Premium
See what's included in Target Premium.

Utilisation Adobe Analytics avec Recommendations

Utilisation Adobe Analytics car la source de données comportementales permet aux clients d’utiliser les données comportementales basées sur les vues et/ou basées sur les achats de Analytics in Adobe Target Recommendations activités. Cette fonctionnalité est particulièrement utile dans les cas où la fonction Target Recommendations la configuration est nouvelle et Analytics contient de nombreuses données historiques à utiliser.

Utilisation Analytics car la source de données comportementales peut agir comme une source d’informations riche sur le comportement des utilisateurs. Ces informations peuvent inclure des données provenant d’une source ou d’un flux tiers qui est partagé uniquement avec Analytics.

while création de critères in Recommendations, deux boutons radio permettent de choisir la source de données à utiliser : mbox ou Analytics. Pour créer un critère, cliquez sur Recommendations > Critères > Création de critères > Création de critères. Pour plus dʼinformations, consultez la section Création de critères.

Boutons de source de données comportementales

NOTE
Si ces deux boutons ne s’affichent pas dans votre compte, contactez Assistance clientèle.

Cas d’utilisation des données Analytics dans Target

Utilisation Analytics en tant que source de données comportementales pour recommendations vous permet également de déployer des cas d’utilisation spécifiques sans devoir baliser les pages d’entité avec tous les Target paramètres d’entité. Bien que cela nécessite la mise en place de certaines conditions préalables, la disponibilité des "variables de produit" est la chose la plus importante pour que cette fonctionnalité fonctionne de manière transparente. Les variables eVar et prop régulières ne sont pas suffisantes pour que cette liaison se produise automatiquement entre Analytics et Target.

Vous pouvez utiliser Analytics comme source de données comportementales pour :

  • Affichez des recommandations sur un site de vente au détail à l’intention des utilisateurs sur une page des détails d’un produit, en fonction de ce que d’autres utilisateurs ont acheté dans la même catégorie au cours du dernier mois, en utilisant Analytics data.
  • Afficher le contenu sur l’écran d’accueil d’un site multimédia pour le contenu le plus populaire d’une catégorie particulière qui est actuellement en tendance, en fonction de Analytics data.

Mise en oeuvre dans Analytics

Les sections suivantes vous aident à mettre en oeuvre cette fonctionnalité sur la page Analytics côté.

Conditions préalables : configurer des variables de produit dans Analytics

Mise en oeuvre de variables de produit dans Analytics avec les attributs nécessaires pour Target Recommendations.

A Target Recommendations l’exemple de format de flux sert de guide sur lequel tous les attributs doivent être définis dans les variables de produit. Par la suite, ces valeurs doivent être "mappées" dans la variable Target l’interface utilisateur des Target valeurs d’entité.

NOTE
S’il s’agit d’un site de contenu, les éléments de contenu respectifs doivent être traités comme des "produits" et les attributs associés à ce contenu doivent être transmis en tant qu’attributs. Ces attributs peuvent inclure le nom de l’auteur, la date de publication, le titre du contenu, le mois de publication, etc. La granularité des types de catégorie ou de catégorie doit être décidée par l’entreprise en fonction des besoins du cas d’utilisation.

Pour plus d’informations sur la configuration des variables de produit, voir products dans le Mise en oeuvre d’Adobe Analytics guide. Certaines notes de cette documentation requièrent la discrétion de l’équipe qui la déploie (exemple : Catégorie). Il est toujours conseillé de consulter Adobe avant d’effectuer cette activité.

Considérations

Analytics Les données sont envoyées via un flux quotidien. Les résultats comportementaux peuvent prendre jusqu’à 24 heures pour être reflétés dans les résultats de recommandations sur votre site. Comme pour tout Recommendations , cette source de données peut et doit être testée.

Pour une prise de décision rapide concernant la source de données à utiliser, si les utilisateurs génèrent de nombreuses données organiques quotidiennement et qu’ils ne dépendent pas trop des données historiques, utilisez une Target mbox comme source de données comportementales peut s’avérer adapté. Si vous souhaitez utiliser des données organiques moins disponibles récemment, Analytics data, puis l’utilisation de Analytics car la source de données comportementales est adaptée.

Il est maintenant temps de mapper ces variables sur Target côté pour l’approvisionnement continu des données comportementales.

Mise en oeuvre dans Target

  1. Dans Target, cliquez sur Recommendations, puis cliquez sur le bouton Flux .

    Flux

  2. Cliquez sur Création d’un flux.

  3. Sélectionner Classifications Analytics, puis spécifiez la suite de rapports.

    Option Classifications Analytics

  4. Cliquez sur Suivant pour accéder au Planification , sélectionnez une période de fréquence pour le flux :

    • Quotidien
    • Hebdomadaire
    • Toutes les 2 semaines
    • Jamais

    Vous pouvez également sélectionner l’heure de la journée du traitement du flux.

  5. Cliquez sur Suivant pour accéder au Mappage , puis associez les en-têtes de colonne de champ aux Recommendations noms de champ.

    Section de mappage

  6. Cliquez sur Enregistrer.

Questions fréquentes

Tenez compte des questions fréquentes suivantes lorsque vous utilisez Analytics avec Target:

Sont les entity.id et entity.categoryId valeurs devant être transmises dans la variable Target appel de mbox ?

Oui, ces deux valeurs sont toujours requises. Le reste des attributs peut être transmis via un Analytics flux, comme décrit dans ce document.

Puis-je utiliser des règles d’inclusion dynamiques, telles que le paramètre d’entité, correspond aux attributs de profil à l’aide de la variable Analytics approche du flux ?

Oui, vous pouvez. La méthode est similaire lors de l’utilisation de Target autonome. Dans ce cas, toutefois, vous devez être attentif au facteur de minutage. Les variables d’entité censées correspondre aux variables de profil dépendent de la couche de données qui peut apparaître beaucoup plus tard sur la page.

recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654