Show Menu
主題×

Recommendations 簡介

本文中的文字內容來自​ Recommendations 簡介 ​網路研討會,您可在下方查看其完整內容。
Recommendations 簡介 ​網路研討會包含有關如何運用 Adobe Target Recommendations 的值的深入探討。瞭解此 Target 活動如何根據先前的造訪最佳化即時建議,藉此自動顯示可能使您的客戶感興趣的產品或內容。此外,深入探討 Target UI,瞭解如何建置 Recommendations 活動的逐步概覽。

簡介

我們都瞭解在零售業所看到的建議種類。客戶對這些種類的建議有越來越高的期望,並使用它們做為探索其他可用選項的起點。如果您思考一下自己的購物行為,就會發現這些種類的建議十分有效。我們當中的所有人幾乎都買了在某處 (無論是商店或是數位屬性) 的建議中第一眼看到的產品。
下圖說明顯示經常搭配新手機購買之配件的建議,包括充電座、保護套和耳機。
但我們未必會思考的是,數位優先品牌如何提高客戶期望的標準。我們使用媒體和內容的方式,越來越受到個人化建議的推動。試想一下您在開啟 Netflix、Spotify 或 YouTube 時第一眼看到的內容。這些品牌透過建議開啟了客戶體驗。在有越來越多可用替代選項的世界中,您必須在客戶進行互動的時間點為其找出最相關的內容,這一點至關重要。
行銷人員使用 Adobe Target 推動各行各業、各種客戶類型及管道的個人化體驗。
Adobe Target 可隨時隨地提供個人化內容。
這些只是客戶使用 Target 提供個人化建議的一些方式。
提供絕佳建議需要哪些要素?
絕佳建議應提供相關且個人化的內容。也就是說,您需要下列三個要素,來促進相關性和個人化:
  • 行銷人員控制 ,協助促進建議項目的相關性。身為行銷人員,您負責提供寶貴的內容,而且您知道哪些產品屬性或內容與建議模型相關且可供考慮。如果您經營影片網站,您知道使用者可能有興趣觀賞來自同一位導演的影片,但可能不想觀賞同一個電影製片廠所製作的電影。Target 能讓您擁有控制的能力,可讓您透過此領域知識增強演算法。
  • 精密的模型 ,將目錄和互動事件中的數百萬個項目轉換成有意義的資料。Target 具有根據長達十年經驗所打造的精密機器學習功能,而且我們每年處理數十億個建議。
  • 使用者內容 ,確保可為使用者提供及時且相關的建議。您不會想要建議某個使用者剛看過的影片,或某位使用者剛新增至其購物車的襯衫。Target 的豐富使用者設定檔可用於建議,以確保提供個人化內容。

實作 Target Recommendations

首先,請從策略開始。
  • 您想要建議哪些項目? 首先,請思考您想要建議哪些項目。可能是產品、影片或內容。
  • 您要在哪個位置顯示建議? 接下來,請思考您要在哪個位置提供建議。廣泛來說,就是哪些管道 (網路、行動裝置、店內、資訊站等)? 客戶使用之旅的哪些環節會包含建議? 網站上的哪些頁面會包含建議?
  • 如何判斷建議是否成功? 假設您有一個不含建議的體驗以及一個含有建議的體驗,或者您有兩個不同類型的建議。如何判斷哪個體驗對客戶來說是更好的體驗? 某些量度可能比其他量度更難測量。例如,建議對客戶期限值的影響通常很難直接取得。因此,通常取得一個較不抽象的量度以及一個較明確的量度會比較簡單,例如每次造訪帶來的收入、平均訂購值或點按次數。在某些情況下,您可能會想要將量度最小化,例如支援服務通話的數量。
在想出策略之後,您就可以開始實施 Target Recommendations 了。
建立建議實施包含三個廣泛的步驟:
  1. 教導 Target 您的內容或產品。
  2. 擷取使用者行為。
  3. 透過正確的內容取得建議。

教導 Target 您的內容或產品

開始使用 Recommendations 時,您傳送有關您要建議之所有項目的資訊。Target 提供可建立目錄的多個整合選項。
最簡單且最常用的方法就是,每天或每週從您的產品資訊管理系統或內容管理系統傳送 CSV 檔案。但您也可以使用 Adobe Target JavaScript 程式庫從頁面傳送資料層上的資訊、運用 API 直接從來源系統傳送資訊,或是如果您已將目錄資料傳送至 Analytics,則使用 Adobe Analytics 整合。
有時候您可能會想要一起使用多個選項,例如,每天透過 CSV 檔案傳送大多數資料,以及透過 API 更頻繁地傳送庫存更新。
IT 部門通常會參與此過程並協助您完成設定。
無論您選擇哪種方法,都應在三個類別中包含有關各個項目的中繼資料:
  • 您要向收到建議的使用者顯示的資料。例如,電影名稱和縮圖影像 URL。
  • 適合用於套用行銷和推銷控制的資料。例如,電影分級,以免建議 NC-17 電影。
  • 適合用於判斷項目與其他項目之相似度的資料。例如,電影類型或電影中的演員。

擷取使用者行為

接下來,您應新增標記或運用現有 Analytics 實施,追蹤推動 Target 演算法的轉換事件 (例如檢視和購買)。
您必須確保 Target 知道使用者檢視及購買的項目。如果購買與內容無關,您可能會想要追蹤不同類型的轉換事件,例如下載 PDF、完成問卷、訂閱電子報、觀看影片等。
如果您已使用 Target 在網站上執行 A/B 測試活動,您可能已完成此步驟。或者,如果您已使用 Adobe Analytics 回報網站造訪和轉換行為,您可使用 Analytics 做為行為資料來源。如果沒有,最簡單的做法是使用 Adobe Launch 等標籤管理員進行此設定。您也可以透過即時 API 將離線或應用程式內的互動傳送至 Target。

透過正確的內容取得建議

在進行互動的時間點將使用者與內容的相關資訊傳送至 Target,以傳回相關和個人化建議。
除了彙總形式的使用者行為以外,您還必須將顯示建議之特定內容傳送給 Target。這包括頁面的相關資訊和來自使用者設定檔的資訊。Target 使用此資訊提供個人化建議。例如,在零售網站上,您想要瞭解訪客正在檢視的產品和產品類別。您也想要瞭解關於該使用者的資訊 (最愛的品牌、最愛的產品類別、忠誠度級別等)。此資訊非常重要,這樣 Target 才能篩選項目並改善建議的個人化成效。

建立第一個 Recommendations 活動

什麼是 Recommendations 活動?
Recommendations 活動由下列元件構成:
  • 受眾 : 誰應該看到這些建議?
  • 條件 : 應建議哪些項目?
  • 設計 : 應如何顯示建議項目?
Target 隨附立即可用的 14 個內建受眾、42 個內建條件,以及 10 個內建設計範本。您可以逐一自訂這些項目,或新增您自己的項目。We’ve had previous webinars about building audiences in Target. 本節重點在於如何定義條件,這會定義將建議哪些項目。
Target 使用條件卡的概念。條件卡就像個人化的方式。
請務必選擇或建立正確的條件,以達到您想要的個人化結果。條件就像漏斗,能將您從整個目錄帶到最終的一組建議。
以下章節說明此漏斗的各個環節及其在 Target 中的運作方式:

靜態篩選 (集合和條件)

靜態篩選是可範圍適用的規則,與您不希望經常變更的目錄屬性相關。
例如,在內容環境中,您可能會想要在建議中包含所有電影,但排除分級為 NC-17 的電影。在零售內容中,您可能有位於全世界不同區域的多個品牌,但您只想要建議可在美國提供的產品。您可能也會想要從地區私人標籤中排除產品。
這些全都是可廣泛適用的目錄屬性,您可能想要用於多個建議,且不希望它們經常變更。

演算法 (建議索引鍵和邏輯)

下一步是選擇建議索引鍵和邏輯。這是您決定建議之基礎的位置。
您需要選擇的第一個項目是建議索引鍵。建議索引鍵是您「查詢」以選擇建議的內容。這是建議所根據的內容。
建議可以根據下列內容:
  • 訪客目前正在檢視的項目
  • 訪客目前正在檢視的類別
  • 訪客上次購買或新增至購物車的項目
  • 與某個訪客戶項目有關的自訂屬性
接著,您可根據這些索引鍵選擇想要的建議邏輯:
  • 具有類似屬性的項目
  • 某個特定類別中檢視次數最多的項目
  • 已購買此項目的客戶也購買了這些項目
  • 自訂屬性
Target 隨附一應俱全且立即可用的演算法。
  • 基於人氣的演算法 ​包含檢視次數最多和最暢銷商品。
  • 基於內容的演算法 ​包含內容相似度。
  • 基於項目的合作篩選演算法 ​包含已檢視/已檢視、已檢視/已購買,以及已購買/已購買。請注意,「已購買」可能是任何轉換。
  • 個人化演算法 ​包含最近查看的、網站相關性,以及已增強設定檔的合作篩選。
  • 自備演算法 ​可讓您使用自己的自訂演算法。

線上業務規則

最後一個步驟是套用線上業務規則。透過此步驟,您可讓演算法擁有領域知識,以及根據訪客正在數位屬性上執行之作業的目前內容。
例如,在內容環境中,您可能會想要排除訪客之前已觀看的電影、建議同一位導演的電影,或提升相同類型的電影。在零售內容中,您可能會想要排除沒有庫存的產品、顯示價格範圍介於 $5 到 $500 美元之間的項目,或提升來自相同品牌的項目。

示範

在您如上所述完成建議漏斗插圖中的工作後,就剩下最終建議了。若要觀看 Target 內的產品內示範,此示範會在 21:00 於 Adobe Target 基礎網路研討會 ​中開始進行,連結如下。

Adobe Target 基礎網路研討會: Recommendations 簡介