Création et formation de recommandations de personnalisation Salesforce

Salesforce Personalization dans Marketing Cloud Next génère des recommandations multicanal, ciblées et individualisées basées sur des données comportementales et de contexte métier profondes, numériques et hors ligne. Pour créer des recommandations personnalisées, vous configurez une recommandation et vous l'entraînez en utilisant les Graphiques de données Data 360 que vous sélectionnez.

• Apprentissage machine pour les recommandations basées sur des objectifs
  Le système de recommandation de Salesforce Personalization utilise l ' apprentissage machine et l ' IA pour analyser le comportement des utilisateurs ainsi que les données des Graphiques de données de profil et d ' élément. Le système prédit ensuite les actions des utilisateurs qui soutiennent les objectifs métiers, par exemple augmenter le chiffre d'affaires ou réduire les désabonnements. Lorsque vous comprenez le fonctionnement du système, vous pouvez fournir des entrées adéquates qui influencent l'apprentissage et mènent à de meilleures recommandations.
• Choix d'un type de recommandation
  Le type de recommandation définit la méthode que le recommandeur utilise pour fournir le contenu. Vous pouvez choisir des recommandations basées sur des objectifs ou des recommandations basées sur des règles. Les recommandations basées sur des objectifs utilisent un modèle d'apprentissage profond afin de produire des recommandations personnalisées et ciblées pour un individu. Les recommandations basées sur des règles utilisent une logique métier pour déterminer mathématiquement une liste de recommandations basées sur des connaissances calculées Data 360. Pour les deux types de recommandation, vous pouvez ajouter des filtres pour inclure ou exclure des éléments.
• Configuration d'une recommandation
  Un recommandeur présente aux visiteurs des recommandations personnalisées basées sur le type de recommandation et les critères que vous sélectionnez.
• Ajout de filtres de recommandation
  Utilisez des filtres pour contrôler avec précision les éléments affichés dans vos recommandations.
• Filtrage des recommandations en utilisant des variables de contexte dynamiques
  Incluez ou excluez des éléments en fonction des variables dynamiques transmises lorsqu'un utilisateur effectue une requête de personnalisation. Vous pouvez par exemple configurer un filtre pour inclure les éléments correspondant à la valeur de catégorie transmise dans la requête de personnalisation.
• Opérateurs de filtrage de recommandations
  Sélectionnez l'opérateur approprié pour comparer les champs du catalogue avec des valeurs statiques, des attributs de profil client ou le contexte de session afin d'affiner la logique de recommandation.
• Filtrage des éléments avec l'opérateur de sous-ensemble Est
  Créez des règles d'éligibilité strictes avant d'afficher une recommandation ou une promotion.
• Simulation d'une recommandation
  Après avoir créé et entraîné un recommandé, vous pouvez prévisualiser les recommandations pour des utilisateurs spécifiques et pour les éléments que l'utilisateur visualise au moment de la présentation des recommandations. En prévisualisant les résultats des recommandations, vous pouvez vérifier la simulation avant de publier les recommandations.
• Exemple de configuration Recommandation co-achetée avec plusieurs filtres de dimension
  Utilisez des connaissances calculées et la puissance des filtres pour configurer un recommandeur afin de générer une liste de produits fréquemment achetés ensemble.
• Entraînement d'un Recommandation de personnalisation
  Après avoir créé une recommandation de personnalisation, elle utilise les données Customer 360 des Graphiques de données sélectionnés pour commencer l'entraînement. Vous pouvez suivre la formation dans l'enregistrement du recommandeur.