Show Menu
主題×

產品建議方式

「產品建議」方式可讓您提供符合客戶需求和興趣的個人化產品建議。 透過精確的預測模型,客戶的購買記錄可讓您深入瞭解他們可能感興趣的產品。

這道菜是給誰做的?

在現代,零售商可以提供多種產品,為客戶提供許多選擇,這也會阻礙客戶搜尋。 由於時間和精力的限制,客戶可能找不到他們想要的產品,導致購買時認知不和諧或完全不購買。

這道菜是幹什麼的?

「產品建議」方式使用機器學習來分析客戶過去與產品的互動,並快速且輕鬆地產生產品建議的個人化清單。 這樣可以優化產品發現過程,並消除對客戶的長期、低效、無關的搜索。 因此,「產品建議」方式可改善客戶的整體購買體驗,進而提高參與度並增強品牌忠誠度。

如何開始使用?

您可依照Adobe Experience Platform Lab教學課程(請參閱下面的Lab連結)開始使用。 本教學課程將示範如何在Jupyter筆記型電腦中建立「產品建議」配方,方法是依 照筆記型電腦的配方工作流程 ,並在中實作配方 Data Science Workspace。

資料架構

此方式使用自訂 XDM結構 ,來模擬輸入和輸出資料:

輸入資料結構

欄位名稱
類型
itemId
字串
interactionType
字串
timestamp
字串
userId
字串

輸出資料模式

欄位名稱
類型
建議
字串
userId
整數

演算法

「產品建議」方式利用協作篩選為客戶產生產品建議的個人化清單。 與基於內容的方法不同,協作篩選不需要有關特定產品的資訊,而是利用客戶對一組產品的歷史偏好。 此強大的建議技巧使用兩個簡單的假設:
  • 有些客戶有類似的興趣,可透過比較其購買和瀏覽行為來將他們分組。
  • 客戶在購買和瀏覽行為方面更可能會對類似客戶的建議感興趣。
此程式分為兩個主要步驟。 首先,定義相似客戶的子集。 然後,在該集合內,識別這些客戶之間的相似功能,以便為目標客戶傳回建議。