Sie befinden sich hier:
Kaltstartstrategien für Empfehlungen
Kaltstart beschreibt jedes Szenario, in dem ein Empfehlender nicht über genügend Engagementdaten verfügt, um sie sicher zu personalisieren. Der Kaltstart ist der einzige automatische Wechsel, den der Empfehlende vornimmt. Jeder Empfehlende beginnt mit dem Kaltstart, wenn das Engagement spärlich ist, und wechselt zur vollständigen Personalisierung, wenn Interaktionsdaten gesammelt werden.
Kaltstartszenarien
- Neue Site
- Ein brandneuer Kunde nimmt einen neuen Katalog auf oder führt ihn ein und es gibt keinen Interaktionsverlauf.
Um dieses Szenario zu verarbeiten, erstellt der Empfehlende ein Verständnis Ihres Katalogs anhand seines Inhalts, einschließlich Titeln, Beschreibungen, Kategorien und anderer Attribute. Diese Attribute werden in semantische Einbettungen umgewandelt, die die Bedeutung der einzelnen Elemente erfassen. Wenn ein Benutzer mit einem Element interagiert, gibt der Empfehlende semantisch ähnliche Elemente zurück.
- Neues Element
- Eine etablierte Site fügt Elemente hinzu, mit denen noch kein Benutzer interagiert hat. Traditionelle Empfehlende können Elemente ohne Engagementverlauf nicht anzeigen.
DLPR wurde für die Verwendung des Engagementverlaufs und des Kataloginhalts trainiert. Bei Elementen mit Engagement tragen beide Signale zur Darstellung des Elements bei. Bei neuen Elementen fungiert der Kataloginhalt als Stand-in, bis Interaktionsdaten eingehen. Neue Elemente können sofort empfohlen werden.
- Sonderangebot und Angebot ohne Engagementverlauf
- Wenn Sie Sonderangebote oder Angebote empfehlen, jedoch über begrenzte Interaktionsdaten zu Benutzerantworten verfügen, verwendet der Empfehlende Metadaten zu Sonderangeboten, um semantisch ähnliche Sonderangebote zu empfehlen. Einzelheiten finden Sie unter Sonderangebot und Angebotsempfehlungen.
Beenden des Kaltstarts durch einen Empfehlenden
Während sich Interaktionsdaten ansammeln, wertet der Empfehlende kontinuierlich aus, ob er über genügend Signale verfügt, um vom Kaltstart zur vollständigen Personalisierung zu wechseln. Wenn der Schwellenwert erreicht ist, werden bei künftigen Trainingsläufen Engagementdaten verwendet und die Kaltstartlogik tritt zurück.
Die Umstellung erfolgt automatisch. Sie konfigurieren keinen Umschalter. Während Ihre Site reift, sehen Benutzer einen reibungslosen Übergang von inhaltsbasierten Empfehlungen zu vollständig personalisierten Empfehlungen.
Anleitung für Ihren Katalog
Mit einem gut strukturierten Katalog werden frühzeitige Empfehlungen wirksam.
- Geben Sie vollständige Titel, Beschreibungen, Kategorien und Attribute für jedes Element an.
- Halten Sie die Katalogmetadaten auf dem aktuellen Stand, während Sie neue Produkte und Angebote hinzufügen.
- Warten Sie nicht auf Zugkraft für neue Elemente – Elemente mit guten Metadaten können sofort empfohlen werden.
