おすすめのコールドスタート戦略

コールドスタートのシナリオ

新規サイト

新規の顧客が新しいカタログをオンボーディングまたは導入し、エンゲージメント履歴が存在しない。

このシナリオを処理するために、おすすめはコンテンツ (タイトル、説明、カテゴリ、その他の属性など) からカタログの理解を構築します。これらの属性は、各項目の意味を取得するセマンティック埋め込みに変換されます。ユーザーが項目を操作すると、おすすめは意味的に類似する項目を返します。

新規項目

確立されたサイトでは、ユーザーがまだ操作していない項目が追加されます。従来のおすすめでは、エンゲージメント履歴のない項目は表示されません。

DLPR は、エンゲージメント履歴とカタログコンテンツの両方を使用するようにトレーニングされています。エンゲージメントがある項目の場合、両方のシグナルが項目の表現に寄与します。新しい項目の場合、カタログコンテンツはエンゲージメントデータが届くまでスタンドインとして機能します。新しい項目は、すぐにおすすめの対象になります。

Promotion and Offer Without Engagement History (エンゲージメント履歴のないプロモーションと提案)

プロモーションまたは提案を推奨するが、ユーザーの応答に関するエンゲージメントデータが限られている場合、おすすめ者はプロモーションメタデータを使用してセマンティックに類似したプロモーションを推奨します。詳細は、「プロモーションとオファーのおすすめ」を参照してください。

おすすめのコールドスタートの終了方法

エンゲージメントデータが蓄積されると、おすすめはコールドスタートから完全なパーソナライズに切り替えるのに十分なシグナルがあるかどうかを継続的に評価します。しきい値に達すると、今後のトレーニングの実行でエンゲージメントデータが使用され、コールドスタートロジックは元に戻ります。

移行は自動的に行われます。スイッチは設定しません。サイトが成熟すると、コンテンツベースのおすすめから完全にパーソナライズされたおすすめへとスムーズに移行できます。

カタログのガイダンス

適切に構造化されたカタログにより、早期のおすすめが有効になります。

• 各項目の完全なタイトル、説明、カテゴリ、属性を指定します。
• 新しい商品やオファーを追加するときに、カタログメタデータを最新の状態に保ちます。
• 新しい項目の牽引を待つ必要はありません。メタデータが適切な項目は、すぐに推奨できます。