产品推荐方法

产品Recommendations方法允许您根据客户的需求和兴趣提供量身定制的个性化产品推荐。 借助准确的预测模型，客户的购买历史记录可以让您深入了解他们可能感兴趣的产品。

这个配方是为谁设计的？

在现代，零售商可以提供多种产品，为客户提供大量选择，这也会阻碍客户的搜索。 由于时间和工作限制，客户可能无法找到所需的产品，从而导致购买时认知差异很高或根本不会购买。

这道菜有什么用？

产品Recommendations方法使用机器学习分析客户与过去产品的交互，并快速轻松地生成产品推荐的个性化列表。 这样可以优化产品发现过程，并消除对客户的长、低效、无关的搜索。 因此，产品Recommendations配方可以改善客户的整体购买体验，从而提高参与度和品牌忠诚度。

我该如何入门？

您可以按照Adobe Experience Platform实验室教程来开始操作（请参阅下面的实验室链接）。 本教程将演示如何按照以下步骤在Jupyter Notebook中创建产品Recommendations方法 笔记本到脚本 工作流，并在中实施方法 Experience Platform Data Science Workspace.

数据架构

此方法使用自定义 XDM架构 要对输入和输出数据进行建模，请执行以下操作：

输入数据架构

输出数据架构

算法

产品Recommendations方法利用协作筛选，为您的客户生成产品推荐的个性化列表。 与基于内容的方法不同，协作过滤不需要关于特定产品的信息，而是利用客户对一组产品的历史偏好。 这种强大的推荐技术使用两个简单的假设：

此过程分为两个主要步骤。 首先，定义相似客户的子集。 然后，在该集内，确定这些客户中的类似功能，以便为目标客户返回推荐。