegable. Puede listar varios elementos. Estos artículos se evaluarán con O.
    Si hay varias reglas, se combinan con una Y.
    Esta opción limita los artículos mostrados en la recomendación. No afecta a las páginas en las que aparece la recomendación. Para limitar dónde se muestra la recomendación, seleccione las páginas en el Compositor de experiencias visuales.

Ponderación de atributos

Use la ponderación de atributos para retocar el algoritmo de modo que ciertos elementos tengan más probabilidad de mostrarse. Los comerciantes pueden influir en el algoritmo con base a la descripción importante o los metadatos concernientes al catálogo de contenido.
Aplique una mayor ponderación a estos artículos en liquidación para que aparezcan con más frecuencia en la recomendación. Los artículos que no están en liquidación no quedan completamente excluidos, pero aparecen con menos frecuencia. Se pueden aplicar múltiples atributos ponderados al mismo algoritmo y los atributos ponderados se pueden probar sobre el tráfico dividido en la recomendación.
  1. Elija un valor.
    Determina el tipo de elemento que es más probable que se muestre, en función de uno de los numerosos criterios disponibles.
  2. Elija un evaluador.
  3. Escriba la palabra clave para completar los atributos de la regla.
    Por ejemplo, la regla completa podría ser “La categoría contiene zapatos”.
  4. Seleccione la ponderación para asignarla a la regla.
    Las opciones varían de 0 a 100 en incrementos de 25.
  5. Si lo desea, agregue reglas adicionales.

Configuración de contenido

La configuración de Contenido determina cómo se visualizan las recomendaciones del diseño.
Es posible que algunos criterios de Recommendations devuelvan menos recomendaciones que las que exige el diseño. Por ejemplo, el diseño puede tener cinco “ranuras” disponibles, pero el criterio solo devuelve tres artículos recomendados. La configuración de Contenido controla la manera en que se presentan las recomendaciones cuando ocurre esto.
Las reglas de contenido determinan qué sucede si el número de artículos recomendados no completa su diseño. Por ejemplo, si el diseño tiene espacio para cinco artículos, pero los criterios hacen que solo se recomienden tres artículos, puede dejar vacío el espacio restante, o puede usar recomendaciones de copia de seguridad para completar el espacio adicional.
Seleccione las conmutaciones adecuadas:
  • Habilitar procesamiento parcial de diseño
  • Mostrar recomendaciones de copia de seguridad
  • Aplicar reglas de inclusión en recomendaciones de copia de seguridad
  • Recomendar productos adquiridos anteriormente
    Esta configuración se basa en el valor de perfil productPurchasedId . El comportamiento predeterminado es no recomendar artículos comprados previamente. En la mayoría de los casos, no desea promocionar artículos que un cliente haya comprado recientemente. Si los clientes suelen comprar ciertos artículos de forma repetida, habilitar esta función permite que se sigan recomendando los artículos comprados previamente.
Si habilita Mostrar copia de seguridad de Recommendations , la opción para aplicar las reglas de inclusión a recomendaciones de copia de seguridad está habilitada de forma predeterminada.
Procesamiento de diseño parcial
Recomendaciones de copia de seguridad
Resultado
Deshabilitado
Deshabilitado
Si se devuelven menos recomendaciones que las que llama el diseño, el diseño de recomendaciones se reemplaza por el contenido predeterminado y no se muestran recomendaciones.
Habilitado
Deshabilitado
Se procesa el diseño, pero puede incluir espacio en blanco si se devuelven menos recomendaciones que las que llama el diseño.
Habilitado
Habilitado
Las recomendaciones de copia de seguridad llenarán “ranuras” de diseño disponible, procesando completamente el diseño.
Si la aplicación de reglas de inclusión a las recomendaciones de copia de seguridad restringe el número de recomendaciones de copia de seguridad correspondiente al punto de que no se pueda llenar el diseño, se procesa parcialmente el diseño.
Si el criterio no devuelve ninguna recomendación, y las reglas de inclusión restringen las recomendaciones de copia de seguridad a cero, el diseño se reemplaza por el Contenido predeterminado.
Deshabilitado
Habilitado
Las recomendaciones de copia de seguridad llenarán “ranuras” de diseño disponible, procesando completamente el diseño.
Si la aplicación de reglas de inclusión a las recomendaciones de copia de seguridad restringe el número de recomendaciones de copia de seguridad correspondiente al punto de que no se pueda llenar el diseño, el diseño se reemplaza por el contenido predeterminado y no se muestran recomendaciones.

Similitud de contenido

Use reglas de similitud de contenido para hacer recomendaciones según los atributos de artículos o medios.
La similitud de contenido compara palabras clave de los atributos de los artículos y realiza recomendaciones basándose en la cantidad de palabras clave que los artículos tienen en común. Las recomendaciones que se basan en la similitud de contenido no requieren información anterior para ofrecer buenos resultados.
Resulta especialmente eficaz usar la similitud de contenido para generar recomendaciones en los artículos nuevos, ya que es poco probable que estos aparezcan en las recomendaciones usando Otras personas que vieron esto también vieron y otras lógicas basadas en el comportamiento anterior. También puede utilizar la similitud de contenido si quiere generar recomendaciones útiles para los nuevos visitantes, que no han hecho ninguna compra ni tienen datos históricos.
Al seleccionar Artículos / Medios con atributos similares , tiene la opción de crear reglas para aumentar o reducir la importancia que ciertos atributos de artículo tienen a la hora de determinar las Recommendations. En el caso de artículos como libros, puede aumentar la importancia de atributos como el género , el autor o la serie para recomendar libros parecidos.
Como la similitud de contenido emplea palabras clave para comparar los artículos, algunos atributos, como mensaje o descripción , pueden producir “ruido” en la comparación. Puede crear reglas para pasar por alto estos atributos.
De forma predeterminada, todos los atributos están definidos en Línea de base . Solo es necesario crear una regla si quiere cambiar esta configuración.

Vídeo de capacitación: Crear criterios en Recomendaciones (12:33)

Este vídeo contiene la siguiente información:
  • Crear criterios
  • Crear secuencias de criterios
  • Cargar criterios personalizados.