[Premium]{class="badge positive" title="See what's included in Target Premium."}

Utilizzare Adobe Analytics con Recommendations

Utilizzo di Adobe Analytics come origine dei dati comportamentali consente ai clienti di utilizzare i dati comportamentali basati sulla visualizzazione e/o sull’acquisto provenienti da Analytics in Adobe Target Recommendations attività. Questa funzione è particolarmente utile quando Target Recommendations la configurazione è nuova e Analytics dispone di molti dati storici da utilizzare.

Utilizzo di Analytics in quanto l’origine dei dati comportamentali può fungere da ricca fonte di informazioni sul comportamento degli utenti. Queste informazioni possono includere dati provenienti da un’origine o un feed di terze parti condivisi solo con Analytics.

Mentre creazione di criteri in Recommendations, sono disponibili due pulsanti di scelta che consentono di scegliere l’origine dati da utilizzare: mbox o Analytics. Per creare un criterio, fai clic su Recommendations > Criteri > Crea criterio > Crea criterio. Per ulteriori informazioni, consulta Creare i criteri.

Pulsanti origine dati comportamentali

NOTE
Se questi due pulsanti non vengono visualizzati nel tuo account, contatta Assistenza clienti.

Casi d’uso per i dati di Analytics in Target

Utilizzo di Analytics come origine di dati comportamentali per i consigli, consente di distribuire casi d’uso specifici senza la necessità di assegnare tag alle pagine delle entità con tutte le Target parametri di entità. Anche se questo richiede l’esistenza di alcuni prerequisiti, la disponibilità di "Variabili di prodotto" è la cosa più importante per il corretto funzionamento di tale funzionalità. Le eVar e le proprietà regolari non sono sufficienti per consentire l’esecuzione automatica di questo handshake tra Analytics e Target.

È possibile utilizzare Analytics come origine dei dati comportamentali per:

  • Visualizza i consigli agli utenti su un sito di vendita al dettaglio in una pagina di dettagli del prodotto, in base agli acquisti effettuati da altri utenti nella stessa categoria nell’ultimo mese, utilizzando Analytics dati.
  • Visualizza contenuto nella schermata iniziale di un sito multimediale per i contenuti più popolari in una particolare categoria attualmente in tendenza, in base a Analytics dati.

Implementazione in Analytics

Le sezioni seguenti sono utili per implementare questa funzione nel Analytics lato.

Prerequisiti: configurare le variabili di prodotto in Analytics

Implementare le variabili di prodotto in Analytics con gli attributi necessari richiesti per Target Recommendations.

A Target Recommendations il formato feed di esempio funge da guida in cui tutti gli attributi devono essere definiti nelle variabili di prodotto. In seguito, tali valori devono essere "mappati" all’interno del Target Interfaccia utente per il rispettivo Target valori di entità.

NOTE
Se si tratta di un sito di contenuti, le rispettive parti di contenuto devono essere trattate come "prodotti" e gli attributi associati a tale contenuto devono essere passati come attributi. Tali attributi possono includere il nome dell’autore, la data di pubblicazione, il titolo del contenuto, il mese di rilascio e così via. La granularità del livello di categoria, o dei tipi di categoria, deve essere decisa dall’azienda in base ai requisiti del caso d’uso.

Per ulteriori dettagli su come impostare le variabili di prodotto, consulta products nel Implementare Adobe Analytics guida. Alcune delle note in tale documentazione richiedono discrezione da parte del team che la sta distribuendo (ad esempio: Categoria). È sempre consigliabile consultare Adobe prima di eseguire questa attività.

Considerazioni

Analytics I dati vengono inviati tramite un feed giornaliero. I risultati comportamentali possono richiedere fino a 24 ore per essere rispecchiati nei risultati dei consigli sul sito. Come per tutti Recommendations impostazioni dei criteri, questa origine dati può e deve essere testata.

Per un processo decisionale rapido su quale sorgente di dati deve essere utilizzata, se sono presenti molti dati organici generati ogni giorno dagli utenti e non è necessaria una grande dipendenza dai dati storici, utilizzando un’ Target mbox come origine dei dati comportamentali può essere una buona soluzione. Nei casi di minore disponibilità di dati organici generati di recente, se desideri utilizzare Analytics dati, quindi l’ Analytics in quanto l’origine dei dati comportamentali è una buona combinazione.

È ora di mappare queste variabili su Target per la fornitura continua di dati comportamentali.

Implementare in Target

  1. In entrata Target, fai clic su Recommendations, quindi fare clic su Feed scheda.

    Feed

  2. Clic Crea feed.

  3. Seleziona Classificazioni di Analytics, quindi specifica la suite di rapporti.

    Opzione Classificazioni di Analytics

  4. Clic Successivo per passare al Pianificazione , seleziona un periodo di frequenza per il feed:

    • Giornaliero
    • Settimanale
    • Ogni 2 settimane
    • Mai

    Puoi anche selezionare l’ora del giorno in cui il feed deve essere elaborato.

  5. Clic Successivo per passare al Mappatura , quindi mappare le intestazioni di colonna dei campi sulle Recommendations nomi dei campi.

    Sezione mappatura

  6. Fai clic su Salva.

Domande frequenti

Considera le seguenti domande frequenti mentre utilizzi Analytics con Target:

Sono entity.id e entity.categoryId valori da trasmettere all'interno del Target Chiamata mbox?

Sì, questi due valori sono ancora obbligatori. Gli altri attributi possono essere trasmessi tramite un Analytics feed, come descritto in questo documento.

Posso utilizzare regole di inclusione dinamica, come il parametro di entità corrisponde agli attributi di profilo utilizzando Analytics approccio feed?

Sì, puoi. Il metodo è simile quando si utilizza Target autonomo. In questo caso, tuttavia, devi prestare attenzione al fattore temporale. Le variabili di entità che devono corrispondere alle variabili di profilo dipendono dal livello dati che potrebbe apparire molto più tardi sulla pagina.

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